• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Laboratorio
    • Encuestas: Tamaño de Muestra
    • Lotería: Probabilidad de Ganar
    • Reparto de Escaños (D’Hondt)
    • Tres en Raya con IA
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad
    • Tiendas afiliadas
      • AliExpress
      • Amazon
      • Banggood
      • GeekBuying
      • Lenovo

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • IA Generativa
  • Python
  • Pandas
  • NumPy
  • Excel
  • Matlab

Guardar las contraseñas y claves en Python

junio 14, 2021 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

Cada día es más habitual tener que guardar contraseñas o secretos en nuestros desarrollos. Desde las claves de autenticación imprescindibles para consultar diferentes APIs, hasta las credenciales con las que acceder a la base de datos en la cual se guardarán los resultados de las diferentes operaciones realizadas. Secretos que no es buena idea almacenar en el código. Al conservar estos valores en el código tenemos un problema de seguridad ya que cualquiera que pueda acceder al repositorio podrá acceder también a nuestras credenciales. Por otro lado, en caso de que sea necesario actualizar las credenciales nos veríamos obligados a actualizar el código en el que se usa. Por eso es mejor guardar las contraseñas y claves en Python por separado, para lo que podemos usar la herramienta python-decouple.

Instalación de python-decouple

La instalación de python-decouple se puede hacer fácilmente a través de pip, solamente tendremos que escribir en la terminal el siguiente comando.

pip install python-decouple

Una vez hecho esto ya podremos importar la librería en nuestros desarrollos para guardar la información que necesitemos en un archivo .env dentro de nuestro proyecto.

Publicidad


Guardando los secretos en un archivo .env

Una vez instalado python-decouple en el sistema ya se puede separar del código los secreto. Simplemente se tiene que crear un archivo de texto que guardaremos con el nombre .env con todos los secretos necesarios. Archivo que podemos editar con nuestro editor de texto favorito. En el cual podremos un secreto en cada línea igualando el valor a una clave que usaremos para recuperar los datos. Así para guardar un usuario con su contraseña se puede crear un archivo con las siguientes líneas.

Curiosidad: La maldición de la dimensionalidad, o por qué añadir más datos puede empeorar tu modelo
En Analytics Lane
Curiosidad: La maldición de la dimensionalidad, o por qué añadir más datos puede empeorar tu modelo

user = 'root'
password = '123456'

Un ejemplo en el que he usado una de las peores contraseñas posibles. Ahora en nuestro proyecto de Python, cuando necesitemos acceder a las credenciales, solamente tendremos que importar la función config de decouple con la que podremos leer los valores de nuestro archivo

from decouple import config

user = config('user', default='')
password = config('password', default='')

if user != '' and password != '':
    connect(user, password)

Obteniendo en la variable user el usuario del archivo y en password la contraseña. La opción default asigna el valor indicado en caso de que no se encuentre el archivo de configuración o no exista la clave indicada. Evitando además que el programa se interrumpa ya que la función config lanza un error cuando no puede recuperar un valor, salvo que se indique uno por defecto.

En este punto se puede comprobar tanto el nombre de usuario como la contraseña no son una cadena vacía y usarlas para acceder al servicio.

Evitar que Git guarde el archivo .env

Si estamos trabajando con Git como gestor de versiones es importante agregar el archivo .env al archivo .gitignore para que no suba nunca las credenciales al repositorio. Aunque es habitual que las plantillas para Python de .gitignore incluyan el archivo .env, nunca está de más verificar esto antes de subir los cambios.

Publicidad


Conclusiones

En esta ocasión hemos visto cómo se puede usar la librería python-decouple para guardar las contraseñas y claves en Python en archivos separados de código. Una buena práctica que deberíamos seguir para evitar que otros usuarios con acceso a nuestro código puedan acceder también a las credenciales. Además de ser más eficaces a la hora de actualizar credenciales en producción, ya que sabemos exactamente donde se guardan estas, en el archivo .env, y no tenemos que buscarlas en todo el proyecto. Sin olvidar que también se puede emplear el archivo `.env` para guardar otra información que puede cambiar con el tiempo cómo pueden ser las URL de acceso a los servicios.

Imagen de Tayeb MEZAHDIA en Pixabay

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 3.5 / 5. Votos emitidos: 2

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Publicaciones relacionadas

  • Curiosidad: La maldición de la dimensionalidad, o por qué añadir más datos puede empeorar tu modelo
  • ¿Está concentrado el MSCI World? Un análisis con Gini, Lorenz y leyes de potencia
  • Curiosidad: ¿Por qué usamos p < 0.05? Un umbral que cambió la historia de la ciencia
  • Programador de tareas de Windows: Guía definitiva para automatizar tu trabajo (BAT, PowerShell y Python)
  • La Paradoja del Cumpleaños, o por qué no es tan raro compartir fecha de nacimiento
  • Cómo abrir una ventana de Chrome con tamaño y posición específicos desde la línea de comandos en Windows
  • Curiosidad: El sesgo de supervivencia, o por qué prestar atención sólo a los que “llegaron” puede engañarte
  • Documentar tu API de Express con TypeScript usando OpenAPI (Swagger)
  • Data Lake y Data Warehouse: diferencias, usos y cómo se complementan en la era del dato

Publicado en: Python Etiquetado como: Ciberseguridad, Contraseñas

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Barra lateral principal

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Bluesky
  • Facebook
  • GitHub
  • Instagram
  • Mastodon
  • Pinterest
  • RSS
  • Telegram
  • Tumblr
  • Twitter
  • YouTube

Publicidad

Entradas recientes

Data Lake y Data Warehouse: diferencias, usos y cómo se complementan en la era del dato

octubre 23, 2025 Por Daniel Rodríguez

Documentar tu API de Express con TypeScript usando OpenAPI (Swagger)

octubre 21, 2025 Por Daniel Rodríguez

Curiosidad: El sesgo de supervivencia, o por qué prestar atención sólo a los que “llegaron” puede engañarte

octubre 16, 2025 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Hoja de cálculo para repartir los escaños en base al método D’Hont Aplicar el método D’Hondt en Excel publicado el abril 14, 2021 | en Herramientas
  • Cómo solucionar problemas de red en VirtualBox: Guía completa publicado el junio 11, 2025 | en Herramientas
  • Cómo calcular el tamaño de la muestra para encuestas publicado el septiembre 9, 2025 | en Ciencia de datos
  • La tabla de la web finalmente importada en Excel Importar tablas desde la web en Excel publicado el octubre 21, 2020 | en Herramientas
  • Diferencias entre CPU, GPU, TPU y NPU publicado el abril 19, 2023 | en Herramientas

Publicidad

Lo mejor valorado

4.9 (24)

Seleccionar filas y columnas en Pandas con iloc y loc

4.6 (16)

Archivos JSON con Python: lectura y escritura

4.4 (14)

Ordenación de diccionarios en Python mediante clave o valor

4.7 (13)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

4.5 (10)

Diferencias entre var y let en JavaScript

Publicidad

Comentarios recientes

  • Daniel Rodríguez en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • Pepe en Probabilidad básica: cómo entender el azar en nuestra vida diaria
  • CARLOS ARETURO BELLO CACERES en Justicio: La herramienta gratuita de IA para consultas legales
  • Piera en Ecuaciones multilínea en Markdown
  • Daniel Rodríguez en Tutorial de Mypy para Principiantes

Publicidad


Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Copyright © 2018-2025 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto