#!/usr/bin/env python
import xlwt,xlrd,datetime,json,os,xlutils.copy
a={
'VpcPeeringConnection': {
'AccepterVpcInfo': {
'CidrBlock': 'abc',
'Ipv6CidrBlockSet': [
{
'Ipv6CidrBlock': 'qwe'
},
],
'CidrBlockSet': [
{
'CidrBlock': 'qwrqrqrwrqr'
},
],
'OwnerId': '123asf',
'PeeringOptions': {
'AllowDnsResolutionFromRemoteVpc': True,
'AllowEgressFromLocalClassicLinkToRemoteVpc': True,
'AllowEgressFromLocalVpcToRemoteClassicLink': True
},
'VpcId': 'asdfghjk',
'Region': ';lkjhg'
},
'ExpirationTime': "aaaa",
'RequesterVpcInfo': {
'CidrBlock': '12qwesd',
'Ipv6CidrBlockSet': [
{
'Ipv6CidrBlock': 'mjhngb'
},
],
'CidrBlockSet': [
{
'CidrBlock': 'oikujhg'
},
],
'OwnerId': 'lkjh',
'PeeringOptions': {
'AllowDnsResolutionFromRemoteVpc': True,
'AllowEgressFromLocalClassicLinkToRemoteVpc': True,
'AllowEgressFromLocalVpcToRemoteClassicLink': True
},
'VpcId': 'waqsd',
'Region': 'awsd'
},
'Status': {
'Code': "'initiating-request'",
'Message': 'lk_mjhn'
},
'Tags': [
{
'Key': 'mhngbv',
'Value': 'gfd'
},
],
'VpcPeeringConnectionId': 'ytgrf'
}
}
#os.remove('./bcd111.xls')
def write_excel(filename,dic):
sh = xlwt.Workbook()
sheet1 = sh.add_sheet('table123')
sheet1.write(0,0,"CidrBlock")
sheet1.write(0,1,"Ipv6CidrBlock")
sheet1.write(0,2,'OwnerId')
sheet1.write(0, 3, 'VpcId') dic_key = dic.keys()
temp =1
for key_names in dic_key:
key_name = a[key_names].keys()
for names in key_name:
if isinstance(a[key_names][names],dict):
if 'CidrBlock' in dic[key_names][names].keys() or 'Ipv6CidrBlock' in dic[key_names][names].keys() or 'OwnerId' in dic[key_names][names].keys() or 'VpcId' in dic[key_names][names].keys() :
sheet1.write(temp,0,dic[key_names][names].get('CidrBlock',''))
sheet1.write(temp, 1, dic[key_names][names].get('Ipv6CidrBlock',''))
sheet1.write(temp, 2, str(dic[key_names][names].get('OwnerId', '')))
sheet1.write(temp, 3, dic[key_names][names].get('VpcId', ''))
temp = temp+1
sh.save(filename) write_excel('bcd111.xls',a)

基于python2.7通过boto3实现ec2表格化,只做简单说明,后续更新

基于python2.7通过boto3实现ec2表格化的更多相关文章

  1. Java基于opencv实现图像数字识别(三)—灰度化和二值化

    Java基于opencv实现图像数字识别(三)-灰度化和二值化 一.灰度化 灰度化:在RGB模型中,如果R=G=B时,则彩色表示灰度颜色,其中R=G=B的值叫灰度值:因此,灰度图像每个像素点只需一个字 ...

  2. OpenCV_基于局部自适应阈值的图像二值化

    在图像处理应用中二值化操作是一个很常用的处理方式,例如零器件图片的处理.文本图片和验证码图片中字符的提取.车牌识别中的字符分割,以及视频图像中的运动目标检测中的前景分割,等等. 较为常用的图像二值化方 ...

  3. Python图像处理丨基于OpenCV和像素处理的图像灰度化处理

    摘要:本篇文章讲解图像灰度化处理的知识,结合OpenCV调用cv2.cvtColor()函数实现图像灰度操作,使用像素处理方法对图像进行灰度化处理. 本文分享自华为云社区<[Python图像处理 ...

