Skip to main content

A simple db using toml and pickle and dill.

Project description

TomlDB

TomlDB 是一个基于 TOML 文件的简单数据库库,它支持 JSONpickle/dill 序列化,并可以选择将大型对象存储到文件系统中。该库提供了线程安全的读写操作,确保多个进程可以安全地访问同一个数据库文件。

安装

推荐使用uv在已经初始化的项目中

uv add t4wefan-tomldb

或者

pip install t4wefan-tomldb

功能描述

功能

  • 存储和检索数据:使用 set 方法存储键值对,使用 get 方法检索数据。
  • 序列化支持:自动选择 JSONpickle 序列化方法存储数据。
  • 文件系统存储:对于大型或无法 JSON 序列化的对象,可以选择使用文件系统存储。
  • 线程安全:使用文件锁,确保多线程和多进程的安全访问。
  • 基本数据库操作:支持 setgetdeleteexistskeys 操作。

使用示例

from tomldb import TomlDB

# 创建一个数据库实例,选择是否将大型对象存储到文件系统
db = TomlDB() # 默认 use_pickle=False, store_to_fs=True,无法直接原生存进toml的对象会转为dill然后存入本地的文件,可以通过参数存为pickle

# 存储一个复杂的字典
db.set('user', {'name': 'Alice', 'age': 30, 'emails': ['alice@example.com', 'a.smith@example.com']})

# 检查键是否存在
if 'user' in db:
    print('user key exists in the database.')

# 检索数据
user_data = db.get('user')
print(user_data)  # 输出: {'name': 'Alice', 'age': 30, 'emails': ['alice@example.com', 'a.smith@example.com']}

# 删除数据
db.delete('user')

# 获取所有键
keys = db.keys()
print(keys)  # 输出: 所有存在的键的列表

db.clear_database() # 清空数据库,这会删除toml文件和所有存储的文件

注意事项

  • 如果选择将对象存储到文件系统中(store_to_fs=True),则会自动创建一个隐藏目录,用于存储 pickle/dill 文件。
  • 确保对数据库文件有读写权限。
  • 在多进程环境中使用时,建议使用 FileLock 提供的锁机制来确保线程安全。

许可证

本项目使用 MIT 许可证。有关更多信息,请参见 LICENSE 文件。

Project details


Download files

Download the file for your platform. If you're not sure which to choose, learn more about installing packages.

Source Distribution

t4wefan_tomldb-0.1.8.tar.gz (5.2 kB view details)

Uploaded Source

Built Distribution

If you're not sure about the file name format, learn more about wheel file names.

t4wefan_tomldb-0.1.8-py3-none-any.whl (5.8 kB view details)

Uploaded Python 3

File details

Details for the file t4wefan_tomldb-0.1.8.tar.gz.

File metadata

  • Download URL: t4wefan_tomldb-0.1.8.tar.gz
  • Upload date:
  • Size: 5.2 kB
  • Tags: Source
  • Uploaded using Trusted Publishing? No
  • Uploaded via: uv/0.6.5

File hashes

Hashes for t4wefan_tomldb-0.1.8.tar.gz
Algorithm Hash digest
SHA256 6e6347229bf117f2ddd1a17b3a81794024ce1ed57e79c9ddecc243e6a9067aed
MD5 ff48d950fa581bee62d5bfefe9a9ce67
BLAKE2b-256 03035caa6070ed058c0e53b0ea50e0b340ed0704cad2e1595558be14f55d6edc

See more details on using hashes here.

File details

Details for the file t4wefan_tomldb-0.1.8-py3-none-any.whl.

File metadata

File hashes

Hashes for t4wefan_tomldb-0.1.8-py3-none-any.whl
Algorithm Hash digest
SHA256 7db14e51b4d3557102949095fbc6e0ef37792f6ba4dc2bb0a8ab66c0c80c7640
MD5 ee9b8a49dc86e2b6ed3c3e2ca0e340e0
BLAKE2b-256 5675435104775df2106980f5ef0d6ea28d7e4dbfd9824ae3db7123e9f0685594

See more details on using hashes here.

Supported by

AWS Cloud computing and Security Sponsor Datadog Monitoring Depot Continuous Integration Fastly CDN Google Download Analytics Pingdom Monitoring Sentry Error logging StatusPage Status page