Python json和pickle 序列化模块

为什么要序列化：
	什么叫序列化——将原本的字典、列表等内容转换成一个字符串的过程就叫做序列化。
比如，在python代码中计算的一个数据需要给另外一段程序使用，那我们怎么给？
现在能想到的方法就是存在文件里，然后另一个python程序再从文件里读出来。
对于文件来说是没有字典这个概念的，所以我们只能将数据转换成字典放到文件中。
将字典转换成一个字符串很简单，就是str(dic)就可以办到了，为什么我们还要学习序列化模块呢？

	没错序列化的过程就是从dic 变成str(dic)的过程。现在你可以通过str(dic)，将一个名为dic的字典转换成一个字符串，
但是你要怎么把一个字符串转换成字典呢？
你也许想到了eval()，如果我们将一个字符串类型的字典str_dic传给eval，就会得到一个返回的字典类型了。

	eval()函数十分强大，但是eval是做什么的？e官方demo解释为：将字符串str当成有效的表达式来求值并返回计算结果。
强大的函数有代价。安全性是其最大的缺点。
想象一下，如果我们从文件中读出的不是一个数据结构，而是一句"删除文件"类似的破坏性语句，那么后果实在不堪设设想。
	而使用eval就要担这个风险，所以，并不推荐用eval方法来进行反序列化操作(将str转换成python中的数据结构)

序列化的目的：
1、以某种存储形式使自定义对象持久化；
2、将对象从一个地方传递到另一个地方。
3、使程序更具维护性。

json模块

json.dumps 和 json.loads

import json
dic = {'k1':'v1','k2':'v2','k3':'v3'}
str_dic = json.dumps(dic)  # 序列化：将一个字典转换成一个字符串
print(type(str_dic),str_dic)  # <class 'str'> {"k3": "v3", "k1": "v1", "k2": "v2"}
# 注意，json转换完的字符串类型的字典中的字符串是由""表示的

dic2 = json.loads(str_dic)  # 反序列化：将一个字符串格式的字典转换成一个字典
#注意，要用json的loads功能处理的字符串类型的字典中的字符串必须由""表示
print(type(dic2),dic2)  #<class 'dict'> {'k1': 'v1', 'k2': 'v2', 'k3': 'v3'}


list_dic = [1,['a','b','c'],3,{'k1':'v1','k2':'v2'}]
str_dic = json.dumps(list_dic) # 也可以处理嵌套的数据类型 
print(type(str_dic),str_dic) # <class 'str'> [1, ["a", "b", "c"], 3, {"k1": "v1", "k2": "v2"}]
list_dic2 = json.loads(str_dic)
print(type(list_dic2),list_dic2) # <class 'list'> [1, ['a', 'b', 'c'], 3, {'k1': 'v1', 'k2': 'v2'}]

注意点：
dic = {'key' : 'value','key2' : 'value2'}
import json
ret = json.dumps(dic)  # 序列化
print(dic,type(dic))
print(ret,type(ret))

res = json.loads(ret) # 反序列化
print(res,type(res))

# 问题1
dic = {1 : 'value',2 : 'value2'}
ret = json.dumps(dic)  # 序列化
print(dic,type(dic))
print(ret,type(ret))

res = json.loads(ret) # 反序列化
print(res,type(res))

# 问题2
dic = {1 : [1,2,3],2 : (4,5,'aa')}
ret = json.dumps(dic)  # 序列化
print(dic,type(dic))
print(ret,type(ret))

res = json.loads(ret) # 反序列化
print(res,type(res))

# 问题3
s = {1,2,'aaa'}
json.dumps(s)

# 问题4 
json.dumps({(1,2,3):123})
# TypeError: keys must be a string

# json 在所有的语言之间都通用 : json序列化的数据 在python上序列化了 那在java中也可以反序列化
# json 能够处理的数据类型是非常有限的 : 字符串 列表 字典 数字
# ***字典中的key只能是字符串

>>>向文件中记录字典
import json
dic = {'key' : 'value','key2' : 'value2'}
ret = json.dumps(dic)  # 序列化
with open('json_file','a') as f:
     f.write(ret)

