我制作了一个小测试用例来比较YAML和JSON的速度：
导入json
进口yaml
从日期时间导入日期时间
从随机导入randint
NB_行=1024
打印“yaml是否正在使用libyaml？”，yaml.u_u与_ulibyaml_u_u以及“是”或“否”
dummy_data=[{‘dummy_key_A_%s’%i:i’，dummy_key_B_%s’%i:i}用于xrange中的i（NB_行）]
以open（’perf_json_yaml.yaml’，’w’）作为fh：
t1=datetime.now（）
yaml.safe_dump（伪数据，fh，编码=’utf-8’，默认流量样式=False）
t2=datetime.now（）
dty=（t2-t1）.总秒数（）
打印“正在将%s行转储到yaml文件中：%s%”（NB_行，dty）
以open（’perf_json_yaml.json’，’w’）作为fh：
t1=datetime.now（）
json.dump（伪_数据，fh）
t2=datetime.now（）
dtj=（t2-t1）.total_seconds（）
打印“正在将%s行转储到json文件中：%s%”（NB_行，dtj）
打印“json转储速度快%dx”%（dty/dtj）
以open（“perf_json_yaml.yaml”）作为fh：
t1=datetime.now（）
数据=yaml.安全荷载（fh）
t2=datetime.now（）
dty=（t2-t1）.总秒数（）
打印“正在从yaml文件加载%s行：%s%”（NB_行，dty）
以open（’perf_json_yaml.json’）作为fh：
t1=datetime.now（）
data=json.load（fh）
t2=datetime.now（）
dtj=（t2-t1）.total_seconds（）
打印“正在将%s行从json文件加载到：%s%”（NB_行，dtj）
打印“json加载速度快%dx%”（dty/dtj）
结果是：
yaml是否正在使用libyaml？对
正在将1024行转储到yaml文件：0.251139
正在将1024行转储到json文件：0.007725
json转储速度快32倍
正在从yaml文件加载1024行：0.401224
正在将1024行从json文件加载到：0.001793
json的加载速度快了223倍
我在Ubuntu12.04上使用Pyyaml3.11和libyamlC库。
我知道json比yaml简单得多，但json和yaml的比例是223倍，我想知道我的配置是否正确
你们有相同的速比吗？
我如何加速yaml.load（）
您可能已经注意到Python的数据结构语法与JSON的语法非常类似
所发生的事情是Python的json库将Python的内置数据类型直接编码为文本块，将“替换为”，并在此处或此处删除，（稍微简化）
另一方面，pyyaml必须先构造一个完整的表示图，然后才能将其序列化为字符串
加载时，同样的情况必须向后发生
加速yaml.load（）的唯一方法是编写一个新的Loader，但我怀疑这可能是性能上的巨大飞跃，除非您愿意编写自己的单一用途的yaml解析器，并考虑以下注释：
YAML构建图形是因为它是一种通用序列化
能够表示对同一对象的多个引用的格式
对象。如果您知道没有对象重复，并且只显示基本类型，
您可以使用json序列化器，它仍然是有效的YAML
—更新
我之前所说的仍然正确，但是如果您正在运行Linux，有一种方法可以加速Yaml解析。默认情况下，Python的Yaml使用Python解析器。您必须告诉它您想要使用PyYamlC解析器
您可以这样做：
导入yaml
从yaml进口装载机作为装载机，从CDumper作为卸载机
dump=yaml.dump（伪数据，fh，编码=’utf-8’，默认流样式=False，转储程序=Dumper）
数据=yaml.荷载（fh，装载机=装载机）
为此，您需要安装yaml-cpp-dev（软件包后来重命名为libyaml-cpp-dev），例如，安装apt-get：
$apt get安装yaml cpp dev
还有PyYaml和LibYaml。但根据您的输出，情况已经是这样了
我现在无法测试它，因为我正在运行OS X，并且brew在安装yaml cpp dev时遇到一些问题，但是如果您遵循PyYaml文档，他们很清楚性能会更好