#序列化模块 #what #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叫做序列化。 #why #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.使程序更具有维护性 #str-------------反序列化-------->>>数据结构 #数据结构<<<-------序列化-------------str #json #json模块提供了四个功能:dumps,dump,loads,load #loads 和 dumps **************** import json dic0 = {'k1':'v1', 'k2':'v2'} str_dic = json.dumps(dic0) #序列化:将一个字典转换成一个字符串 print(str_dic, type(str_dic))#{"k1": "v1", "k2": "v2"} <class 'str'> #注意:要用json转换完的字符串类型的字典中的字符串是由""表示的 dic1 = json.loads(str_dic) #反序列化:将一个字符串格式的字典转换为一个字典 #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(dic1, type(dic1))#{'k1': 'v1', 'k2': 'v2'} <class 'dict'> 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'}] #load 和 dump ****************** import json f = open('json_file','w') dic0 = {'k1':'v1', 'k2':'v2'} json.dump(dic0,f) #dump方法接收一个文件句柄,直接将字典转为json字符串写入文件 f.close() f = open('json_file', 'r') dic1 = 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(dic1, type(dic1))#{'k1': 'v1', 'k2': 'v2'} <class 'dict'> #ensure_ascii关键字参数 ******** import json f = open('file.txt','w',encoding='utf-8') ret = json.dumps({'国籍':'美国'},ensure_ascii=False) f.write(ret+'\n') f.close() #其他参数说明 # 1.Serialize obj to a JSON formatted str.(字符串表示的json对象) # 2.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 # 3.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). # 4.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 # 5.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。 # 6.default(obj) is a function that should return a serializable version of obj or raise TypeError. The default simply raises TypeError. # 7.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. #json的格式化输出 import json data = {'username':['李大爷','二大爷'],'sex':'male','age':16} json_dic2 = json.dumps(data,sort_keys=True,indent=2,separators=(',',':'),ensure_ascii=False) print(json_dic2) #总结: #1.json格式的key必须是字符串数据类型,json格式中的字符串必须是”“双引号 #2.如果数字是key,那么dump之后会强行转为字符串类型 #3.json对元组做value的字典会把元组强行转为列表,json对元组做key,不支持,会报错 #4.中文格式在文件中dumps和dump有关键字参数ensure_ascii #5.json的其他参数 sort_keys,indent,separators #6.不允许存set数据类型,set不能被dump和dumps #7.不可以多次dunp #pickle # 用于序列化的两个模块 # 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 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 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) # 这时候机智的你又要说了,既然pickle如此强大,为什么还要学json呢? # 这里我们要说明一下,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 #总结: #1.dump的结果是bytes,dunp用的文件句柄需要wb,load需要用rb #2.支持几乎所有对象的序列化,对应对象的序列化需要这个对象对应的类在内存中 #3.可以多次dump while i: try: picle.load(f) excepe EOFError: break #shelve # 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 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, #shelf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