之前我们学习过用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。
1 import json2 x="[null,true,false,1]"3 print(eval(x)) #报错,无法解析null类型,而json就可以4 print(json.loads(x))
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,在其他语言中也被称之为serialization,marshalling,flattening等等,都是一个意思。
为什么要序列化?
1:持久保存状态
需知一个软件/程序的执行就在处理一系列状态的变化,在编程语言中,'状态'会以各种各样有结构的数据类型(也可简单的理解为变量)的形式被保存在内存中。
内存是无法永久保存数据的,当程序运行了一段时间,我们断电或者重启程序,内存中关于这个程序的之前一段时间的数据(有结构)都被清空了。
在断电或重启程序之前将程序当前内存中所有的数据都保存下来(保存到文件中),以便于下次程序执行能够从文件中载入之前的数据,然后继续执行,这就是序列化。
具体的来说,你玩使命召唤闯到了第13关,你保存游戏状态,关机走人,下次再玩,还能从上次的位置开始继续闯关。或如,虚拟机状态的挂起等。
2:跨平台数据交互
序列化之后,不仅可以把序列化后的内容写入磁盘,还可以通过网络传输到别的机器上,如果收发的双方约定好实用一种序列化的格式,那么便打破了平台/语言差异化带来的限制,实现了跨平台数据交互。
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。
如何序列化之json和pickle:
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:
![fc3290339d9a79a5bd74896c4dd5a505.png](https://i-blog.csdnimg.cn/blog_migrate/cab152cc1208523c009dcf85cee9de23.jpeg)
![f8896b0e425830d8b9d17287724e6a5c.png](https://i-blog.csdnimg.cn/blog_migrate/7fd3e692556db47b7138f63ebccc941c.jpeg)
1 import json 2 3 dic={'name':'alvin','age':23,'sex':'male'} 4 print(type(dic))# 5 6 j=json.dumps(dic) 7 print(type(j))# 8 9 10 f=open('序列化对象','w')11 f.write(j) #-------------------等价于json.dump(dic,f)12 f.close()13 #-----------------------------反序列化
14 import json15 f=open('序列化对象')16 data=json.loads(f.read())# 等价于data=json.load(f)
import json#dct="{'1':111}"#json 不认单引号#dct=str({"1":111})#报错,因为生成的数据还是单引号:{'one': 1}dct='{"1":"111"}'print(json.loads(dct))#conclusion:# 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
pickle
![3e7c4ae309bbbba95d832e18fda48578.png](https://i-blog.csdnimg.cn/blog_migrate/39e0a022001dbec4fc7546fcf5474c55.jpeg)
1 import pickle 2 3 dic={'name':'alvin','age':23,'sex':'male'} 4 5 print(type(dic))# 6 7 j=pickle.dumps(dic) 8 print(type(j))# 9 10 11 f=open('序列化对象_pickle','wb')#注意是w是写入str,wb是写入bytes,j是'bytes'12 f.write(j) #-------------------等价于pickle.dump(dic,f)13 14 f.close()15 #-------------------------反序列化16 import pickle17 f=open('序列化对象_pickle','rb')18 19 data=pickle.loads(f.read())# 等价于data=pickle.load(f)20 21 22 print(data['age'])
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。