本文介绍glom，Python中被忽略的，嵌套对象与数据的运算符。
如果你一点就通，请访问glom.readthedocs.io查看完整的API文档和教程。
如果你理解起来有困难，请看这个5分钟的视频（链接：https://www.youtube.com/watch?v=3aREXkfeWek）。如果你还是没什么概念，请关注我的推特：https://twitter.com/mhashemi/status/994111054702522369。
嵌套结构的困扰
关于Python，有一种说法是“扁平比嵌套好。”
也许时代已经发生了变化，或者这个说法更多的是针对代码而不是数据。尽管有这样的忠告，嵌套数据仍然在增长，从文档存储到RPC系统、结构化日志，再到在线JSON Web服务。
如果“扁平”是全部的话，为什么命名空间会成为一个好主意？没有人喜欢人为的扁平性，没有人想用40个参数来调用一个函数。
嵌套数据可能有点复杂。读取嵌套很深的结构化数据可能会遇到一些错误。看看这行简单的代码：
这一行代码可能会导致至少四种不同的异常，每种异常的提示都没什么指导意义，很难判断问题所在：
显然，我们需要一些工具来读取嵌套数据。
输入glom。
重组数据
glom是处理数据的新方法，其特点是：
--基于路径访问嵌套结构
--使用轻量级的Python规范进行声明性数据转换
--可读的、有意义的错误消息
--内置数据搜索和调试功能
像glom这样简单而强大的工具使得人们将它与其它模块进行比较（链接：http://glom.readthedocs.io/en/latest/by_analogy.html）。
虽然存在相似之处，但在以下几个方面glom与其它工具有所不同：
1、不仅仅是访问数据
许多处理嵌套数据的工具仅仅是执行数据的深度获取与搜索。由于数据访问几乎总是在任务之前，glom进一步改变样式，实现数据的完全声明式转换。
举例介绍，让我们从访问“太空时代”开始，即经典的“深度获取”：
术语速查：
target是我们的数据，可以是字典，列表或者其它任何对象。
spec是我们想要的输出结果。
由于output = glom(target, spec) 已经输出到内存,glom可以开始执行新的任务。
我们的天文学家希望专注于太阳系，并将行星作为一个列表。让我们重新构造数据以创建一个名称列表：
假设我们想要获得一个并行列表，其中包含行星名称及其卫星数量：
尽管输入的是嵌套型数据，但我们可以随数据本身的变化，尽快地改变数据参数，重组我们的结果。像列表推导一样，对于嵌套数据，我们的代码反映了我们的输出。
这才刚刚开始。
2、真正的Python工具
其它大多数类似的工具局限于特定的数据格式或是纯模块，如jmespath或者XPath / XSLT。 glom没有牺牲实用性，充分利用了Python本身的全部功能。
回到我们的例子，假设我们想要得到卫星的总数：
通过glom，您可以在任何时刻完全访问Python。可以将值传递给函数，无论是内置的，导入的还是用lambda内联定义的。但glom的功能还不止于此。
现在我要介绍我最喜欢的功能之一。借助Python的强大功能，我们分析以下语法：
刚刚发生了什么？
T代表target，它充当数据的替身。 T记录您获得的每个键，您访问的每个属性，您整理的每个索引以及您调用的每种方法。然后获得一个一样可用的spec。
不用担心如果属性是None或没有设置键值。即便这样，T永远不会引发异常，所以最糟糕的情况是，当你运行glom时，你会得到一个有意义的错误信息。
如果你确定没有数据，只需设置一个默认值：
最后，进行了空值合并运算！
还有更多功能。这种灵活性让我爱上了Python。没有其它语言可以做到这一点。
这就是为什么glom首先是一个Python库，然后才是命令行工具。哦，我还没有提到有命令行功能？
3、首先是库，然后是命令行工具
像jq这样的工具对控制台很有用，但也会产生混乱的路径。 glom的全功能命令行界面只是其更广泛应用的基础。
我们会获得这样一个列表:
用Python文字规范将JSON导入glom，并输出漂亮的JSON。这是处理和过滤API调用、搜索数据的好方法。这是真正令人愉快的，因为你知道你不会被导入错误困扰。
命令行中的所有内容都可以直接移植到真实的Python程序中，具有更好的错误处理能力和无限的集成可能性。
下一步
在使用glom前，我从来没有想过可以如此快速地将一段代码投入实际应用。
首次提交代码后的两周内，glom体现了黄金般的价值，glom替代了Django Rest Framework两到五倍的代码量，使代码库运行更快，更易读。同时，glom的核心非常紧凑，我们正在进行大量的文档编写和测试工作，而不是编写代码。
除非另有说明，glom函数与其余的API一起是稳定运行的。
其它许多功能正在开发中。目前，我们将重点放在以下领域：
--主框架中相关功能的验证。
--命令行的灵活性，更直观的错误消息等。
--扩展API，清理一些内部代码，打开扩展。
--共同安装包（例如，Django）的自动默认注册。
我们将在PyCon上讨论相关问题，如果可以的话，请尝试用一下。无论什么情况，我都希望你能尝试用一下glom，让我们知道它的效果怎么样！
英文原文：https://sedimental.org/glom_restructured_data.html
译者：钱利鹏
閱讀更多 Python部落 的文章