  4. 在macos上基于python2.7安装PyQt5

    在python3上面安装PyQt5是十分简单的,可是,在python2.7上安装这个东西,着实让人折腾了一把.要总结一下,年纪大了,记性不好. 首先要安装最新版的Qt和python2,命令如下: br ...

  5. 基于python2【重要】怎么自行搭建简单的web服务器

    基本流程:1.需要的支持     1)python本身有SimpleHTTPServer     2)ForkStaticServer.py支持,该文件放在python7目录下     3)将希望共享 ...

  6. python之lambda、filter、map、reduce的用法说明(基于python2)

    python中有一些非常有趣的函数,面试的时候可能会遇到.今天也来总结一下,不过该类的网上资料也相当多,也没多少干货,只是习惯性将一些容易遗忘的功能进行整理. lambda 为关键字.filter,m ...

  7. 基于python2+selenium3+pytest4的UI自动化框架

    环境:Python2.7.10, selenium3.141.0, pytest4.6.6, pytest-html1.22.0, Windows-7-6.1.7601-SP1 特点:- 二次封装了s ...

  8. RobotFrameWork 自动化环境搭建(基于 python2.7)

    1.自动化工具安装顺序 robot Framework(两个RF框架) WXpython(不要更改安装路径,自动安装在python文件中) 安装依赖库 RF3.0 和 RF1.5.2.1 打开 rid ...

  9. 基于python2.7 Tkinter 做一个小工具

    1.源码:先写一个界面出来,放需要放入的点击事件的函数 # -*- coding:utf-8 -*- import Tkinter from Tkinter import * import Excle ...

随机推荐

  1. nginx服务部署 说明

    第1章 常用的软件 1.1 常用来提供静态服务的软件   Apache :这是中小型Web服务的主流,Web服务器中的老大哥,   Nginx :大型网站Web服务的主流,曾经Web服务器中的初生牛犊 ...

  2. indexed database IndexedDB

    Indexed Database API 目的是提供一个可供javascript存储和检索对象,并且还能进行查询,搜索等数据库操作   设计为几乎完全异步,因此绝大部分操作都稍后执行,因此每次操作都应 ...

  3. app.config 配置多项 配置集合 自定义配置(3)

    再说说利用app.config配置多个自定义的方法.先看这个例子:美国家庭Simpson的家里有父亲母亲和三个儿女,而中国的老王只有独生子女.结构如下: <?xml version=" ...

  4. JS中!=、==、!==、===的用法和区别

    1.对于string,number等基础类型,==和===是有区别的 1)不同类型间比较,==之比较"转化成同一类型后的值"看"值"是否相等,===如果类型不同 ...

  5. c#中获取路径方法

    要在c#中获取路径有好多方法,一般常用的有以下五种: //获取应用程序的当前工作目录. String path1 = System.IO.Directory.GetCurrentDirectory() ...

  6. Python ---------- Tensorflow (二)学习率

    假设最小化函数 y = x2 , 选择初始点 x0= 5 1. 学习率为1的时候,x在5和-5之间震荡. #学习率为1 import tensorflow as tf training_steps = ...

  7. 方法的形参、ref参数、out参数的区别

    我们在定义方法时,经常会涉及到传参.因为引用类型的数据在用变量存储时,是存储的地址,所以在传参时,依然是传递的地址,但是值类型的数据在传参时就会有所不同.值类型数据在调用方法传参时,普通情况下是值传递 ...

  8. TFboy养成记 tensorboard

    首先介绍几个用法: with tf.name_scope(name = "inputs"): 这个是用于区分区域的.如,train,inputs等. xs = tf.placeho ...

  9. 【原创】抓个Firefox的小辫子,围观群众有:Chrome、Edge、IE8-11

    前言 很多人都知道我们在做FineUI控件库,在这 9 年多的时间里,在和浏览器无数次的交往中,也发现了多个浏览器自身的BUG,并公开出来方便大家查阅: 分享IE7一个神奇的BUG(不是封闭标签的问题 ...

  10. Git命令行对照表

    git init # 初始化本地git仓库(创建新仓库) git config --global user.name "xxx" # 配置用户名 git config --glob ...