一、Python所有方向的学习路线
Python所有方向路线就是把Python常用的技术点做整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
二、学习软件
工欲善其事必先利其器。学习Python常用的开发软件都在这里了,给大家节省了很多时间。
三、入门学习视频
我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了。
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
简介
序列化
json
方法
对象序列化
json.``dump
(obj, fp, *, skipkeys=False, ensure_ascii=True, check_circular=True, allow_nan=True, cls=None, indent=None, separators=None, default=None, sort_keys=False, **kw)
- 使用下面转换表将 obj 序列化为 JSON 格式化流形式的 fp。
转换表
Python | JSON |
---|---|
dict | object |
list, tuple | array |
str | string |
int, float, int 和 float 派生的枚举 | number |
True | true |
False | false |
None | null |
- 如果 skipkeys 是True,那么那些不是基本对象的字典的键会被跳过;否则引发一个TypeError。
- 如果 ensure_ascii 是 True (即默认值),输出保证将所有输入的非 ASCII 字符转义。如果 ensure_ascii 是 false,这些字符会原样输出。
- 如果 check_circular 是为False,那么容器类型的循环引用检验会被跳过并且循环引用会引发一个 OverflowError(或者更糟的情况)。
- 如果 allow_nan 是 False,那么在对严格 JSON 规格范围外的float类型值(
nan
、inf
和-inf
)进行序列化时会引发一个ValueError。如果 allow_nan 是 true,则使用它们的 JavaScript 等价形式(NaN
、Infinity
和-Infinity
)。 - 如果 indent 是一个非负整数或者字符串,那么 JSON 数组元素和对象成员会被美化输出为该值指定的缩进等级。如果缩进等级为 0、负数或者
""
,则只会添加换行符。None``(默认值)选择最紧凑的表达。使用一个正整数会让每一层缩进同样数量的空格。如果 *indent* 是一个字符串(比如 ``"\t"
),那个字符串会被用于缩进每一层。现允许使用字符串作为 indent 而不再仅仅是整数。 - 当被指定时,separators 应当是一个
(item_separator, key_separator)
元组。当 indent 为None
时,默认值取(', ', ': ')
,否则取(',', ': ')
。为了得到最紧凑的 JSON 表达式,你应该指定其为(',', ':')
以消除空白字符。现当 indent 不是None
时,采用(',', ': ')
作为默认值。 - 当 default 被指定时,其应该是一个函数,每当某个对象无法被序列化时它会被调用。它应该返回该对象的一个可以被 JSON 编码的版本或者引发一个TypeError。如果没有被指定,则会直接引发 TypeError。
- 如果 sort_keys 是 true(默认为
False
),那么字典的输出会以键的顺序排序。 - 为了使用一个自定义的JSONEncoder子类(比如:覆盖了
default()
方法来序列化额外的类型), 通过 cls 关键字参数来指定;否则将使用JSONEncoder。 - 所有可选形参现在都是仅限关键字参数。
常用的是这个函数:
json.``dumps
(obj, *, skipkeys=False, ensure_ascii=True, check_circular=True, allow_nan=True, cls=None, indent=None, separators=None, default=None, sort_keys=False, **kw)
将 obj 序列化为 JSON 格式的str。 其参数的含义与dump中的相同。
adict = {‘s’:‘ss’}
alist = [1,2]
astr = ‘lady_killer9’
aint = 9
aflag = True
nothing = None
json.dumps(adict)
‘{“s”: “ss”}’
json.dumps(alist)
‘[1, 2]’
json.dumps(astr)
‘“lady_killer9”’
json.dumps(aint)
‘9’
json.dumps(aflag)
‘true’
json.dumps(nothing)
‘null’
反序列化
json.``load
(fp, *, cls=None, object_hook=None, parse_float=None, parse_int=None, parse_constant=None, object_pairs_hook=None, **kw)
使用下面的转换表将 fp (一个支持 .read()
并包含一个 JSON 文档的文本或二进制文件) 反序列化为一个 Python 对象。
转换表
JSON | Python |
---|---|
object | dict |
array | list |
string | str |
number (int) | int |
number (real) | float |
true | True |
false | False |
null | None |
- object_hook 是一个可选的函数,它会被调用于每一个解码出的对象字面量(即一个dict)。object_hook 的返回值会取代原本的 dict。这一特性能够被用于实现自定义解码器。
