hiredis-py 技术文档
2024-12-20 01:50:28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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
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
62
20
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
384
3.7 K
暂无简介
Dart
633
143
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
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
650
271
🎉 (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
1.12 K
627
React Native鸿蒙化仓库
JavaScript
243
316
Ascend Extension for PyTorch
Python
194
212