序列化模块
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。
为什么要有序列化模块
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)
'''
可以直接写入文件的类型:
1. 字符串
2. 二进制
'''
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
json格式数据:实现了跨语言传输
json格式的数据:字典里面的key值一定是双引号 {}
Json模块提供了四个功能:dumps、dump、loads、load
loads和dumps
d = {"username": 'kevin', "age": 19} # dict
print(d)
res = json.dumps(d) # str类型
print(res, type(res)) # {"username": "kevin", "age": 19} json格式的字符串
res1 = json.loads(res)
print(res1, type(res1))
# 把字典写入文件,并且读出来的时候也要是字典
with open('a.txt', 'w', encoding='utf-8') as f:
f.write(json.dumps(d))
with open('a.txt', 'r', encoding='utf-8') as f:
data = json.loads(f.read())
print(data, type(data))
'''
不同语言之间数据传输,要通过网络进行传输,网络传输需要的数据类型是二进制
py: =>>> js
其他数据类型 => 字符串 => 二进制
js: => py
b'{"username": "kevin", "age": 19}'
'''
# json.loads的一个小用法:
res = b'{"username": "kevin", "age": 19}'
# 把二进制转为字符串
json_str = res.decode('utf-8')
print(json_str, type(json_str)) # {"username": "kevin", "age": 19}
# 把json格式的字符串转为字典
json_dict = json.loads(json_str)
print(json_dict, type(json_dict))
load和dump
结合文件使用
d = {"username": 'kevin', "age": 19}
with open('b.txt', 'w', encoding='utf-8') as f:
json.dump(d, f) # 先序列化,在写文件
with open('b.txt', 'r', encoding='utf-8') as f:
res = json.load(f)
print(res, type(res))
d = {"username": 'kevin你好吗', "age": 19}
print(json.dumps(d))
# 结果是;{"username": "kevin\u4f60\u597d\u5417", "age": 19}
d = {"username": 'kevin你好吗', "age": 19}
print(json.dumps(d, ensure_ascii=False))
ensure_ascii关键字参数
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') # 直接输出中文字符
f.close()
哪些数据类型可以支持序列化
json.JSONEncoder # 集合类型不能支持序列化
其他参数说明
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.
json的格式化输出
import json
data = {'username':['李华','二愣子'],'sex':'male','age':16}
json_dic2 = json.dumps(data,sort_keys=True,indent=2,separators=(',',':'),ensure_ascii=False)
print(json_dic2)
pickle
json & pickle 模块
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)
pickle
'''
json和pickle模块都支持dumps, loads; dump, load
pickle处理的数据只能在python中使用,只能自己跟自己玩
pickle序列化之后的数据是二进制
pickle在python中可以序列化所有的数据类型
'''
import pickle
d = {'a': 1}
res = pickle.dumps(d)
print(pickle.loads(res))
with open('c.txt', 'wb') as f:
pickle.dump(d, f)
with open('c.txt', 'rb') as f:
print(pickle.load(f))
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
标签:模块,json,str,print,序列化,pickle,字典 From: https://www.cnblogs.com/zjyao/p/17212839.html