生物信息学中保存键值对的最佳实践

本文简要介绍一下生物信息学中保存键值对的最佳实践。

键值对是常见的一种数据结构：Python 中的字典，Perl 中是 Hash 等。如何将键值对保存到文件中，除了序列化方法，如 Python 的 pickle 模块，常见的还有保存为 INI、json 或 YAML 文件。

我的最佳实践是：

数据结构比较简单的情况下，用 json 或 YAML，如果比较复杂，使用更优雅和强大的 YAMl 格式。

先看一个 json 文件，长下面这样：

{
    "parameters": [
    { "name":"baidu" , "url":"www.baidu.com" }, 
    { "name":"google" , "url":"www.google.com" }, 
    ]
}

同样的内容，YAML 格式为：

parameters:
- name: baidu
  url: www.baidu.com
- name: google
  url: www.google.com

可以看到，json 更严谨，但略显繁琐，没有 YAML 简洁优雅。这里简要介绍一下 YAML 文件格式。

基本语法

• 大小写敏感
• 使用缩进表示层级关系
• 缩进不允许使用tab，只允许空格
• 缩进的空格数不重要，只要相同层级的元素左对齐即可
• '#'表示注释

键和值不需要分别使用引号，以及允许'#'表示注释，是 YAML 与 json 的两个非常不一样的点，这使得 YAML 更为优雅和强大。

数据类型

YAML 支持 3 种基本的数据类型：

• 对象：键值对的集合，又称为映射（mapping）/ 哈希（hashes） / 字典（dictionary）
• 数组：一组按次序排列的值，又称为序列（sequence） / 列表（list）
• 标量：单个的、不可再分的值

对象示例：

name: baidu

键之后是一个“:”号，然后一个英文空格，接着是值。

数组示例：

Person:
- one
- two
- three

这跟 Markdown 语法的列表一样：每行一条记录，每条记录以一个减号“-”开头，接着是一个空格，然后是记录内容。

标量示例：

cpu: 1
mem: 4

基本的，不可再分割的值就是标量，如 cpu 后面的 1，可以表示 1 条线程，mem 后面的 4，可以表示 4G 内存。

当然，由基本的数据类型可以组成复杂的数据类型，本文不展开说。

写在最后

用 INI 保存键值对感觉存在于远古时代，改用 json 或 YAML 吧。