Question

我正在编写一个便利库，并寻找从文本文件加载lambda函数的最佳实践。

该库旨在以已知格式导入一个或多个数据集（例如，Facebook Insights），并将数据操作为Pandas数据帧，然后可以在IPython笔记本或网页中绘制。
每个定义都包含函数（用于DataFrame.groupby()中的聚合以及与lambda一起使用的DataFrame.apply()函数）
我目前已将规则硬编码为将每个文件操作为dict，但我想将这些文件抽象为一系列json文件，以便我可以更轻松地添加定义。

对于聚合方法，列表相当短，因此我可以轻松地列出if语句。但是，根据定义，apply lambda函数对每个定义都是定制的。这是一个示例，它需要几列来获得百分比：

lambda x: float(float(x[1]) / float(x[0])) * 100}

我知道eval方法，但这听起来不是很好的做法（因为我有一天会打开这个以供其他人使用，eval可能会被滥用）。类似的是jsonpickle库，但原则上也可以滥用。替代方案是固定的函数列表，但我没有看到这种类型的任意函数可以被制作成一个固定的列表。

有没有人有类似的经验并且能够提供最佳实践方法？

Answer 1

虽然eval可能是一个安全漏洞，但可以通过修改全局变量来限制它可用的内容：

>>> f = eval('lambda x: float(x)', {'__builtins__': None})
>>> f('1.1')
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "<string>", line 1, in <lambda>
NameError: global name 'float' is not defined

相反，传入一个字典，其中只包含您希望向定义函数的函数公开的函数：

safe_builtins = dict(
    __builtins__ = None,
    float = float,
    sum = sum,
    custom_func = ...
)

loaded_func = eval("lambda x: ...", safe_builtins)

有没有推荐的方法从text（json）文件加载任意函数？

1 个答案: