为什么说Python 是胶水语言?

news/2024/12/22 21:53:13/

​ "Python 是胶水语言"这一说法是指它很擅长将不同的程序或代码库连接在一起，能够让来自不同编程语言或框架的组件无缝协作。Python 具有丰富的库和简单的语法，使得它可以轻松调用其他语言编写的程序或使用不同技术栈的模块。

​ 以下是几个具体的实例，展示了Python 作为胶水语言的特性：

实例 1：调用 C/C++ 代码

​ 使用ctypes 库可以方便地调用 C 函数。
假设有一个简单的 C 函数：

// example.c
#include <stdio.h>int add(int a, int b) {return a + b;
}void say_hello() {printf("Hello, World!\n");
}

采用编译它为共享库：

gcc -shared -o libexample.so -fPIC example.c

然后用 Python 调用这个库：

python"># example.py
import ctypes# 加载共享库
lib = ctypes.CDLL('./libexample.so')# 定义函数原型
lib.add.argtypes = (ctypes.c_int, ctypes.c_int) # 表示该函数接收两个整数参数
lib.add.restype = ctypes.c_int # 设置 `add` 函数的返回类型# 调用 C 函数
result = lib.add(3, 5)
print(f'Result of add(3, 5): {result}')# 调用无参数 C 函数
lib.say_hello()

运行这个 Python 脚本，你会看到：

在这里插入图片描述

实例 2：集成数据库和 Web 服务

​ Python 强大的库生态，使得它在集成不同技术栈方面非常有优势。例如，连接一个数据库并通过 Flask 框架提供一个简单的 Web API。

python"># Install required packages:
# pip install flask sqlalchemyfrom flask import Flask, jsonify, request
from sqlalchemy import create_engine, Column, Integer, String, Sequence
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy.orm import sessionmakerapp = Flask(__name__)
Base = declarative_base()# 创建数据库表 User(id, name, age)
class User(Base):__tablename__ = 'users'id = Column(Integer, Sequence('user_id_seq'), primary_key=True)name = Column(String(50))age = Column(Integer)# 使用的是 SQLite 文件数据库,数据存储到本地文件中，程序结束后数据也会被保留engine = create_engine('sqlite:///mydatabase.db')  # 使用文件存储的 SQLite 数据库
Base.metadata.create_all(engine)  # 创建所有的表Session = sessionmaker(bind=engine)  # 这个Session对象实际上是一个数据库会话或连接，它用于执行数据库操作（如查询、插入、更新、删除等）。
session = Session()# 添加一些数据
new_user = User(name='Bobo', age=52)
session.add(new_user)
session.commit()@app.route('/users', methods=['GET'])
def get_users():users = session.query(User).all()return jsonify([{'id': user.id, 'name': user.name, 'age': user.age} for user in users])@app.route('/user', methods=['POST'])
def add_user():data = request.jsonnew_user = User(name=data['name'], age=data['age'])session.add(new_user)session.commit()return jsonify({'id': new_user.id})if __name__ == '__main__':app.run(debug=True)

​ 这个脚本使用 SQLAlchemy连接 SQLite 数据库，并且通过 Flask 框架提供了一个 Web 接口。运行这个脚本并访问 http://127.0.0.1:5000/users 获取表中记录信息。

​

​ 使用 http://127.0.0.1:5000/user，访问在本程序中会出现如下错误，出现如下 Method Not Allowed。 错误的原因是因为 HTTP 方法错误。访问 URL http://127.0.0.1:5000/user 时，浏览器默认使用 GET 方法请求，而代码中，/user 端点只允许 POST 方法。
在这里插入图片描述

我们可以使用cURL来发送POST请求：

结合之前的 Flask 示例，我们可以使用 cURL 向我们的 Flask 应用发送一个 POST 请求来添加用户：在 Git Bash
curl -X POST -H "Content-Type: application/json" -d '{"name": "Bo", "age": 30}' http://127.0.0.1:5000/user在 Windows 命令提示符（CMD）或 PowerShell
curl -X POST -H "Content-Type: application/json" -d "{\"name\": \"Bobo\", \"age\": 30}" http://127.0.0.1:5000/user注意：
1. 双引号问题：在 Windows CMD 中，双引号会被用来包裹整个字符串，内部的双引号需要进行转义。 
2. 单引号和双引号的区别：在 Unix 风格的 Shell（如 Git Bash）中，你可以使用单引号包裹整个字符串，JSON 字符串内部的引号不需要转义。建议用Git Bash来测试

​ 第二个实例展示了如何利用Python作为胶水语言，将不同的技术和组件集成在一起进行协作。具体来说，它通过几个方面体现了Python的胶水作用：

1. 数据库连接与操作

​ 在该实例中，使用了SQLAlchemy库与SQLite数据库进行连接和操作。SQLAlchemy是Python中一个非常强大的ORM（对象关系映射）框架，它允许开发者使用面向对象的方式来操作数据库。

代码片段：

python">from flask import Flask, jsonify, request
from sqlalchemy import create_engine, Column, Integer, String, Sequence
from sqlalchemy.ext.declarative import declarative_base
from sqlalchemy.orm import sessionmakerapp = Flask(__name__)
Base = declarative_base()# 创建数据库表 User(id, name, age)
class User(Base):__tablename__ = 'users'id = Column(Integer, Sequence('user_id_seq'), primary_key=True)name = Column(String(50))age = Column(Integer)# 使用的是 SQLite 文件数据库,数据存储到本地文件中，程序结束后数据也会被保留engine = create_engine('sqlite:///mydatabase.db')  # 使用文件存储的 SQLite 数据库
Base.metadata.create_all(engine)  # 创建所有的表Session = sessionmaker(bind=engine)  # 这个Session对象实际上是一个数据库会话或连接，它用于执行数据库操作（如查询、插入、更新、删除等）。
session = Session()# 添加一些数据
new_user = User(name='Bobo', age=52)
session.add(new_user)
session.commit()
2. 提供Web服务

​ 实例中使用了Flask框架来提供Web服务。Flask是一个轻量级的Web应用框架，适合快速开发和部署Web应用。通过Flask框架，可以轻松定义API端点，并处理HTTP请求和响应。

代码片段：

python">@app.route('/users', methods=['GET'])
def get_users():users = session.query(User).all()return jsonify([{'id': user.id, 'name': user.name, 'age': user.age} for user in users])@app.route('/user', methods=['POST'])
def add_user():data = request.jsonnew_user = User(name=data['name'], age=data['age'])session.add(new_user)session.commit()return jsonify({'id': new_user.id})if __name__ == '__main__':app.run(debug=True)
3. 数据格式转换

​ 通过jsonify函数，实例实现了将Python对象（如列表和字典）转换为JSON格式的HTTP响应。这体现了Python在数据格式转换和处理方面的灵活性。

代码片段：

python">from flask import jsonify@app.route('/users', methods=['GET'])
def get_users():users = session.query(User).all()return jsonify([{'id': user.id, 'name': user.name, 'age': user.age} for user in users])
4. 跨模块和库的协作

​ 该实例展示了如何将不同功能的库和模块结合在一起工作。比如，Flask负责处理Web请求和响应，而SQLAlchemy负责数据库操作。Python通过其简单的语法和强大的库生态，使得整合这些组件变得非常方便和高效。

5. 使用第三方库

​ SQLAlchemy和 Flask 都是Python的第三方库，Python的胶水功能在这里表现为它能够无缝地集成和使用这些库以实现复杂的功能，而不需要开发者编写大量的底层代码。

​ 综上所述，这个实例在数据库连接与操作、提供Web服务、数据格式转换、不同模块和库的协作以及第三方库的使用方面，展示了Python作为胶水语言将各种不同技术和组件整合起来的强大能力。

实例 3：控制和管理系统进程

​ 通过 Python 提供的 subprocess 库，你可以轻松地调用和管理系统进程。

python">import subprocess# 运行一个简单的系统命令适用于Windows平台
result = subprocess.run(['cmd', '/c', 'dir'], capture_output=True, text=True) # 使用cmd命令解释器，并通过 `/c` 参数执行 `dir` 命令。
print(result.stdout)# 运行另一个 Python 脚本
result = subprocess.run(['python', 'other_script.py'], capture_output=True, text=True)
print(result.stdout)

​ 第三个实例展示了如何使用 Python 的 subprocess 模块来调用和管理系统级别的命令和其他 Python 脚本。这些功能在以下几个方面展示了 Python 作为胶水语言的能力：

1. 调用系统命令

​ Python 可以通过 subprocess 模块轻松地调用和执行系统命令。这使得 Python 能够扮演脚本语言的角色，用于自动化各种系统管理任务，与操作系统直接交互。

python">import subprocess# 运行一个简单的系统命令适用于Windows平台
result = subprocess.run(['cmd', '/c', 'dir'], capture_output=True, text=True) # 使用cmd命令解释器，并通过 `/c` 参数执行 `dir` 命令。
print(result.stdout)

