Python模块----json&pickle模块(序列化)

Python模块之json&pickle模块(序列化)

我们知道用eval内置方法可以将一个字符串转成python对象，不过，eval方法是有局限性的，对于普通的数据类型，json.loads和eval都能用，但遇到特殊类型的时候，eval就不管用了,所以eval的重点还是通常用来执行一个字符串表达式，并返回表达式的值。

print(eval("1+2"))#3
s1 = "hs"
s2 = "yy"
print(eval("s1 + s2"))#hsyy

什么是序列化？

我们把对象(变量)从内存中变成可存储或传输的过程称之为序列化，在Python中叫pickling。序列化之后，就可以把序列化后的内容写入磁盘，或者通过网络传输到别的机器上。反过来，把变量内容从序列化的对象重新读到内存里称之为反序列化，即unpickling。

1、json

如果我们要在不同的编程语言之间传递对象，就必须把对象序列化为标准格式，比如XML，但更好的方法是序列化为JSON，因为JSON表示出来就是一个字符串，可以被所有语言读取，也可以方便地存储到磁盘或者通过网络传输。JSON不仅是标准格式，并且比XML更快，而且可以直接在Web页面中读取，非常方便。

JSON表示的对象就是标准的JavaScript语言的对象，JSON和Python内置的数据类型对应如下：

序列化(#json---->函数类型做不了序列化)

#******序列化*****************#
'''json.dumps()'''
dic = {'name':'hongsong','age':'24'}
f = open('json_test','w')

data = json.dumps(dic)

f.write(data)
f.close()

'''json.dump()'''

dic = {'name':'yangyang','age':'21'}
f = open('json_test_2','w')

json.dump(dic,f)#相比dumps，少了一步f.write,dump内部帮我们write
f.close()

反序列化

import json
#******反序列化**********#
f = open('json_test','r')

'''json.loads()'''
data = json.loads(f.read())
print(data['name'])

'''json.load()'''
data = json.load(f)
print(data['name'])

import json
#json 不认单引号
dct='{"1":"111"}'
print(json.loads(dct))
#无论数据是怎样创建的，只要满足json格式，就可以json.loads出来,不一定非要dumps的数据才能loads

2、pickle

序列化

#*******序列化************#
import pickle

def  foo():
    print('ok')

data = pickle.dumps(foo)
f = open('pickle_test','wb') #注意是w是写入str,wb是写入bytes,data是'bytes'

f.write(data) #-------------------等价于pickle.dump(data,f)
f.close()

反序列化

#***********反序列化***********#
import pickle

def foo():
    print('ok')

f = open('pickle_test','rb')

data = pickle.loads(f.read()) #  等价于data=pickle.load(f)

data()

Pickle的问题和所有其他编程语言特有的序列化问题一样，就是它只能用于Python，并且可能不同版本的Python彼此都不兼容，因此，只能用Pickle保存那些不重要的数据，不能成功地反序列化也没关系。