- object_pairs_hook 是一个可选的函数,它会被调用于每一个有序列表对解码出的对象字面量。 object_pairs_hook 的返回值将会取代原本的dict。这一特性能够被用于实现自定义解码器。如果 object_hook 也被定义, object_pairs_hook 优先。
- parse_float ,如果指定,将与每个要解码 JSON 浮点数一同调用。默认状态下,相当于
float(num_str)
。可以用于对 JSON 浮点数使用其它数据类型和解析器 (比如decimal.Decimal
)。 - parse_int ,如果指定,将与每个要解码 JSON 整数的字符串一同调用。默认状态下,相当于
int(num_str)
。可以用于对 JSON 整数使用其它数据类型和语法分析程序 (比如float)。 - parse_constant ,如果指定,将要与以下字符串中的一个一同调用:
'-Infinity'
,'Infinity'
,'NaN'
。如果遇到无效的 JSON 数字它会被用于抛出异常。 parse_constant 不再调用 ‘null’ , ‘true’ , ‘false’ 。 - 要使用自定义的 JSONDecoder子类,用
cls
指定;否则使用JSONDecoder。额外的关键词参数会通过类的构造函数传递。如果反序列化的数据不是有效 JSON 文档,抛出JSONDecoderError错误。 - 所有可选形参现在都是仅限关键字参数。
- fp 现在可以是二进制文件。输入编码应当是 UTF-8 , UTF-16 或者 UTF-32 。
对应dumps,常用的是这个函数:
json.``loads
(s, *, encoding=None, cls=None, object_hook=None, parse_float=None, parse_int=None, parse_constant=None, object_pairs_hook=None, **kw)
使用上面的转换表将 s (一个包含 JSON 文档的str, bytes或bytearray实例) 反序列化为 Python 对象。
- 其他参数与在
load()
中的含义相同,只有 encoding 被忽略和弃用。 - 如果反序列化的数据不是有效 JSON 文档,抛出JSONDecoderError错误。
- s 现在可以为bytes或bytearray类型。 输入编码应为 UTF-8, UTF-16 或 UTF-32。
d = json.dumps(adict)
json.loads(d)
{‘s’: ‘ss’}
type(json.loads(d))
<class ‘dict’>
INT = json.dumps(aint)
bb = bytes(INT,encoding=‘utf-8’)
json.loads(bb)
9
pickle
pickle应该是序列化 Python 对象时的首选,marshal存在主要是为了支持 Python 的 .pyc
文件.
可以被打包/解包的对象
下列类型可以被打包:
None
、True
和False
- 整数、浮点数、复数
- str、byte、bytearray
- 只包含可打包对象的集合,包括 tuple、list、set 和 dict
- 定义在模块顶层的函数(使用def定义
,lambda
函数不可以,因为lambda函数都是同样的名字) - 定义在模块顶层的内置函数
- 定义在模块顶层的类
- 某些类实例,这些类的__dict__属性值或__getstate()函数的返回值可以被打包。
常量
pickle.``HIGHEST_PROTOCOL
整数,可用的最高协议版本。此值可以作为 protocol 值传递给dump()和dumps()函数,以及Pickler的构造函数。
pickle.``DEFAULT_PROTOCOL
一个整数,表示封存操作使用的协议版本。 它可能小于HIGHEST_PROTOCOL
。当前默认协议版本为 3,它是一个为 Python 3 设计的新协议。
方法
序列化
pickle.``dump
(obj, file, protocol=None, *, fix_imports=True)
将打包好的对象 obj 写入已打开的文件对象。它等同于 Pickler(file, protocol).dump(obj)
。
- 可选参数 protocol 是一个整数,告知 pickler 使用指定的协议,可选择的协议范围从 0 到
HIGHEST_PROTOCOL
。如果没有指定,这一参数默认值为DEFAULT_PROTOCOL
。指定一个负数就相当于指定HIGHEST_PROTOCOL
。 - 参数 file 必须有一个 write() 方法,该 write() 方法要能接收字节作为其唯一参数。因此,它可以是一个打开的磁盘文件(用于写入二进制内容),也可以是一个io.BytesIO实例,也可以是满足这一接口的其他任何自定义对象。
- 如果 fix_imports 为 True 且 protocol 小于 3,pickle 将尝试将 Python 3 中的新名称映射到 Python 2 中的旧模块名称,因此 Python 2 也可以读取打包出的数据流。
常用的是这个函数:
pickle.``dumps
(obj, protocol=None, *, fix_imports=True)
将 obj 打包以后的对象作为bytes类型直接返回,而不是将其写入到文件。
- 参数 protocol 和 fix_imports 的含义与它们在dump()中的含义相同。
现在能在网上找到很多很多的学习资源,有免费的也有收费的,当我拿到1套比较全的学习资源之前,我并没着急去看第1节,我而是去审视这套资源是否值得学习,有时候也会去问一些学长的意见,如果可以之后,我会对这套学习资源做1个学习计划,我的学习计划主要包括规划图和学习进度表。
分享给大家这份我薅到的免费视频资料,质量还不错,大家可以跟着学习
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!