GUI(图形用户界面)，顾名思义就是用图形的方式，来显示计算机操作的界面，更加方便且直观。
与之相对应的则是CUI，就是常见的Dos命令行操作，需要记忆一些常用的命令，对于普通人而言，操作起来学习难度还是蛮高的。
01. PyQt5
PyQt5由Riverbank Computing开发。基于Qt框架构建，是一个跨平台框架，可以给各种平台创建应用程序，包括：Unix、Windows、Mac OS。
PyQt将Qt和Python结合在一起。它不只是一个GUI工具包。还包括了线程，Unicode，正则表达式，SQL数据库，SVG，OpenGL，XML和功能完善的Web浏览器，以及许多丰富的GUI小部件集合。
使用pip安装一下。
安装成功后，来个Hello Word简单示例。
结果如下。
文档地址：
https://riverbankcomputing.com/software/pyqt/intro
教程链接：
https://www.guru99.com/pyqt-tutorial.html
02. Tkinter
Tkinter是Python中最受欢迎的GUI库之一。由于它简单易学的语法，成为GUI开发初学者的首选之一。
Tkinter提供了各种小部件，例如标签，按钮，文本字段，复选框和滚动按钮等。
支持Grid(网格)布局，由于我们的程序大多数都是矩形显示，这样即使是复杂的设计，开发起来也变得简单些。
现在我要把这个 data 快速转成 User 组成的数组，变成这样：
你会怎么来实现？
或者我有了上面的列表内容，想要转成一个 JSON 字符串，变成这样
你又会怎么操作呢？
另外如果 JSON 数据里面有各种各样的脏数据，你需要在初始化时验证这些字段是否合法，另外 User 这个对象里面 name、age 的数据类型不同，如何针对不同的数据类型进行针对性的类型转换，这个你有更好的实现方案吗？
初步思路
之前我介绍过 attrs 和 cattrs 这两个库，它们二者的组合可以非常方便地实现对象的序列化和反序列化。
譬如这样：
from attr import attrs,
-
from cattr
import structure, unstructure
-
-
@attrs
-
class User(object):
-
name = attrib()
-
age = attrib()
-
-
data = {
-
'name':
'Germey',
-
'age':
23
-
}
-
user = structure(data, User)
-
print(
'user', user)
-
json = unstructure(user)
-
print(
'json', json)
运行结果：
-
user User(name=
'Germey', age=23)
-
json {
'name':
'Germey',
'age':
23}
好，这里我们通过 attrs 和 cattrs 这两个库来实现了单个对象的转换。
首先我们要肯定一下 attrs 这个库，它可以极大地简化 Python 类的定义，同时每个字段可以定义多种数据类型。
但 cattrs 这个库就相对弱一些了，如果把 data 换成数组，用 cattrs 还是不怎么好转换的，另外它的 structure 和 unstructure 在某些情景下容错能力较差，所以对于上面的需求，用这两个库搭配起来并不是一个最优的解决方案。
另外数据的校验也是一个问题，attrs 虽然提供了 validator 的参数，但对于多种类型的数据处理的支持并没有那么强大。
所以，我们想要寻求一个更优的解决方案。
更优雅的方案
这里推荐一个库，叫做 marshmallow，它是专门用来支持 Python 对象和原生数据相互转换的库，如实现 object -> dict，objects -> list, string -> dict, string -> list 等的转换功能，另外它还提供了非常丰富的数据类型转换和校验 API，帮助我们快速实现数据的转换。
要使用 marshmallow 这个库，需要先安装下：
pip3 install marshmallow
好了之后，我们在之前的基础上定义一个 Schema，如下：
-
class UserSchema(Schema):
-
name = fields.Str()
-
age = fields.Integer()
-
-
@post_load
-
def make(self, data, **kwargs):
-
return User(**data)
还是之前的数据：
-
data = [{
-
'name':
'Germey',
-
'age':
23
-
}, {
-
'name':
'Mike',
-
'age':
20
-
}]
这时候我们只需要调用 Schema 的 load 事件就好了：
-
schema = UserSchema()
-
users = schema.load(data, many=
True)
-
print(users)
输出结果如下：
[User(name='Germey', age=23), User(name='Mike', age=20)]
这样，我们非常轻松地完成了 JSON 到 User List 的转换。
有人说，如果是单个数据怎么办呢，只需要把 load 方法的 many 参数去掉即可：
-
data = {
-
'name': 'Germey',
-
'age': 23
-
}
-
-
schema =
UserSchema()
-
user = schema.load(
data)
-
print(user)
输出结果：
User(name='Germey', age=23)
当然，这仅仅是一个反序列化操作，我们还可以正向进行序列化，以及使用各种各样的验证条件。
下面我们再来看看吧。
更方便的序列化
上面的例子我们实现了序列化操作，输出了 users 为：
[User(name='Germey', age=23), User(name='Mike', age=20)]
有了这个数据，我们也能轻松实现序列化操作。
序列化操作，使用 dump 方法即可
-
result = schema.dump(users, many=
True)
-
print(
'result', result)
运行结果如下：
result [{'age': 23, 'name': 'Germey'}, {'age': 20, 'name': 'Mike'}]
由于是 List，所以 dump 方法需要加一个参数 many 为 True。
当然对于单个对象，直接使用 dump 同样是可以的：
-
result = schema.