​ 在这个例子中，Python 调用系统自带的dir/c命令，列出当前目录下的文件并将结果输出。这展示了 Python 与操作系统之间的无缝集成。

2. 执行其他 Python 脚本

​ 除了系统命令，Python 还可以调用其他 Python 脚本，执行这些脚本并捕获其输出。这使得 Python 可以作为主调度器，将多个 Python 脚本整合到一个更大的应用程序或工作流程中。

python"># 运行另一个 Python 脚本
result = subprocess.run(['python', 'other_script.py'], capture_output=True, text=True)
print(result.stdout)

​ 这个例子展示了如何通过 Python 调用另一个 Python 脚本 other_script.py 并获取其输出。这在多脚本项目或分布式系统中尤其有用。

3. 捕获和处理外部命令的输出

​ 通过 capture_output=True 和 text=True 参数，Python 可以捕获并直接处理外部命令的输出，便于后续的逻辑处理或数据分析。这使得 Python 可以整合外部工具的功能，将它们的输出纳入到整个应用程序的工作流程中。

python"># 运行一个简单的系统命令适用于Windows平台
result = subprocess.run(['cmd', '/c', 'dir'], capture_output=True, text=True)
print(result.stdout)

在这个例子中，Python 捕获了 ls -l 命令的输出，并将其作为字符串处理和打印。

4. 统一的错误处理机制

​ subprocess 模块还提供了统一的错误处理机制。当外部命令失败时，Python 可以捕获错误信息并进行相应的处理。这使得错误管理变得更加简单和一致。

python">try:result = subprocess.run(['some_non_existing_command'], capture_output=True, text=True, check=True)
except subprocess.CalledProcessError as e:print(f"Command failed with exit status {e.returncode}")print(e.output)

在这个例子中，如果外部命令失败，Python 可以捕获异常并处理错误信息，提供更好的错误管理能力。

5. 平台独立性

​ Python 的 subprocess 模块是跨平台的，这意味着同样的代码可以在不同操作系统上运行，而不需要做多余的修改。这极大地提高了代码的可移植性和维护性。

python">import subprocess# 运行一个简单的系统命令 Linux下
result = subprocess.run(['ls', '-l'], capture_output=True, text=True)
print(result.stdout)

无论是在 Linux、macOS 还是 Windows，这段代码都能够工作（在 Windows 上需要将 ls -l 换成相应的命令，例如 dir）。

6. 管道和数据流

subprocess 模块允许我们通过管道将不同进程的输入和输出连接起来，形成数据流。这使得 Python 可以将多个独立的程序组合起来，共同完成一个复杂任务。

python"># Example: Using pipeline
import subprocess
# 第一阶段：使用 echo 产生文本
# 我们使用 cmd 来调用 echo，因为 echo 是 cmd 的内置命令
cmd1 = ['cmd', '/c', 'echo Hello, World! This is a test.']
# 第二阶段：使用 findstr 查找特定单词
cmd2 = ['findstr', 'World']  # findstr 在 Windows 上用它来查找文本
# 运行第一个命令
result1 = subprocess.run(cmd1, stdout=subprocess.PIPE, text=True)
# 将第一个命令的输出作为输入传递给第二个命令
result2 = subprocess.run(cmd2, input=result1.stdout, capture_output=True, text=True)
# 打印第二个命令的输出
print("Filtered output:", result2.stdout)

​ 在这个实例中，使用了 Windows 平台下的 cmd 和 findstr 命令，演示了如何通过管道将一个命令的输出传递给另一个命令。这种方式在 Windows 平台上非常实用，可以有效地实现数据流处理和命令的组合使用。

​ 第三个实例通过调用系统命令、执行其他 Python 脚本、捕获和处理外部命令的输出、统一的错误处理机制、平台独立性以及管道和数据流的使用，充分展示了 Python 作为胶水语言的强大能力。它能够将不同的工具和组件无缝地集成到一个统一的工作流程中，提高开发效率和代码的可维护性。

小结

​ 从调用底层的高效 C/C++ 代码，到无缝集成数据库操作及 web 服务，再到进行复杂的系统级别命令管理和数据流处理，Python 出色地充当了“胶水”的角色，把各自独立的发展语言、工具和技术整合到一个统一的环境中。

