序列化模块
将原本字典,元组,列表等内容型转化为字符串,以便于存储或者传输操作.
目的
1.以某种储存形式使定义对象持久化,说白了就是将对象储存为文件,而不是在内存中
2.将对象传输时只能使用byts类型,这就需要一些字符串和bytes类型的转化知识了
3.使程序更加的便于维护,
str通过序列化为数据结构
数据结构通过反序列化转化为str
三个大模块
josn#用于字典 或者列表 其他的多语言可以使用 ""两个引号为josn 单引号为字符串 josn特有 其他语言特有,python不计较这些
dumps loads 转化
dump load 直接转化写入文件
pickle python特有,可以将所有数据类型转化
dumps loads 转化
dump load 直接转化写入文件
shelve python提供的工具,可以读取或者存储数据
open 通过key来访问, 存入或者读取数据
实例:
json Json模块提供了四个功能：dumps、dump、loads、load 复制代码 import json dic = {'k1':'v1','k2':'v2','k3':'v3'} str_dic = json.dumps(dic) #序列化：将一个字典转换成一个字符串 print(type(str_dic),str_dic) #<class 'str'> {"k3": "v3", "k1": "v1", "k2": "v2"} #注意，json转换完的字符串类型的字典中的字符串是由""表示的 dic2 = json.loads(str_dic) #反序列化：将一个字符串格式的字典转换成一个字典 #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(type(dic2),dic2) #<class 'dict'> {'k1': 'v1', 'k2': 'v2', 'k3': 'v3'} 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'}] 复制代码 复制代码 import json f = open('json_file','w') dic = {'k1':'v1','k2':'v2','k3':'v3'} json.dump(dic,f) #dump方法接收一个文件句柄，直接将字典转换成json字符串写入文件 f.close() f = open('json_file') dic2 = 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(type(dic2),dic2) 复制代码 复制代码 import json f = open('file','w') json.dump({'国籍':'中国'},f) ret = json.dumps({'国籍':'中国'}) f.write(ret+' ') json.dump({'国籍':'美国'},f,ensure_ascii=False) ret = json.dumps({'国籍':'美国'},ensure_ascii=False) f.write(ret+' ') f.close() 复制代码 复制代码 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. 复制代码 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） 复制代码 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) 复制代码 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
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。 复制代码 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) 复制代码 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 import shelve 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。 复制代码 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() 复制代码 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。
上课的笔记
# 序列化 数据类型 列表 元组 字符串 # 只有字符串能被写入文件中 # 能在网络上传输的只能是bytes -字符串 # 把要传输的和要存储的内容 转换成 字符串 # 字符串 转换回 要传输和存储的内容 # 序列化只有两种作用 # 网络传输 # 数据持久化 - 写在文件里 # json # pickle # shelve # d = {'key1':'value1','key2':'value2'} # print(d) # print(str(d),type(str(d))) # 序列化 # print(eval(str(d)),type(eval(str(d)))) # 反序列化 # import json # d = {'key1':'value1','key2':'value2'} # ret = json.dumps(d) # 序列化 # print(ret,type(ret)) # json # dic = json.loads(ret) # print(dic,type(dic)) # 反序列化操作 #dump load 用在文件操作数据类型的序列化与反序列化上 # with open('json_sample','w') as f: # json.dump(d,f) # with open('json_sample','r') as f: # print(type(json.load(f))) # with open('json_sample3','r') as f: # for line in f: # ret = json.loads(line.strip()) # print(ret,type(ret)) # dumps loads # dump load import json # data = {'username':['李华','二愣子'],'sex':'male','age':16} # json_dic2 = json.dumps(data,sort_keys=True,indent=10,separators=(',',':'),ensure_ascii=False) # print(json_dic2) # data = {'username':['李华','二愣子'],'sex':'male','age':16} # with open('json_sample','w',encoding='utf-8') as f: # json.dump(data,f,ensure_ascii=False) # with open('json_sample','r',encoding='utf-8') as f: # print(json.load(f)) #pickle data = {'username':['李华','二愣子'],'sex':'male','age':16} import pickle # ret = pickle.dumps(data) # print(ret) # print(pickle.loads(ret)) # with open('pickle_sample','wb') as f: # pickle.dump(data,f) # pickle.dump(data,f) # with open('pickle_sample','rb') as f: # print(pickle.load(f)) # print(pickle.load(f)) # 1.pickle模块 dumps之后是bytes # 2.pickle模块 dump之后的内容在文件中是乱的 # 3.pickle模块可以连续dump数据进入文件,然后连续load出来 # 4.pickle可以任意的将python中的数据类型序列化 # json只能对列表 字典 进行序列化 # class A:pass # 程序 # a = A() # b = pickle.dumps(a) # print(b) # print(pickle.loads(b)) 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() # key:{'int':10, 'float':9.5, 'string':'Sample data'} # 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) # import shelve # f1 = shelve.open('shelve_file',writeback=True) # f1['key']['new_value'] = 'this was not here before' # f1.close() # # f1 = shelve.open('shelve_file') # print(f1['key']) # f1.close()