【一】序列化和反序列化
【1】什么是序列化
- 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。
【2】为什么要有序列化
- 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，
- 将一个名为
- 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？- 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。
- 聪明的你肯定想到了
- 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)
- 我们并不推荐用
【3】序列化的目的
- 以某种存储形式使自定义对象持久化；
- 将对象从一个地方传递到另一个地方。
- 使程序更具维护性。
【二】序列化模块json
【1】导入模块
import json
【2】序列化方法(loads)
- 将json字符串转换为Python对象
import json
json_str = '{"name": "Dream", "age": 30, "city": "Shang Hai"}'
python_obj = json.loads(json_str)
print(python_obj,type(python_obj))
# {'name': 'Dream', 'age': 30, 'city': 'Shang Hai'} <class 'dict'>
# 注释：将 JSON 字符串解码为 Python 字典
【2】反序列化(dumps)
- 将Python对象转换为json字符串
- json转换完的字符串类型的字典中的字符串是由
""表示的
import json
python_obj = {"name": "Dream", "age": 30, "city": "Shang Hai"}
json_str = json.dumps(python_obj, indent=2)
print(json_str, type(json_str))
# {
# "name": "Dream",
# "age": 30,
# "city": "Shang Hai"
# } <class 'str'>
# 注释：将 Python 字典编码为漂亮格式的 JSON 字符串
【3】写入文件(dump)
（1）不指定参数
- 接收一个文件句柄
- 直接将
字典转换成json字符串写入文件
import json
python_obj = {"name": "John", "age": 30, "city": "New York"}
with open("data.json", "w") as json_file:
# indent ： 控制缩进的空格数或字符串
json.dump(python_obj, json_file, indent=2)
# 注释：将 Python 字典写入 JSON 文件
- 会在本地生成一个
data.json的文件在里面有上面写入的数据
（2）指定参数编码(ensure_ascii)
import json
python_obj = {"name": "蚩梦", "age": 30, "city": "Shang Hai"}
# 写文件时指定编码格式为 utf-8 ---> 这样在json文件中存储的中文才是正常的中文，否则是二进制数据
with open("data.json", "w",encoding='utf-8') as json_file:
# ensure_ascii=False 上面指定编码格式后需要将 默认使用 ascii 这个选项设置为否
json.dump(python_obj, json_file, indent=2,ensure_ascii=False)
# 注释：将 Python 字典写入 JSON 文件
# 未指定 encoding='utf-8'
{
"name": "\u86a9\u68a6",
"age": 30,
"city": "Shang Hai"
}
# 指定 encoding='utf-8'
{
"name": "蚩梦",
"age": 30,
"city": "Shang Hai"
}
（3）指定参数分隔符(separators)
import json
python_obj = {"name": "蚩梦", "age": 30, "city": "Shang Hai"}
with open("data.json", "w", encoding='utf-8') as json_file:
# 将默认的分隔符 , 替换成我们的指定分隔符 -
# 将默认的分隔符 : 替换成我们的指定分隔符 ;
json.dump(python_obj, json_file, indent=2, ensure_ascii=False, separators=(',', ';'))
# 注释：将 Python 字典写入 JSON 文件
{
"name";"蚩梦"-
"age";30-
"city";"Shang Hai"
}
（4）其他参数
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.
【4】读文件数据(load)
- 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
import json
# 可以选择指定读取数据的默认编码格式
with open("data.json", "r",encoding='utf-8') as json_file:
python_obj = json.load(json_file)
print(python_obj, type(python_obj))
# {'name': '蚩梦', 'age': 30, 'city': 'Shang Hai'} <class 'dict'>
# 注释：从 JSON 文件中读取数据并转为 Python 字典
- 会从
data.json中将数据读出来并转换为Python字典
【三】序列化模块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
【1】序列化方法(dumps)
import pickle
dic = {'k1': 'v1', 'k2': 'v2', 'k3': 'v3'}
str_dic = pickle.dumps(dic)
print(str_dic)
# b'\x80\x04\x95#\x00\x00\x00\x00\x00\x00\x00}\x94(\x8c\x02k1\x94\x8c\x02v1\x94\x8c\x02k2\x94\x8c\x02v2\x94\x8c\x02k3\x94\x8c\x02v3\x94u.'
print(type(str_dic))
# <class 'bytes'>
【2】反序列化方法(loads)
import pickle
dic = {'k1': 'v1', 'k2': 'v2', 'k3': 'v3'}
str_dic = pickle.dumps(dic)
print(str_dic)
# b'\x80\x04\x95#\x00\x00\x00\x00\x00\x00\x00}\x94(\x8c\x02k1\x94\x8c\x02v1\x94\x8c\x02k2\x94\x8c\x02v2\x94\x8c\x02k3\x94\x8c\x02v3\x94u.'
print(type(str_dic))
# <class 'bytes'>
dic2 = pickle.loads(str_dic)
print(dic2)
# {'k1': 'v1', 'k2': 'v2', 'k3': 'v3'}
print(type(dic2))
# <class 'dict'>
【3】写入文件(dump)
import pickle
import time
struct_time = time.localtime()
print(struct_time)
# time.struct_time(tm_year=2023, tm_mon=11, tm_mday=25, tm_hour=20, tm_min=9, tm_sec=46, tm_wday=5, tm_yday=329, tm_isdst=0)
# 打开文件，并将句柄给 f
f = open('pickle_file', 'wb')
# 向 pickle_file 文件中写入数据
pickle.dump(struct_time, f)
# 完成写入，关闭文件
f.close()
- 写入到 pickle_file 文件里面的数据是一堆乱码，看不懂
€昫 ?time攲 struct_time敁?M?K K K K.K(KK麷 t攠??tm_zone攲涓浗鏍囧噯鏃堕棿攲 tm_gmtoff擬€pu啍R?
【4】读文件数据(load)
import pickle
# 打开文件的句柄
f = open('pickle_file', 'rb')
# 将读出来的数据给 struct_time2
struct_time2 = pickle.load(f)
# 我们可以直接操作 struct_time2 --- 上面直接写入的时间元组对象
print(struct_time2)
# time.struct_time(tm_year=2023, tm_mon=11, tm_mday=25, tm_hour=20, tm_min=9, tm_sec=46, tm_wday=5, tm_yday=329, tm_isdst=0)
print(type(struct_time2))
# <class 'time.struct_time'>
print(struct_time2.tm_year)
# 2023
【5】小练习
- 将Python特有的函数写入文件
import pickle
def index():
print(f" 这是index 函数")
# 将函数对象写入文件
with open('my_func', 'wb') as f:
print(index)
# <function index at 0x0000024D28D03E20>
pickle.dump(index, f)
- 将Python特有的函数对象在文件中读出来并调用
import pickle
def index():
print(f" 这是index 函数")
# 将函数对象写入文件
with open('my_func', 'rb') as f:
data = pickle.load(f)
print(data)
# <function index at 0x0000027D9C893E20>
data()
# 这是index 函数
【四】小结
- 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