hiredis-py 技术文档
2024-12-20 09:39:37作者:史锋燃Gardner
1. 安装指南
1.1 系统要求
- Python 3.8+:hiredis-py 需要 Python 3.8 或更高版本。
- Python 开发头文件:在安装 hiredis-py 时,确保系统中已安装 Python 开发头文件。在 Ubuntu/Debian 系统上,可以通过以下命令安装:
sudo apt-get install python3-dev
1.2 安装步骤
hiredis-py 可以通过 PyPI 进行安装,使用以下命令即可:
pip install hiredis
1.3 手动构建与测试
如果你需要手动构建和测试 hiredis-py,可以按照以下步骤操作:
- 克隆仓库并递归初始化子模块:
git clone --recurse-submodules https://github.com/redis/hiredis-py - 编译并构建扩展:
python setup.py build_ext --inplace - 运行测试:
python -m pytest
2. 项目使用说明
2.1 基本使用
hiredis-py 提供了一个 Reader 类,用于解析从 Redis 连接中读取的数据流。Reader 类不处理 I/O,仅负责解析回复。
2.1.1 创建 Reader 实例
import hiredis
reader = hiredis.Reader()
2.1.2 解析回复
Reader 类有两个主要方法:
feed(data):将数据追加到内部缓冲区。gets():从缓冲区中读取并返回一个完整的回复。
示例:
reader.feed("$5\r\nhello\r\n")
reply = reader.gets()
print(reply) # 输出: b'hello'
2.2 处理 Unicode 数据
Reader 类支持将批量数据解码为任何 Python 支持的编码格式。可以通过在初始化 Reader 时指定 encoding 和 errors 参数来实现。
示例:
reader = hiredis.Reader(encoding="utf-8", errors="strict")
reader.feed(b"$3\r\n\xe2\x98\x83\r\n")
reply = reader.gets()
print(reply) # 输出: '☃'
2.3 错误处理
- 协议错误:当发生协议错误时,会抛出
hiredis.ProtocolError异常。 - Redis 错误回复:Redis 返回的错误回复(如
-ERR ...)会返回hiredis.ReplyError对象,但不会抛出异常。
3. 项目 API 使用文档
3.1 Reader 类
-
__init__(self, encoding=None, errors='strict', notEnoughData=False, protocolError=ProtocolError, replyError=ReplyError)encoding:指定解码批量数据的编码格式。errors:指定解码错误处理方式,默认为'strict'。notEnoughData:当缓冲区中没有足够数据时返回的自定义对象。protocolError:自定义协议错误类。replyError:自定义 Redis 错误回复类。
-
feed(self, data)- 将数据追加到内部缓冲区。
-
gets(self)- 从缓冲区中读取并返回一个完整的回复。如果缓冲区中没有足够的数据,返回
False或自定义的notEnoughData对象。
- 从缓冲区中读取并返回一个完整的回复。如果缓冲区中没有足够的数据,返回
4. 项目安装方式
4.1 通过 PyPI 安装
pip install hiredis
4.2 手动构建与安装
- 克隆仓库并递归初始化子模块:
git clone --recurse-submodules https://github.com/redis/hiredis-py - 编译并构建扩展:
python setup.py build_ext --inplace - 运行测试:
python -m pytest
通过以上步骤,你可以成功安装并使用 hiredis-py 项目。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
418
3.21 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
暂无简介
Dart
683
160
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.22 K
664
React Native鸿蒙化仓库
JavaScript
266
326
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
15
1
Ascend Extension for PyTorch
Python
230
259