欢迎加入开源鸿蒙PC社区：https://harmonypc.csdn.net/
欢迎在PC社区平台申请新建项目：https://atomgit.com/OpenHarmonyPCDeveloper
AtomGit 仓库地址：https://atomgit.com/OpenHarmonyPCDeveloper/ohos_python_numpy

1. 环境搭建：

本文介绍在鸿蒙 PC+CodeArts IDE 搭建 Python 开发环境。借助鸿蒙专属包管理器 Harmonybrew 安装适配版 Python，搭配 ohos-pip-autosign 自动签名工具，解决系统对动态库的签名限制。通过虚拟环境隔离依赖，以 NumPy 完成安装与脚本测试，成功解决权限报错，搭建出可用的 Python 开发环境。

可以参考以下文章OpenHarmony 鸿蒙 PC + CodeArts IDE 实现 Python开发完整开发环境搭建指南

---

glom 库完整详解 + 无报错可运行 Demo

一、glom 是什么

glom 是 Python 专门处理多层嵌套字典/列表/对象的工具库。
原生 Python 取深层嵌套数据会大量写 if 判断、多层 .get()，代码臃肿、极易报 KeyError/IndexError；
glom 用统一路径表达式一键提取、转换、重组复杂嵌套结构，自动容错、支持默认值、筛选、格式化、重构数据。

核心作用

1. 安全读取多层嵌套字典/列表，不用层层判空，避免报错
2. 支持数组索引、切片、过滤、循环取值
3. 提取同时转换数据类型、重命名字段、拼接组合字段
4. 把杂乱嵌套 JSON 扁平化、重组为自定义结构
5. 接口返回复杂响应、MongoDB 嵌套文档、爬虫 JSON 专用

安装

pip install glom

基础语法

from glom import glom, T, Coalesce, Iter, Flatten, Assign

# glom(数据源, 提取规则, default=默认值)
result = glom(data, "a.b.c", default=None)

• T：代表当前遍历对象
• Coalesce：多路径择优取值（第一个不为空）
• Iter：遍历列表批量提取字段
• Flatten：扁平化嵌套数组
• Assign：新增/覆盖字段

完整无报错 Demo 合集

准备统一测试数据（复杂嵌套字典+数组，模拟后端接口返回）

# 模拟接口返回的复杂嵌套JSON
api_data = {
    "code": 200,
    "msg": "success",
    "data": {
        "user": {
            "id": 10001,
            "username": "zhangsan",
            "profile": {
                "phone": "13800138000",
                "address": {
                    "province": "广东",
                    "city": "深圳"
                }
            }
        },
        "orders": [
            {
                "order_id": "ORD001",
                "price": 99.9,
                "goods": [{"name": "手机", "num": 1}]
            },
            {
                "order_id": "ORD002",
                "price": 199.0,
                "goods": [{"name": "耳机", "num": 2}]
            }
        ]
    }
}

Demo1：基础多层安全取值（替代多层 get，支持默认值防报错）

原生写法又长又容易报错：

# 原生臃肿写法
data = api_data.get("data", {})
user = data.get("user", {})
profile = user.get("profile", {})
city = profile.get("address", {}).get("city")
print(city)

glom 极简写法，路径字符串直接穿透层级，缺失返回默认值不抛错：

from glom import glom

# 1. 深层字段
city = glom(api_data, "data.user.profile.address.city", default=None)
print("城市：", city)  # 深圳

# 2. 不存在的路径，返回默认值None，不会报错
email = glom(api_data, "data.user.profile.email", default=None)
print("邮箱(不存在)：", email)  # None

# 3. 指定自定义默认值
email_default = glom(api_data, "data.user.profile.email", default="暂无邮箱")
print("邮箱默认值：", email_default)  # 暂无邮箱

# 4. 取数组指定下标
first_order_id = glom(api_data, "data.orders.0.order_id")
print("第一个订单号：", first_order_id)  # ORD001

Demo2：Coalesce 多路径择优取值（多个字段任选第一个有值的）

适合同一含义字段存在多个key兼容场景

from glom import glom, Coalesce

# 构造兼容数据，兼容 old_phone / phone 两种key
compat_data = {
    "info": {
        "old_phone": "13900139000"
    }
}

# 优先取phone，不存在取old_phone，都没有返回默认值
phone_rule = Coalesce("info.phone", "info.old_phone", default="无手机号")
phone = glom(compat_data, phone_rule)
print("择优手机号：", phone)  # 13900139000

