工欲善其事，必先利其器！我们想要更轻松更有效率地开发，必须学会一些“高级”技能。前不久看到一位 Python 高僧的代码，其中使用了一个短小精悍的模块，我认为还蛮有用的，今天分享给大家。
这个模块就叫 glom ，是 Python 处理数据的一个小模块，它具有如下特点：
- 嵌套结构并基于路径访问
- 使用轻量级的Pythonic规范进行声明性数据转换
- 可读、有意义的错误信息
- 内置数据探测和调试功能
看起来比较抽象，对不对？下面我们用实例来给大家演示一下。
安装
作为 Python 内置模块，相信你一定知道怎么安装：
pip3 install glom
几秒钟就搞定！
简单使用
我们来看看最简单的用法：
d={"a":{"b":{"c":1}}}
print(glom(d,"a.b.c"))#1
在这里，我们有一个嵌套三层的 json 结构，我们想获取最里层的 c 对应的值，正常的写法应该是：
print(d["a"]["b"]["c"])
如果到这里，我说 glom 比传统方式好一些，因为你不用一层层地写中括号和引号，你会不会嗤之以鼻？
好，我们再来看看下面的情况：
d={"a":{"b":None}}
print(d["a"]["b"]["c"])
遍历到一个 None 对象，你会收到下面的错误：
Traceback(mostrecentcalllast): File"/Users/cxhuan/Documents/python_workspace/mypy/pmodules/pglom/glomstudy.py",line10,in<module> print(d["a"]["b"]["c"]) TypeError:'NoneType'objectisnotsubscriptable
我们来看看 glom 的处理方式：
fromglomimportglom
d={"a":{"b":None}}
print(glom(d,"a.b.c"))
同样地，glom 不能把错误的输出成对的，你会得到以下错误：
Traceback(mostrecentcalllast):
File"/Users/cxhuan/Documents/python_workspace/mypy/pmodules/pglom/glomstudy.py",line11,in<module>
print(glom(d,"a.b.c"))
File"/Library/Frameworks/Python.framework/Versions/3.7/lib/python3.7/site-packages/glom/core.py",line2181,inglom
raiseerr
glom.core.PathAccessError:errorraisedwhileprocessing,detailsbelow.
Target-spectrace(mostrecentlast):
-Target:{'a':{'b':None}}
-Spec:'a.b.c'
glom.core.PathAccessError:couldnotaccess'c',part2ofPath('a','b','c'),goterror:AttributeError("'NoneType'objecthasnoattribute'c'")
如果你仔细看报错内容，你就会发现这报错内容极其详细，一目了然，这对于找程序 bug 简直是神器！
复杂用法
刚才简单的例子，让大家对 glom 有了直观的认识，接下来我们看看 glom 的 glom 方法的定义：
glom(target, spec, **kwargs)
我们看看参数的含义：
- target：目标数据，可以是dict、list或者其他任何对象
- spec：是我们希望输出的内容
下面我们来使用这个方法。
先看一个例子。我们有一个 dict ，想要获取出 所有 name 的值，我们可以通过 glom 来实现：
data={"student":{"info":[{"name":"张三"},{"name":"李四"}]}}
info=glom(data,("student.info",["name"]))
print(info)#['张三','李四']
如果用传统方式的话，我们可能会需要遍历才能获取到，但是使用 glom ，我们只需要一行代码就可以了，输出是一个数组。
如果你不想输出数组，而是想要一个 dict 的话，那也是很简单的：
info=glom(data,{"info":("student.info",["name"])})
print(info)#{'info':['张三','李四']
我们只需要将原来的数组赋值给一个字典来接收就好了。
搞定麻烦需求
假如我现在有两组数据，我要取出 name 的值：
data_1={"school":{"student":[{"name":"张三"},{"name":"李四"}]}}
data_2={"school":{"teacher":[{"name":"王老师"},{"name":"赵老师"}]}}
spec_1={"name":("school.student",["name"])}
spec_2={"name":("school.teacher",["name"])}
print(glom(data_1,spec_1))#{'name':['张三','李四']}
print(glom(data_2,spec_2))#{'name':['王老师','赵老师']}
我们通常是这么写，对吗？假如我们有好多组数据，每组都是类似的取法呢？这时候我们就会想办法避免一个个重复写 N 行参数了，我们可以使用 Coalesce 方法：
data_1={"school":{"student":[{"name":"张三"},{"name":"李四"}]}}
data_2={"school":{"teacher":[{"name":"王老师"},{"name":"赵老师"}]}}
spec={"name":(Coalesce("school.student","school.teacher"),["name"])}
print(glom(data_1,spec))#{'name':['张三','李四']}
print(glom(data_2,spec))#{'name':['王老师','赵老师']}
我们可以用 Coalesce 把多个需求聚合起来，然后针对同一个 spec 来取值就行了。
下面再来一个大杀器——取值计算。glom 还可以对取值进行简单计算，我们来看例子：
data={"school":{"student":[{"name":"张三","age":8},{"name":"李四","age":10}]}}
spec={"sum_age":("school.student",["age"],sum)}
print(glom(data,spec))#{'sum_age':18}
总结
介绍了这么多，大家应该知道 glom 的厉害之处了吧，据说很多大佬都喜欢使用呢。其实它还有很多其他的实用功能有待大家去发掘，这里就不一一介绍了。
以上就是python glom模块的使用简介的详细内容，更多关于python glom模块的资料请关注其它相关文章！