# 从文件中读取字典
with open('json_file','r') as f:
     str_dic = f.read() # 读取到是已序列化的字符串内容
dic = json.loads(str_dic)
print(dic.keys()) # dict_keys(['key1', 'key2', 'key3'])

# 如果在文件中新增文件，字典必须是字符串格式，才能读取出来

json.dump 和 json.load

import json
f = open('json_file','w')
dic = {'k1':'v1','k2':'v2','k3':'v3'}
json.dump(dic,f)  # dump方法接收一个文件句柄，直接将字典转换成json字符串写入文件
f.close()

f = open('json_file')
dic2 = json.load(f)  # load方法接收一个文件句柄，直接将文件中的json字符串转换成数据结构返回
f.close()
print(type(dic2),dic2)

import json
f = open('file','w')
json.dump({'国籍':'中国'},f)
ret = json.dumps({'国籍':'中国'})
f.write(ret+'\n')
json.dump({'国籍':'美国'},f,ensure_ascii=False)
ret = json.dumps({'国籍':'美国'},ensure_ascii=False)
f.write(ret+'\n')
f.close()

注意点：不支持连续 存 取
dic = {'key1' : 'value1','key2' : 'value2'}
with open('json_file','a') as f:
    json.dump(dic,f)
    json.dump(dic,f)
    json.dump(dic,f) # 这里可以存进去，但是读取不了

with open('json_file','r') as f:
    dic = json.load(f) #报 错
print(dic.keys())

>>>需求: 就是想要把一个一个的字典放到文件中,再一个一个取出来

dic={"key1":"values1","key2":"values2","key3":"values3"}

with open("json_file","a") as f: # 序列化
    str_dic=json.dumps(dic)
    for i in range(3):
        f.write(str_dic+"\n")
        f.flush()

with open("json_file","r") as f: # 反序列化
    for line in f:
        dic=json.loads(line.strip())
        print(dic.keys())

# 注意，with多行内容时，序列化和反序列化，不能同时进行

Serialize obj to a JSON formatted str.(字符串表示的json对象) 

Skipkeys：默认值是False，如果dict的keys内的数据不是python的基本类型(str,unicode,int,long,float,bool,None)，
设置为False时，就会报TypeError的错误。此时设置成True，则会跳过这类key

ensure_ascii：当它为True的时候，所有非ASCII码字符显示为\uXXXX序列，
只需在dump时将ensure_ascii设置为False即可，此时存入json的中文即可正常显示。) 

If check_circular is false, then the circular reference check for container 
	types will be skipped and a circular reference will result in an OverflowError (or worse). 
If allow_nan is false, then it will be a ValueError to serialize out of range float values (nan, inf, -inf) in 
	strict compliance of the JSON specification, instead of using the JavaScript equivalents (NaN, Infinity, -Infinity). 

indent：应该是一个非负的整型，如果是0就是顶格分行显示，如果为空就是一行最紧凑显示，
否则会换行且按照indent的数值显示前面的空白分行显示，这样打印出来的json数据也叫pretty-printed json

separators：分隔符，实际上是(item_separator, dict_separator)的一个元组，默认的就是(‘,’,’:’)；
这表示dictionary内keys之间用“,”隔开，而KEY和value之间用“：”隔开。 

default(obj) is a function that should return a serializable version of obj or raise TypeError. 
	The default simply raises TypeError. 
sort_keys：将数据根据keys的值进行排序。

To use a custom JSONEncoder subclass (e.g. one that overrides the .default() method to serialize additional types), 
	specify it with the cls kwarg; otherwise JSONEncoder is used.

