zoukankan      html  css  js  c++  java
  • Python基础-序列化(json/pickle)

        我们把对象(变量)从内存中变成可存储的过程称之为序列化,比如XML,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。
    序列化后,就可以把序列化后的内容写入磁盘,或者通过网络传输到其他服务器上,
    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

    json(JavaScript Object Notation)
    一种轻量级的数据交换格式。它基于ECMAScript的一个子集。 JSON采用完全独立于语言的文本格式,但是也使用了类似于C语言家族的
    习惯(包括C、C++、Java、JavaScript、Perl、Python等)。这些特性使JSON成为理想的数据交换语言。易于人阅读和编写,同时也易于机器
    解析和生成(一般用于提升网络传输速率)。
    如果我们要在不同的变成语言之间传递对象,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。
    使用方法如下:
    import json
    # 序列化写(json.dumps())
    with open('test.txt', 'w') as f:
        f.write(json.dumps(dic))
    # 序列化读(json.loads)
    with open('test.txt', 'r') as f:
        print(json.loads(f.read()))
    
    import json
    dic = {'name': 'fanjinbao'}
    # 序列化写(json.dump())
    with open('test.txt', 'w') as f:
        json.dump(dic, f)
    # 序列化读(json.load())
    with open('test.txt', 'r') as f:
        print(json.load(f))
    pickle
    python的pickle模块实现了python的所有数据序列和反序列化。基本上功能使用和JSON模块没有太大区别,方法也同样是dumps/dump
    和loads/load。cPickle是pickle模块的C语言编译版本相对速度更快。与JSON不同的是pickle不是用于多种语言间的数据传输,它仅作为
    python对象的持久化或者python程序间进行互相传输对象的方法,因此它支持了python所有的数据类型。
    pickle反序列化后的对象与原对象是等值的副本对象,类似与deepcopy。
    使用方法如下:
    import pickle
    dic = {'name': 'fanjinbao'}
    # 序列化写(pickle.dump())
    with open('test.txt', 'wb') as f:
        f.write(pickle.dumps(dic))
    # 序列化读(pickle.loads())
    with open('test.txt', 'rb') as f:
        print(pickle.loads(f.read()))
    
    import pickle
    dic = {'name': 'fanjinbao'}
    # 序列化写(pickle.dump())
    with open('test.txt', 'wb') as f:
        pickle.dump(dic, f)
    # 序列化读(pickle.load())
    with open('test.txt', 'rb') as f:
        print(pickle.load(f))
  • 相关阅读:
    Servlet的PrintWriter out = response.getWriter()使用
    Java Performance Optimization Tools and Techniques for Turbocharged Apps--reference
    Scrum介绍——续
    Scrum介绍
    CMM能力成熟度模型
    自定义Spark Partitioner提升es-hadoop Bulk效率——续
    $digest already in progress 解决办法——续
    $digest already in progress 解决办法
    linux tcpdump 抓包
    Asterisk——part 1
  • 原文地址:https://www.cnblogs.com/fansik/p/7692201.html
Copyright © 2011-2022 走看看