btree -- 简单的二叉树数据库¶
``btree``模块实现了一个简单的键值使用外部存储（磁盘文件，或在一般情况下，随机访问流）的数据库。 密钥存储在数据库中，除了由一个关键值的有效检索，数据库还支持有效的有序范围扫描（检索与给定范围内的键的值）。 在应用程序界面，BTree数据库工作接近可能的方式标准字典，一个显著的区别是，键和值必须是字节的对象（所以，如果你想存储其他类型的对象，你需要它们序列化字节第一）。
该模块是基于著名的BerkelyDB类库，版本1.xx。
例子:
import btree
# First, we need to open a stream which holds a database
# This is usually a file, but can be in-memory database
# using uio.BytesIO, a raw flash section, etc.
f = open("mydb", "w+b")
# Now open a database itself
db = btree.open(f)
# The keys you add will be sorted internally in the database
db[b"3"] = b"three"
db[b"1"] = b"one"
db[b"2"] = b"two"
# Prints b'two'
print(db[b"2"])
# Iterate over sorted keys in the database, starting from b"2"
# until the end of the database, returning only values.
# Mind that arguments passed to values() method are *key* values.
# Prints:
# b'two'
# b'three'
for word in db.values(b"2"):
print(word)
del db[b"2"]
# No longer true, prints False
print(b"2" in db)
# Prints:
# b"1"
# b"3"
for key in db:
print(key)
db.close()
# Don't forget to close the underlying stream!
f.close()
函数¶
-
btree.open(stream, *, flags=0, cachesize=0, pagesize=0, minkeypage=0)¶ 从随机访问流（如打开文件）打开数据库。所有其他参数都是可选的关键字，并允许调整数据库操作先进的参数（大多数用户不需要）：
- flags - 当前未使用
- cachesize - 建议的最大内存缓存大小为字节。对于一个使用较大值的内存可以提高性能。这个值只是一个建议，如果可能使用更多的内存模块值设置太低。
- pagesize - 页面大小用于BTree节点。可接受的范围内是512-65536。如果0，将使用底层I/O块大小（内存使用和性能之间的最佳折衷方案）。
- minkeypage - 每页存储关键字的最小数目。默认值0等于2。
返回一个` 二叉树 `对象，实现一个字典协议（的方法），和一些额外的方法介绍如下。
方法¶
-
btree.close()¶ 关闭数据库。在处理结束时关闭数据库是强制性的，因为一些不成文的数据可能仍在缓存中。注意，这不会关闭数据库打开的底层流，它应该分别关闭（这也是强制性的，以确保从缓冲区刷新到基础存储的数据）。
-
btree.flush()¶ 将缓存中的任何数据写入基础流。
-
btree.__getitem__(key)¶
-
btree.get(key, default=None)¶
-
btree.__setitem__(key, val)¶
-
btree.__detitem__(key)¶
-
btree.__contains__(key)¶ 标准字典的方法.
-
btree.__iter__()¶ 可直接遍历（类似于字典）二叉树对象来获取所有的键值。
-
btree.keys([start_key[, end_key[, flags]]])¶
-
btree.values([start_key[, end_key[, flags]]])¶
-
btree.items([start_key[, end_key[, flags]]])¶ 这些方法与标准字典方法类似，但也可以使用可选参数迭代一个关键子区域，而不是整个数据库。