


Konvertieren Sie eine Zeichenfolgendarstellung eines Wörterbuchs in ein Wörterbuch, ohne Eval zu verwenden.
Die vorliegende Aufgabe besteht darin, eine Zeichenfolgendarstellung eines Wörterbuchs in zu konvertieren ein echtes Python-Wörterbuch. Obwohl die Evaluierung eine unkomplizierte Option ist, bestehen Bedenken hinsichtlich ihrer Sicherheitslücken. In diesem Artikel wird eine alternative Methode unter Verwendung der integrierten Funktion ast.literal_eval untersucht.
Die Funktion ast.literal_eval
ast.literal_eval ist eine Funktion zur Auswertung von Ausdrücken, die enthalten nur Literalstrukturen wie Zeichenfolgen, Zahlen, Listen, Tupel, Diktate, Boolesche Werte und Keine. Es bietet im Vergleich zu eval einen sichereren Ansatz, da es die Eingabe einschränkt, um potenzielle Sicherheitsrisiken zu verhindern.
Verwendung
Um ast.literal_eval zu verwenden, importieren Sie das ast-Modul und übergeben Sie es die String-Darstellung des Wörterbuchs als Argument. Betrachten Sie beispielsweise die folgende Zeichenfolge:
s = "{'muffin' : 'lolz', 'foo' : 'kitty'}"
Die Konvertierung dieser Zeichenfolge in ein Wörterbuch mithilfe von ast.literal_eval ist so einfach wie:
>>> ast.literal_eval(s) {'muffin': 'lolz', 'foo': 'kitty'}
Sicherheitsüberlegungen
Die Verwendung von ast.literal_eval schützt effektiv vor Injektionsangriffen, die bei eval auftreten können. Eval ermöglicht die dynamische Ausführung der Benutzereingaben als Python-Code, was das Risiko der Einschleusung von Schadcode erhöht. Im Gegensatz dazu beschränkt ast.literal_eval die Eingabe nur auf wörtliche Strukturen und verhindert so solche Angriffe.
Beispiel
Um den Unterschied zu veranschaulichen, vergleichen Sie die Auswertungen der folgenden beiden Ausdrücke :
# Using eval, which can be risky eval("shutil.rmtree('mongo')") # Using ast.literal_eval, which is safer ast.literal_eval("shutil.rmtree('mongo')")
Wie gezeigt, könnte der unsichere Ansatz mit eval zu einem kritischen Systemfehler führen ast.literal_eval identifiziert die fehlerhafte Zeichenfolge korrekt und gibt einen Fehler aus.
Fazit
Zusammenfassend bietet ast.literal_eval eine sichere und effektive Methode zum Konvertieren von Zeichenfolgendarstellungen von Wörterbüchern in Python-Wörterbücher. Im Gegensatz zu eval schützt es vor dem Einschleusen von bösartigem Code und ermöglicht gleichzeitig die Auswertung literaler Strukturen. Dies macht es zur idealen Wahl für die Verarbeitung von Benutzereingaben oder Daten aus nicht vertrauenswürdigen Quellen.
Das obige ist der detaillierte Inhalt vonWie kann ich ein String-Wörterbuch sicher in ein Python-Wörterbuch konvertieren, ohne „eval' zu verwenden?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Lösung für Erlaubnisprobleme beim Betrachten der Python -Version in Linux Terminal Wenn Sie versuchen, die Python -Version in Linux Terminal anzuzeigen, geben Sie Python ein ...

In diesem Artikel wird erklärt, wie man schöne Suppe, eine Python -Bibliothek, verwendet, um HTML zu analysieren. Es beschreibt gemeinsame Methoden wie find (), find_all (), select () und get_text () für die Datenextraktion, die Behandlung verschiedener HTML -Strukturen und -Anternativen (SEL)

Serialisierung und Deserialisierung von Python-Objekten sind Schlüsselaspekte eines nicht trivialen Programms. Wenn Sie etwas in einer Python -Datei speichern, führen Sie eine Objektserialisierung und Deserialisierung durch, wenn Sie die Konfigurationsdatei lesen oder auf eine HTTP -Anforderung antworten. In gewisser Weise sind Serialisierung und Deserialisierung die langweiligsten Dinge der Welt. Wen kümmert sich um all diese Formate und Protokolle? Sie möchten einige Python -Objekte bestehen oder streamen und sie zu einem späteren Zeitpunkt vollständig abrufen. Dies ist eine großartige Möglichkeit, die Welt auf konzeptioneller Ebene zu sehen. Auf praktischer Ebene können das von Ihnen ausgewählte Serialisierungsschema, Format oder Protokoll jedoch die Geschwindigkeit, Sicherheit, den Status der Wartungsfreiheit und andere Aspekte des Programms bestimmen

Dieser Artikel vergleicht TensorFlow und Pytorch für Deep Learning. Es beschreibt die beteiligten Schritte: Datenvorbereitung, Modellbildung, Schulung, Bewertung und Bereitstellung. Wichtige Unterschiede zwischen den Frameworks, insbesondere bezüglich des rechnerischen Graps

Das Statistikmodul von Python bietet leistungsstarke Datenstatistikanalysefunktionen, mit denen wir die allgemeinen Merkmale von Daten wie Biostatistik und Geschäftsanalyse schnell verstehen können. Anstatt Datenpunkte nacheinander zu betrachten, schauen Sie sich nur Statistiken wie Mittelwert oder Varianz an, um Trends und Merkmale in den ursprünglichen Daten zu ermitteln, die möglicherweise ignoriert werden, und vergleichen Sie große Datensätze einfacher und effektiv. In diesem Tutorial wird erläutert, wie der Mittelwert berechnet und den Grad der Dispersion des Datensatzes gemessen wird. Sofern nicht anders angegeben, unterstützen alle Funktionen in diesem Modul die Berechnung der Mittelwert () -Funktion, anstatt einfach den Durchschnitt zu summieren. Es können auch schwimmende Punktzahlen verwendet werden. zufällig importieren Statistiken importieren Aus Fracti

Dieses Tutorial baut auf der vorherigen Einführung in die schöne Suppe auf und konzentriert sich auf DOM -Manipulation über die einfache Baumnavigation hinaus. Wir werden effiziente Suchmethoden und -techniken zur Änderung der HTML -Struktur untersuchen. Eine gemeinsame DOM -Suchmethode ist Ex

Dieser Artikel führt die Python-Entwickler in den Bauen von CLIS-Zeilen-Schnittstellen (CLIS). Es werden mit Bibliotheken wie Typer, Click und ArgParse beschrieben, die Eingabe-/Ausgabemedelung betonen und benutzerfreundliche Designmuster für eine verbesserte CLI-Usabilität fördern.

In dem Artikel werden beliebte Python-Bibliotheken wie Numpy, Pandas, Matplotlib, Scikit-Learn, TensorFlow, Django, Flask und Anfragen erörtert, die ihre Verwendung in wissenschaftlichen Computing, Datenanalyse, Visualisierung, maschinellem Lernen, Webentwicklung und h beschreiben


Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Dreamweaver CS6
Visuelle Webentwicklungstools

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

Sicherer Prüfungsbrowser
Safe Exam Browser ist eine sichere Browserumgebung für die sichere Teilnahme an Online-Prüfungen. Diese Software verwandelt jeden Computer in einen sicheren Arbeitsplatz. Es kontrolliert den Zugriff auf alle Dienstprogramme und verhindert, dass Schüler nicht autorisierte Ressourcen nutzen.

SublimeText3 Englische Version
Empfohlen: Win-Version, unterstützt Code-Eingabeaufforderungen!

ZendStudio 13.5.1 Mac
Leistungsstarke integrierte PHP-Entwicklungsumgebung