Demo3：Iter 遍历数组批量提取列表字段（爬虫/订单列表高频）

批量提取数组内每一项指定字段，自动生成列表，无需for循环：

请添加图片描述

Demo4：Flatten 扁平化多层嵌套数组

处理二维嵌套列表，摊平为一维数组：

from glom import glom, Iter, Flatten

# 提取所有商品名称，goods是子数组，需要扁平化
goods_name_rule = Flatten(Iter("data.orders").map("goods")).map("name")
all_goods = glom(api_data, goods_name_rule)
print("全部商品名（扁平化）：", all_goods)  # ['手机', '耳机']

Demo5：一次性重组多字段，输出自定义结构（最常用业务场景）

一次提取多个分散层级字段，直接组装成新字典，不用分步赋值：

from glom import glom

# 定义输出结构，key自定义，value写路径
user_info_rule = {
    "uid": "data.user.id",
    "nickname": "data.user.username",
    "tel": "data.user.profile.phone",
    "location": "data.user.profile.address.province + '-' + "data.user.profile.address.city"
}
user_info = glom(api_data, user_info_rule)
print("重组用户信息：")
print(user_info)
# 输出：
# {
#     'uid': 10001,
#     'nickname': 'zhangsan',
#     'tel': '13800138000',
#     'location': '广东-深圳'
# }

Demo6：T 对象动态取值、数据转换、计算

T 代表当前遍历对象，可调用方法、做简单运算、类型转换：

from glom import glom, T, Iter

# 1. 数值运算：订单价格翻倍
price_double = glom(api_data, Iter("data.orders").map(T["price"] * 2))
print("价格翻倍：", price_double)  # [199.8, 398.0]

# 2. 字符串拼接
full_name = glom(api_data, T["data"]["user"]["username"].upper() + "_user")
print("拼接用户名：", full_name)  # ZHANGSAN_user

# 3. 类型转换 转字符串
str_id = glom(api_data, str(T["data"]["user"]["id"]))
print("id转为字符串：", str_id, type(str_id))

Demo7：Assign 新增字段、补充数据到结果

提取原有数据同时追加自定义字段：

from glom import glom, Assign, Iter

rule = Iter("data.orders").map(
    Assign({
        "order_id": "order_id",
        "price": "price",
        "tag": "电商订单"  # 新增固定字段
    })
)
res = glom(api_data, rule)
print("新增tag字段：")
print(res)
# [
#     {'order_id': 'ORD001', 'price': 99.9, 'tag': '电商订单'},
#     {'order_id': 'ORD002', 'price': 199.0, 'tag': '电商订单'}
# ]

Demo8：空数据容错测试（完全不会抛 KeyError / IndexError）

极端缺失结构，全部返回默认值，程序稳定不崩溃：

from glom import glom

empty_data = {"code": 404, "msg": "无数据"}

# 深层不存在路径，指定默认值
none_user = glom(empty_data, "data.user.id", default=0)
print("空数据用户ID默认0：", none_user)

# 数组不存在，返回空列表
empty_order_list = glom(empty_data, Iter("data.orders").map("order_id"), default=[])
print("空订单数组：", empty_order_list)  # []

业务使用场景

1. HTTP 接口响应解析：后端请求第三方API，快速提取多层嵌套返回值
2. 爬虫数据清洗：JSON 网页响应扁平化、提取目标字段
3. MongoDB 查询结果处理：嵌套文档批量提取字段
4. 配置文件读取：多层yaml/json配置安全读取
5. 数据转换导出：把复杂嵌套结构重组为数据库入库字段

核心优势总结

1. 彻底消灭多层 .get() 嵌套，代码极简可读性高
2. 内置默认值机制，不会抛出 KeyError / IndexError
3. 原生支持数组遍历、扁平化、多字段重组
4. 内置 T 表达式支持运算、字符串方法、类型转换
5. 一站式完成「取值+转换+重组」，无需分步处理

注意事项

1. 路径字符串用 . 分隔层级，数组下标直接 .数字
2. 所有场景建议加上 default=，保证缺失数据不报错
3. 遍历列表必须配合 Iter，多层子数组用 Flatten 摊平
4. T 对象仅在 map/循环场景用于动态操作字段
5. 复杂多字段组装直接传入字典作为规则，一步生成目标结构