dic = {'key':'你好'}
print(json.dumps(dic,ensure_ascii=False)) # 便于查看

import json
data = {'username':['李华','二愣子'],'sex':'male','age':16}
json_dic2 = json.dumps(data,sort_keys=True,indent=4,separators=(',',':'),ensure_ascii=False)
print(json_dic2) # 格式化，便于查看，参数：排序；开头缩进；分隔符；是否编码显示

# 存文件/传网络 时不提倡这样做

pickle模块

json：用于字符串 和 python数据类型间进行转换
pickle：用于python特有的类型 和 python的数据类型间进行转换
pickle模块提供了四个功能：dumps、dump(序列化，存）、loads（反序列化，读）
load（不仅可以序列化字典，列表…可以把python中任意的数据类型序列化）

pickle.dumps 和 pickle.loads

import pickle
dic = {'k1':'v1','k2':'v2','k3':'v3'}
str_dic = pickle.dumps(dic)
print(str_dic)  # 一串二进制内容

dic2 = pickle.loads(str_dic)
print(dic2)    # 字典

pickle.dump 和 pickle.load

import time
struct_time  = time.localtime(1000000000)
print(struct_time)
f = open('pickle_file','wb')
pickle.dump(struct_time,f)
f.close()

f = open('pickle_file','rb')
struct_time2 = pickle.load(f)
print(struct_time2.tm_year)

import pickle

# 序列化:将对象保存到文件中去 - 存 # 可以是 列表、元组
list1 = ["周杰伦","林俊杰","陈奕迅","肖战"]
#tuple1 = ("周杰伦","林俊杰","陈奕迅","肖战")
wf = open("data.txt","wb") # wb 重新写，会擦除原来的内容

# 参数1 obj： 需要保存的对象名
# 参数2 file: 要保存的文件（打开）
pickle.dump(list1,wf)
# pickle.dump(tuple1,wf)

wf.close() # 还会保存好类型信息，存好之后，可以“关闭”后读取使用

# 反序列化--将文件中的数据读取出来，转换成对象 -取
rf = open("data.txt","rb")
# 参数1 file: 要读取的文件(打开)
res = pickle.load(rf)
print(res)
print(type(res))

rf.close()

特点和需要注意的问题

# 支持在python中几乎所有的数据类型
dic = {(1,2,3):{'a','b'},1:'abc'}
ret = pickle.dumps(dic)
print(ret)
# dumps 序列化的结果只能是字节
print(pickle.loads(ret))
# 只能在python中使用
# 在和文件操作的时候,需要用rb wb的模式打开文件

with open('pickle_file','wb') as f:
    pickle.dump(dic,f)

with open('pickle_file','rb') as f:
    ret = pickle.load(f)
    print(ret,type(ret))

# 可以多次dump 和 多次load
import pickle

dic = {(1,2,3):{'a','b'},1:'abc'}
dic1 = {(1,2,3):{'a','b'},2:'abc'}
dic2 = {(1,2,3):{'a','b'},3:'abc'}
dic3 = {(1,2,3):{'a','b'},4:'abc'}

with open("pickle_file","wb") as f:
     pickle.dump(dic,f) # 序列化没有返回值
     pickle.dump(dic1, f)
     pickle.dump(dic2, f)
     pickle.dump(dic3, f)

with open('pickle_file','rb') as f:
     while True:
          try:
               ret = pickle.load(f) # 反序列化，需要返回值
               print(ret,type(ret))
          except EOFError:
               break

既然pickle如此强大，为什么还要学json呢？
json是一种所有的语言都可以识别的数据结构。
如果我们将一个字典或者序列化成了一个json存在文件里，那么java代码或者js代码也可以拿来用。
但是如果我们用pickle进行序列化，其他语言就不能读懂这是什么了！
所以，如果你序列化的内容是列表或者字典，非常推荐你使用json模块
但如果出于某种原因不得不序列化其他的数据类型，而未来你还会用python对这个数据进行反序列化的话，那么就可以使用pickle