hiredis-py 技术文档
2024-12-20 05:35:01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
相关项目推荐
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust028
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
热门内容推荐
项目优选
收起
暂无描述
Dockerfile
678
4.33 K
🎉 (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
1.57 K
910
deepin linux kernel
C
28
16
暂无简介
Dart
923
228
Ascend Extension for PyTorch
Python
520
630
全称:Open Base Operator for Ascend Toolkit,哈尔滨工业大学AISS团队基于Ascend C打造的高性能昇腾算子库。
C++
46
52
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
559
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
399
305
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.35 K
110
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
134
212