1、pickle和JSON序列化
如果我们想用文本文件保存一个 Python 对象怎么操作?
这里就涉及到序列化的问题,序列化指的是将原本的字典、列表等内容转换成一个字符串的过程。
2、为什么要使用序列化
比如,我们在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?
现在我们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。
但是我们都知道,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。
你一定会问,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?
聪明的你肯定想到了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。
BUT!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,我们并不推荐用eval方法来进行反序列化操作(将str转换成python中的数据结构)
3、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。
Python中最常用两种方式进行序列化:
JSON格式
pickle模块
4、JSON
JSON(JavaScript Object Notation, JS 对象标记)是一种轻量级的数据交换格式。
JSON 格式在互联网应用开发中应用非常广泛,可以作为不同的服务组件之间进行数据传递的格式。在互联网应用提供的各种 API 接口返回值基本都是 JSON 格式。
Python 也提供了 json 模块支持 JSON 序列化。
Json模块提供了四个功能:dumps、dump、loads、load
dumps loads 用于网络传输
dump load 用于文件写入和读取
4.1、dumps、loads 用于对字符串进行操作
dumps 和 loads 分别执行了序列化和反序列化的操作,并且 JSON 序列化后的内容为字符串,所以文本写入和读取不需要用二进制格式。
import json dic = {'name': 'Tom', 'age': 25, 'sex': '男'} ret = json.dumps(dic, ensure_ascii = True) #序列化过程,就是变成一个特殊的字符串 print(ret, type(ret)) # 结果:{"name": "Tom", "age": 25, "sex": "man"} <class 'str'> # json.dumps里面ensure_ascii默认值为True,如果有汉字会显示成"sex": "\u7537",改成False就可以 #注意,json转换完的字符串类型的字典中的字符串是由双引号""表示的 response = json.loads(ret) print(response, type(response)) #反序列化过程,将json的字符串类型转换成字典格式 #结果:{'name': 'Tom', 'age': 25, 'sex': 'man'} <class 'dict'> #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双引号""表示
dic = {'name': 'Tom', 'age': 25, 'sex': '男'}
ret2 = json.dumps(dic, separators=(',', '|'), ensure_ascii=False) 用,分隔键值对,用 | 分隔key和value
print(ret2)
# 结果:{"name"|"Tom","age"|25,"sex"|"男"}
list_dic = [1,['a','b','c'],3,{'k1':'v1','k2':'v2'}] #也可以处理嵌套的数据类型 str_dic = json.dumps(list_dic) print(type(str_dic), str_dic) # 结果:<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'}]
4.2、dump、load 用于对文件进行操作
import json dic = {'k1':'v1','k2':'v2','k3':'v3'} with open('json_file', 'w',encoding='utf-8') as f1: json.dump(dic, f1) #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 with open('json_file', 'r', encoding='utf-8') as f1: dic2 = json.load(f1) #load方法接入一个文件句柄,直接将文件中的json字符串转换成数据结构返回 print(dic2) # {'k1': 'v1', 'k2': 'v2', 'k3': 'v3'} import json data = {'username':['李华','二愣子'],'sex':'male','age':16} json_dict = json.dumps(data, sort_keys=True, indent=2, separators=(',', ':'), ensure_ascii=False) print(json_dict) # { # "age":16, # "sex":"male", # "username":[ # "李华", # "二愣子" # ] # }
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:默认值True,如果dict内含有non-ASCII的字符,则会类似\uXXXX的显示数据,设置成False后,就能正常显示
indent:应该是一个非负的整型,如果值为None,则一行显示数据,否则会换行且按照indent的数量显示前面的空白,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。
encoding:默认是UTF-8,设置json数据的编码方式。
sort_keys:将数据根据keys的值进行排序。
json_dict = json.dumps(data, sort_keys=True, indent=None, separators=(',', '|'), ensure_ascii=False) print(json_dict) 结果:{"age"|16,"sex"|"male","username"|["李华","二愣子"]}
json写入文件时如何写入中文?
在dumps时加入ensure_ascii=False
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。)
在打开文本时加入encoding='utf-8'
Json 适用于所有语言
在python中适用于所有语言的类型有以下这些,python中的集合不在这里
+----------------+---------------+
| Python | JSON |
+=========+=========+
| dict | object |
+----------------+---------------+
| list, tuple | array |
+----------------+---------------+
| str | string |
+----------------+---------------+
| int, float | number |
+----------------+---------------+
| True | true |
+----------------+---------------+
| False | false |
+----------------+---------------+
| None | null |
+----------------+---------------+
5、pickle模块
我们首先通过一个实例将 Python 的一个字典存入到文件中并读取出来恢复成字典对象,这个过程中用的就是 pickle 模块:
pickle 只用于python语言之间的传输,包含所有的python支持的数据类型
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)
import pickle dic = {'k1':'v1','k2':'v2','k3':'v3'} str_dic = pickle.dumps(dic) print(str_dic) # b'\x80\x03}q\x00(X\x02\x00\x00\x00k1q\x01X\x02\x00\x00\x00v1q\x02X\x02\x00\x00\x00k2q\x03X\x02\x00\x00\x00v2q\x04X\x02\x00\x00\x00k3q\x05X\x02\x00\x00\x00v3q\x06u.' dic2 = pickle.loads(str_dic) print(dic2) # {'k1': 'v1', 'k2': 'v2', 'k3': 'v3'}
注意写入和读取文件都需要使用b二进制模式。
最终我们写入文件并读取后仍然可以恢复到原来的字典对象。如果只是想将对象序列化成一个字节流,那可以使用 pickle.dumps(obj)。
import pickle import time struct_time = time.localtime(100) print(struct_time) # time.struct_time(tm_year=1970, tm_mon=1, tm_mday=1, tm_hour=8, tm_min=1, tm_sec=40, tm_wday=3, tm_yday=1, tm_isdst=0) 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) # time.struct_time(tm_year=1970, tm_mon=1, tm_mday=1, tm_hour=8, tm_min=1, tm_sec=40, tm_wday=3, tm_yday=1, tm_isdst=0)
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,我们非常推荐你使用json模块
但如果出于某种原因你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
6、shelve模块
shelve也是python提供给我们的序列化工具,比pickle用起来更简单一些。
shelve只提供给我们一个open方法,是用key来访问的,使用起来和字典类似。
import shelve f = shelve.open('shelve_file') f['key'] = {'int':10, 'float':9.5, 'string':'Sample data'} #直接对文件句柄操作,就可以存入数据 f.close() import shelve f1 = shelve.open('shelve_file') existing = f1['key'] #取出数据的时候也只需要直接用key获取即可,但是如果key不存在会报错 f1.close() print(existing)
这个模块有个限制,它不支持多个应用同一时间往同一个DB进行写操作。所以当我们知道我们的应用如果只进行读操作,我们可以让shelve通过只读方式打开DB
import shelve f = shelve.open('shelve_file', flag='r') existing = f['key'] f.close() print(existing)
由于shelve在默认情况下是不会记录待持久化对象的任何修改的,所以我们在shelve.open()时候需要修改默认参数,否则对象的修改不会保存。
import shelve f1 = shelve.open('shelve_file') print(f1['key']) f1['key']['new_value'] = 'this was not here before' f1.close() f2 = shelve.open('shelve_file', writeback=True) print(f2['key']) f2['key']['new_value'] = 'this was not here before' f2.close()
writeback方式有优点也有缺点。
优点是减少了我们出错的概率,并且让对象的持久化对用户更加的透明了
但这种方式并不是所有的情况下都需要,首先,使用writeback以后,shelve在open()的时候会增加额外的内存消耗,并且当DB在close()的时候会将缓存中的每一个对象都写入到DB,这也会带来额外的等待时间。因为shelve没有办法知道缓存中哪些对象修改了,哪些对象没有修改,因此所有的对象都会被写入。