dump(user)
-
print(
'result', result)
运行结果如下：
result {'name': 'Germey', 'age': 23}
这样的话，单个、多个对象的序列化也不再是难事。
经过上面的操作，我们完成了 object 到 dict 或 list 的转换，即：
-
object
<-> dict
-
objects
<-> list
验证
当然，上面的功能其实并不足以让你觉得 marshmallow 有多么了不起，其实就是一个对象到基本数据的转换嘛。但肯定不止这些，marshmallow 还提供了更加强大啊功能，比如说验证，Validation。
比如这里我们将 age 这个字段设置为 hello，它无法被转换成数值类型，所以肯定会报错，样例如下：
-
data = {
-
'name':
'Germey',
-
'age':
'hello'
-
}
-
-
from marshmallow
import ValidationError
-
try:
-
schema = UserSchema()
-
user, errors = schema.load(data)
-
print(user, errors)
-
except ValidationError
as e:
-
print(
'e.message', e.messages)
-
print(
'e.valid_data', e.valid_data)
这里如果加载报错，我们可以直接拿到 Error 的 messages 和 valid_data 对象，它包含了错误的信息和正确的字段结果，运行结果如下：
-
e.
message {
'age': [
'Not a valid integer.']}
-
e.
valid_data {
'name':
'Germey'}
因此，比如我们想要开发一个功能，比如用户注册，表单信息就是提交过来的 data，我们只需要过一遍 Validation，就可以轻松得知哪些数据符合要求，哪些不符合要求，接着再进一步进行处理。
当然验证功能肯定不止这一些，我们再来感受一下另一个示例：
-
from pprint
import pprint
-
from marshmallow
import Schema, fields, validate, ValidationError
-
-
class UserSchema(Schema):
-
name = fields.Str(validate=validate.Length(min=
1))
-
permission = fields.Str(validate=validate.OneOf([
'read',
'write',
'admin']))
-
age = fields.Int(validate=validate.Range(min=
18, max=
40))
-
-
-
in_data = {
'name':
'',
'permission':
'invalid',
'age':
71}
-
try:
-
UserSchema().load(in_data)
-
except ValidationError
as err:
-
pprint(err.messages)
比如这里的 validate 字段，我们分别校验了 name、permission、age 三个字段，校验方式各不相同。
如 name 我们要判断其最小值为 1，则使用了 Length 对象。permission 必须要是几个字符串之一，这里又使用了 OneOf 对象，age 又必须是介于某个范围之间，这里就使用了 Range 对象。
下面我们故意传入一些错误的数据，看下运行结果：
-
{
'age': [
'Must be greater than or equal to 18 and less than or equal to 40.'],
-
'name': [
'Shorter than minimum length 1.'],
-
'permission': [
'Must be one of: read, write, admin.']}
可以看到，这里也返回了数据验证的结果，对于不符合条件的字段，一一进行说明。
另外我们也可以自定义验证方法：
-
from marshmallow
import Schema, fields, ValidationError
-
-
def validate_quantity(n):
-
if n <
0:
-
raise ValidationError(
'Quantity must be greater than 0.')
-
if n >
30:
-
raise ValidationError(
'Quantity must not be greater than 30.')
-
-
class ItemSchema(Schema):
-
quantity = fields.Integer(validate=validate_quantity)
-
-
in_data = {
'quantity':
31}
-
try:
-
result = ItemSchema().load(in_data)
-
except ValidationError
as err:
-
print(err.messages)
通过自定义方法，同样可以实现更灵活的验证，运行结果：
{'quantity': ['Quantity must not be greater than 30.']}
对于上面的例子，还有更优雅的写法：
-
from marshmallow
import fields, Schema, validates, ValidationError
-
-
-
class ItemSchema(Schema):
-
quantity = fields.Integer()
-
-
@validates('quantity')
-
def validate_quantity(self, value):
-
if value <
0:
-
raise ValidationError(
'Quantity must be greater than 0.')
-
if value >
30:
-
raise ValidationError(
'Quantity must not be greater than 30.')
通过定义方法并用 validates 修饰符，使得代码的书写更加简洁。
必填字段
如果要想定义必填字段，只需要在 fields 里面加入 required 参数并设置为 True 即可，另外我们还可以自定义错误信息，使用 error_messages 即可，例如：
-
from pprint
import pprint
-
from marshmallow
import Schema, fields, ValidationError
-
-
class UserSchema(Schema):
-
name = fields.String(required=
True)
-
age = fields.Integer(required=
True, error_messages={
'required':
'Age is required.'})
-
city = fields.String(
-
required=
True,
-
error_messages={
'required': {
'message':
'City required',
'code':
400}},
-
)
-
email = fields.Email()
-
-
try:
-
result = UserSchema().load({
'email':
'foo@bar.com'})
-
except ValidationError
as err:
-
pprint(err.messages)
默认字段
对于序列化和反序列化字段，marshmallow 还提供了默认值，而且区分得非常清楚！如 missing 则是在反序列化时自动填充的数据，default 则是在序列化时自动填充的数据。
例如：
-
from marshmallow
import Schema, fields
-
import datetime
as dt
-
import uuid
-
-
class UserSchema(Schema):
-
id = fields.UUID(missing=uuid.uuid1)
-
birthdate = fields.DateTime(default=dt.datetime(2017, 9, 29))
-
-
print(UserSchema().load({}))
-
print(UserSchema().dump({}))
-
这里我们都是定义的空数据，分别进行序列化和反序列化，运行结果如下：
-
{
'id': UUID(
'06aa384a-570c-11ea-9869-a0999b0d6843')}
-
{
'birthdate':
'2017-09-29T00:00:00'}
可以看到，在没有真实值的情况下，序列化和反序列化都是用了默认值。
这个真的是解决了我之前在 cattrs 序列化和反序列化时候的痛点啊！
指定属性名
在序列化时，Schema 对象会默认使用和自身定义相同的 fields 属性名，当然也可以自定义，如：
-
class UserSchema(Schema):
-
name = fields.String()
-
email_addr = fields.String(attribute='email')
-
date_created = fields.DateTime(attribute='created_at')
-
-
user = User('Keith', email='keith@stones.com')
-
ser = UserSchema()
-
result, errors = ser.dump(user)
-
pprint(result)
-
运行结果如下：
-
{
'name':
'Keith',
-
'email_addr':
'keith
@stones.com',
-
'date_created':
'2014
-08
-17T14:
58:
57.600623+
00:
00'}
反序列化也是一样，例如：
-
class UserSchema(Schema):
-
name = fields.String()
-
email = fields.Email(load_from=
'emailAddress')
-
-
data = {
-
'name':
'Mike',
-
'emailAddress':
'foo@bar.com'
-
}
-
s = UserSchema()
-
result, errors = s.load(
data)
运行结果如下：
-
{
'name':
u'Mike',
-
'email':
'foo@bar.com'}
嵌套属性
对于嵌套属性，marshmallow 当然也不在话下，这也是让我觉得 marshmallow 非常好用的地方，例如：
-
from datetime
import date
-
from marshmallow
import Schema, fields, pprint
-
-
class ArtistSchema(Schema):
-
name = fields.Str()
-
-
class AlbumSchema(Schema):
-
title = fields.Str()
-
release_date = fields.Date()
-
artist = fields.Nested(ArtistSchema())
-
-
bowie = dict(name='David Bowie')
-
album = dict(artist=bowie, title='Hunky Dory', release_date=date(1971, 12, 17))
-
-
schema = AlbumSchema()
-
result = schema.dump(album)
-
pprint(result, indent=2)
-
这样我们就能充分利用好对象关联外键来方便地实现很多关联功能。
需要相关python资料的可以通过扫一扫备注【python】
转载：https://blog.csdn.net/lh9987/article/details/116673344