python中literal_eval函数的使用小结

literal_eval是Python标准库ast模块中的一个安全函数,用于将包含 Python字面量表达式的字符串安全地转换为对应的Python对象,下面就来介绍一下literal_eval函数的使用

目录
  • 基本用法
  • 与 eval() 的区别
  • 支持的数据类型
  • 使用场景
  • 注意事项

基本用法

from ast import literal_eval

# 将字符串转换为Python对象
string_list = "[1, 2, 3]"
real_list = literal_eval(string_list)
print(real_list)  # 输出: [1, 2, 3]
print(type(real_list))  # 输出: 

string_dict = "{'name': 'Alice', 'age': 25}"
real_dict = literal_eval(string_dict)
print(real_dict)  # 输出: {'name': 'Alice', 'age': 25}
print(type(real_dict))

与 eval() 的区别

1、安全性:literal_eval 只能解析 Python 字面量结构(字符串、数字、元组、列表、字典、布尔值和 None),不会执行任意代码,因此比 eval() 安全得多。

# eval() 会执行任何代码 - 不安全!
eval("__import__('os').system('rm -rf /')")  # 危险!

# literal_eval() 会拒绝执行非字面量表达式
literal_eval("__import__('os').system('rm -rf /')")  # 会引发 ValueError

2、功能限制:literal_eval 不能计算表达式或调用函数,只能处理基本的 Python 数据结构。

支持的数据类型

literal_eval 可以安全地评估以下 Python 字面量结构:

1、字符串
2、数字(整数、浮点数、复数)
3、元组
4、列表
5、字典
6、布尔值(True/False)
7、None

使用场景

1、安全地从字符串加载数据结构:当需要从外部源(如配置文件、用户输入)加载数据时。

2、替代 pickle/json:对于简单的数据结构,比 pickle 安全,比 json 更灵活(json 不支持所有 Python 数据类型)。

3、配置文件解析:当配置需要包含复杂数据结构时。

注意事项

1、虽然比 eval() 安全,但仍应谨慎处理不受信任的输入。

2、对于非常大的数据结构,可能会有性能问题。

3、不支持 Python 3 的字节字面量(如 b’bytes’)。

到此这篇关于python中literal_eval函数的使用小结的文章就介绍到这了,更多相关python literal_eval 内容请搜索骃骐网以前的文章或继续浏览下面的相关文章希望大家以后多多支持骃骐网!

您可能感兴趣的文章:

  • Python eval()函数和ast.literal_eval()的区别你知道吗
  • Python中函数eval和ast.literal_eval的区别详解

相关推荐:

Python中如何对NumPy数组执行快速幂运算_使用power函数实现向量化

np.power 比 快因底层C向量化实现,避免Python循环开销;支持out/where/dtype等参数,更安全可控;对负底数非整指数默认报错,而 静默返回nan;np.float_power专为负底数浮点指数设计。 为什么 np.power 比循环调用 ** 快得多 因为 np.power 是底层 C 实现的向量化函数,它一次性处理整个数组,避免 Python 循环开销和逐元素类型检查。而...

Python类方法定义中必须显式声明self参数

Python类中定义的方法默认会自动接收实例对象作为第一个参数,若方法签名未包含self,调用时就会报“多传入1个位置参数”的错误——本质是Python隐式传入了实例,而函数未声明接收。 python类方法定义中必须显式声明`self`参数 在Python中,**所有实例方法(即定义在类内部、用于操作实例数据的方法)都必须将`self`作为第一个形参**。这不是约定俗成,而是语言强制要求:当通过实...

如何实现Python中线程安全的单例模式_使用元类metaclass或Lock加锁

因为__new__不是原子操作:线程A判断_instance为None后,未执行super().__new__前,线程B也判为None,导致重复创建;GIL不保护跨语句逻辑,需用双重检查锁定(DCL)加threading.Lock确保线程安全。 为什么直接用 __new__ 实现单例在多线程下会失效 因为 __new__ 本身不是原子操作:线程 A 判断 _instance 为 None 后,还没...

如何在Python中实现带参数的装饰器_通过三层函数嵌套传递外部参数

带参数的装饰器必须三层:外层接收参数并返回装饰器,中层接收函数,内层接收调用参数;不加@functools.wraps会导致__name__、__doc__等元信息丢失,影响调试、反射和IDE功能;参数校验应放在外层。 为什么带参数的装饰器必须用三层函数 因为 Python 的 @ 语法只接受一个可调用对象作为装饰器,而你传进去的 @log(level="DEBUG") 实际上是先执行 log(l...

如何在对象属性批量更新后仅执行一次回调函数

本文介绍一种优雅的 python 设计模式:通过私有属性 + 只读属性 + 显式 update() 方法,确保对象状态变更时回调函数(如数据校验、视图刷新等)仅被触发一次,避免重复计算,同时保持 ide 类型提示与代码可维护性。 本文介绍一种优雅的 python 设计模式:通过私有属性 + 只读属性 + 显式 update() 方法,确保对象状态变更时回调函数(如数据校验、视图刷新等)仅被触发一次...

Python中如何求NumPy数组的百分位数_使用percentile函数进行统计

numpy.percentile用于计算数组指定百分位数,关键参数包括a(输入数组)、q(0–100间百分位数)、axis(计算轴,默认None展平);含NaN需设nan_policy='omit';method控制插值方式;keepdims配合axis保留维度。 percentile函数的基本用法和参数含义 numpy.percentile 是计算数组中指定百分位数的主力函数,它不修改原数组,返...

如何确保对象属性批量更新后仅触发一次回调函数

本文介绍一种优雅的 Python 设计方案:通过禁用直接属性赋值 + 提供类型安全的 update() 方法,实现在多个属性变更后统一、且仅执行一次回调函数,兼顾 IDE 智能提示、代码可维护性与运行时可靠性。 本文介绍一种优雅的 python 设计方案:通过禁用直接属性赋值 + 提供类型安全的 `update()` 方法,实现在多个属性变更后统一、且仅执行一次回调函数,兼顾 ide 智能提示、代...

Python如何实现图的深度优先遍历_基于栈结构或递归函数实现

递归DFS栈溢出风险高因CPython默认递归深度仅1000,长链或环易触发RecursionError;隐式栈不可控,闭包和帧对象加剧内存开销;图应优先用显式栈实现。 递归实现DFS时,为什么栈溢出风险比预期高? Python默认递归深度限制是1000层,图中存在长链或环状结构时极易触发RecursionError。这不是算法错,而是CPython解释器对递归调用的硬性约束。 用sys.setr...

如何使用Python中的calendar模块判断闰年_调用isleap函数

应直接使用 calendar.isleap() 判断闰年,它准确实现公历规则、线程安全、性能优且自 Python 2.3 起稳定兼容,避免手写逻辑出错或误用类型。 直接用 calendar.isleap() 判定闰年,别自己写逻辑 Python 的 calendar.isleap() 是最可靠、最省事的闰年判断方式。它封装了格里高利历(公历)全部规则:能被 4 整除但不能被 100 整除,或能被 ...