博客
关于我
yaml数组类型
阅读量:355 次
发布时间:2019-03-04

本文共 710 字,大约阅读时间需要 2 分钟。

在处理yaml文件时,数组类型的表示方式和转换至列表类型的过程可能会让一些开发者感到困惑。本文将详细解释yaml数组类型的表示方法以及如何在Python中将其转换为列表类型。

在yaml中,数组通常使用带有破折号的行来表示。以下是一个常见的yaml数组表达式:

- 100- 1- 2- 3

在这个例子中,每一行前面都带有破折号 -,表示这些值构成一个数组。如果你想将其转换为Python中的列表类型,可以使用yaml库来解析。以下是一个示例代码:

import yamlimport osproject_path = os.path.split(os.path.realpath(__file__))[0].split('tools')[0]  # 项目路径def get_yaml_data(fileDir):    # 在内存中加载文件    f = open(fileDir, 'r', encoding='utf-8')    # 使用FullLoader加载yaml文件    res = yaml.load(f, Loader=yaml.FullLoader)    return resif __name__ == '__main__':    info = get_yaml_data(project_path + r'\configs\cnf.yaml')    print(info)

运行上述代码后,输出结果会是:

- [100, [1, 2, 3]]

这个结果表明,原始yaml文件中的数组类型已经成功转换为Python中的列表类型。通过这种方式,你可以方便地在代码中使用yaml文件中的数据。

转载地址:http://wjeh.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 通过微调SegFormer改进车道检测效果(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
查看>>
OpenCV与AI深度学习 | 实用技巧 | 使用OpenCV进行模糊检测
查看>>
OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
查看>>
OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
查看>>
OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
查看>>
OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 水下检测+扩散模型:或成明年CVPR最大惊喜!
查看>>
OpenCV与AI深度学习 | 深入浅出了解OCR识别票据原理
查看>>
OpenCV与AI深度学习 | 深度学习检测小目标常用方法
查看>>
OpenCV与AI深度学习 | 超越YOLOv10/11、RT-DETRv2/3!中科大D-FINE重新定义边界框回归任务
查看>>
OpenCV与AI深度学习 | 高效开源的OCR工具:Surya-OCR介绍与使用
查看>>
OpenCV与AI深度学习|16个含源码和数据集的计算机视觉实战项目(建议收藏!)
查看>>
Opencv中KNN背景分割器
查看>>
OpenCV中基于已知相机方向的透视变形
查看>>
OpenCV中的监督学习
查看>>