  1. 与多种语言和技术的无缝整合： 不管是与 C/C++ 库交互，还是与数据库或 Web 服务的整合，Python 都能够轻松完成。

    丰富的库和框架支持： SQLAlchemy、Flask、ctypes 和 subprocess 等强大的三方库和框架让 Python 的集成功能变得平易近人。

  2. 简洁优雅的语法： 简单而清晰的语法使开发者能够迅速编写和调试代码，提高开发效率。

  3. 跨平台： Python 脚本在 Windows、macOS 和 Linux 环境下都能无缝运行，使其成为跨平台开发的理想选择。

​ 因此，Python 作为“胶水语言”不仅是在技术上的能力，更在于它通过简洁优雅的编程方式，将不同的技术轻松连接在一起，使开发者得以在复杂的技术栈中游刃有余。


http://www.ppmy.cn/news/1469622.html

相关文章

自动驾驶跟驰仿真

自动驾驶跟驰仿真

联合仿真需求分析报告 一、项目背景 随着汽车技术的快速发展&#xff0c;自动驾驶和智能网联汽车已成为行业发展的重要趋势。为确保自动驾驶车辆在复杂交通环境中的安全性和可靠性&#xff0c;进行联合仿真测试显得尤为重要。本报告旨在明确联合仿真的具体需求&#xff0c;为…
阅读更多...
怎么找抖音视频素材？在哪里找爆款热门的素材呢？

怎么找抖音视频素材？在哪里找爆款热门的素材呢？

在短视频时代&#xff0c;拍摄和分享短视频已经成为一种潮流。但是&#xff0c;许多人都会面临一个问题&#xff0c;那就是——视频素材从哪里来&#xff1f;今天&#xff0c;我将为大家介绍几个优质的网站&#xff0c;让你的视频素材不再愁。 蛙学府&#xff1a;https://www.…
阅读更多...
孟德尔随机化R包：TwoSampleMR和MR-PRESSO安装

孟德尔随机化R包：TwoSampleMR和MR-PRESSO安装

1. 孟德尔随机化R包 看一篇文章&#xff0c;介绍孟德尔随机化分析&#xff0c;里面推荐了这两个R包&#xff0c;安装了解一下&#xff1a; Methods:Genome-wide association study (GWAS) data for autoimmune diseases and AMD were obtained from the IEU Open GWAS databas…
阅读更多...
低代码开发：企业供应链数字化的挑战与应对

低代码开发：企业供应链数字化的挑战与应对

随着全球数字化浪潮的不断推进&#xff0c;企业供应链管理也面临着日益复杂的挑战。在这样的背景下&#xff0c;低代码开发技术的出现为企业提供了一种更高效、更灵活的数字化解决方案。本文将探讨低代码开发在企业供应链数字化中的应用&#xff0c;以及它所带来的挑战与应对策…
阅读更多...
时代巨兽！深度神经网络如何改变我们的世界？

时代巨兽！深度神经网络如何改变我们的世界？

深度神经网络 1、 简介1.1 定义深度神经网络1.2 深度学习的发展历程1.3 深度神经网络的应用领域 2、深度神经网络的基本原理2.1 神经元层2.1.1 神经元2.1.2 神经元层 2.2 前向传播2.3 反向传播2.4 激活函数2.4.1、作用2.4.2、常见激活函数2.4.3、选择激活函数的考虑 2.5 损失函…
阅读更多...
【Qt 学习笔记】Qt窗口 | 对话框 | 模态与非模态对话框的创建

【Qt 学习笔记】Qt窗口 | 对话框 | 模态与非模态对话框的创建

博客主页&#xff1a;Duck Bro 博客主页系列专栏&#xff1a;Qt 专栏关注博主&#xff0c;后期持续更新系列文章如果有错误感谢请大家批评指出&#xff0c;及时修改感谢大家点赞&#x1f44d;收藏⭐评论✍ Qt窗口 | 对话框 | 创建模态及非模态对话框 文章编号&#xff1a;Qt 学…
阅读更多...
Android.基本用法学习笔记

Android.基本用法学习笔记

设置文本的内容 先在strings.xml声明变量 方法1. 方法2. 设置文本的大小 1.单位dp&#xff0c;大家可以去学一下有关的单位换算 2. 设置文本颜色 1. 2. 4.设置文本背景颜色 1. 2. 设置视图的宽高 与上级视图一致&#xff0c;也就是上一级有多宽就有多少 1. 2. 3. 4. 设置视图…
阅读更多...
dsp开发与arm开发有什么区别，应用差别

dsp开发与arm开发有什么区别，应用差别

一、DSP开发与ARM开发的区别 DSP&#xff08;Digital Signal Processor&#xff09;和ARM&#xff08;Advanced RISC Machine&#xff09;是两种不同类型的处理器&#xff0c;它们在设计理念、应用领域、指令集架构、性能特点等方面有所区别。 设计理念和应用领域 DSP&#…
阅读更多...
最新文章

Copyright @ 2022~2023