pickle模块

"""
用于序列化的两个模块: json, pickle
"""
"""
json：用于字符串和Python数据类型间进行转换
　　json提供四个功能：dumps,dump,loads,load

pickle: 用于python特有的类型和python的数据类型间进行转换
　　pickle提供四个功能：dumps,dump,loads,load

pickle可以存储什么类型的数据呢？
    功能: 它可以序列化对象并保存到磁盘中，并在需要的时候读取出来，任何对象都可以执行序列化操作

    1、所有python支持的原生类型：布尔值，整数，浮点数，复数，字符串，字节，None。
    2、由任何原生类型组成的列表，元组，字典和集合。
    3、函数，类，类的实例

pickle模块只能在Python中使用，python中几乎所有的数据类型（列表，字典，集合，类等）
都可以用pickle来序列化，pickle序列化后的数据，可读性差，人一般无法识别

pickle 模块的好处: 存储数据，将Python数据变成流的形式，便于存储,你存储的数据别人是看不懂

扩展名为.pk的文件是一个音频文件，可以用 Adobe Audition、 Syntrillium Cool Edit Pro 或 Syntrillium Cool Edit 2000打开。
"""


"""
pickle模块中常用的方法有：
    1. pickle.dump(obj, file, protocol=None,)
        必填参数obj表示将要封装的对象
        必填参数file表示obj要写入的文件对象，file必须以二进制可写模式打开，即“wb”

    2. pickle.load(file,*,fix_imports=True, encoding="ASCII", errors="strict")
        必填参数file必须以二进制可读模式打开，即“rb”，其他都为可选参数

    3. pickle.dumps(obj)：以字节对象形式返回封装的对象，不需要写入文件中

    4. pickle.loads(bytes_object): 从字节对象中读取被封装的对象，并返回

 pickle模块可能出现三种异常：

    1. PickleError：封装和拆封时出现的异常类，继承自Exception

    2. PicklingError: 遇到不可封装的对象时出现的异常，继承自PickleError

    3. UnPicklingError: 拆封对象过程中出现的异常，继承自PickleError
"""
import pickle

# dumps 功能   python的数据结构 --- > 只有python语言认识的字符串
# dumps 将数据通过特殊的形式转换为只有python语言认识的字符串
data = ["A", "B", "C"]
data_str = pickle.dumps(data)
print(data_str)
# 返回字节对象
# b'\x80\x03]q\x00(X\x01\x00\x00\x00aq\x01X\x01\x00\x00\x00bq\x02X\x01\x00\x00\x00cq\x03e.'

# loads 功能  将pickle数据转换为python的数据结构
data2 = pickle.loads(data_str)
print(data2)
# ["a","b","c"]
# 从 字节对象中 读取 被封装的对象

# clear_memo()
# 清空pickler的“备忘”。使用Pickler实例在序列化对象的时候，它会“记住”已经被序列化的对象引用，
# 所以对同一对象多次调用dump(obj)，pickler不会“傻傻”的去多次序列化


# dump功能   将数据通过特殊的形式转换为只有python语言认识的字符串，并写入文件
data = ["a", "b", "c"]
with open(r"./tmp.pk", "wb") as f:
    pickle.dump(data, f)

# 对比一下json 的操作
import json
with open('data.json', 'w') as f:
    json.dump(data, f)

# load功能   从数据文件中读取数据，并转换为python的数据结构
with open(r'./tmp.pk', 'rb') as f:
     data = pickle.load(f)
print(data)  # ['a', 'b', 'c']

with open("data.json", "r") as f:
    data = json.load(f)
print(data)  # ['a', 'b', 'c']

# dump() 与 load() 相比 dumps() 和 loads() 还有另一种能力：
#       dump() 函数能一个接着一个地将几个对象序列化存储到同一个文件中， 随后调用load()来以同样的顺序反序列化读出这些对象
print("可以传多个值：", "*"*60)
a = ["a", "b"]
b = ("a", "b")
c = "ab"
d = {"a": "b"}
e = None
f = 10
g = "a"
datas = pickle.dumps((a, b, c, d, e, f, g))
print(datas)  # b'\x80\x03(]q\x00(X\x01\x00\x00\x00aq\x01X\x01\x00\x00\x00bq\x02eh\x01h\x02\x86q\x03X\x02\x00\x00\x00abq\x04}q\x05h\x01h\x02sNK\nh\x01tq\x06.'

A, B, C, D, E, F, G = pickle.loads(datas)
print(A, B, C, D, E, F, G, sep="\n")
"""
输出:
    ['a', 'b']
    ('a', 'b')
    ab
    {'a': 'b'}
    None
    10
    a
"""


"""
检索所支持的格式
"""
print(pickle.format_version)      # 查看当前版本号  4.0
print(pickle.compatible_formats)  # 所有的版本: ['1.0', '1.1', '1.2', '1.3', '2.0', '3.0', '4.0']

# pprint 模块 ， 和print 的功能差不多，知道就行了，几乎不用
import pprint
ls = [1, 2, 3]
pprint.pprint(ls)
print(ls)
print(type(pprint.pprint((ls))))  # 没有返回值