标签：模块 json str print 序列化 pickle 字典

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