1.pickle模块实现了用于序列化和反序列化python的对象二进制协议。也就是在python中特有模块，可以将特定数据类型序列化成只有python认识的字符串，pickle提供了四种方法，load，dump 主要是针对文件 ，loads和dumps主要针对于数据
序列化示并写入文件中
import pickle
data = {
'a': [1, 2.0, 3, 4+6j],
'b': ("character string", b"byte string"),
'c': {None, True, False}
}
with open('mydata.pickle', 'wb') as myfile:
pickle.dump(data, myfile)
反序列化示例
import pickle
with open('mydata.pickle', 'rb') as myfile:
data = pickle.load(myfile)
针对于数据序列化
1 # dumps功能 2 import pickle 3 data = ['aa', 'bb', 'cc'] 4 # dumps 将数据通过特殊的形式转换为只有python语言认识的字符串 5 p_str = pickle.dumps(data) 6 print(p_str) 7 b'x80x03]qx00(Xx02x00x00x00aaqx01Xx02x00x00x00bbqx02Xx02x00x00x00ccqx03e.
反序列化
1 # loads功能 2 # loads 将pickle数据转换为python的数据结构 3 mes = pickle.loads(p_str) 4 print(mes) 5 ['aa', 'bb', 'cc']
pickle模块与json模块的对比
pickle模块实现的二进制转换协议与json模块实现的JSON格式转换协议完全不同。
JSON格式是一个文本序列化格式。pickle字节流格式是一个二进制序列化格式。
JSON是人可读的，而pickle字节流无法供人阅读。
JSON多用于与外部其他系统的交互，而pickle字节流仅供Python内部读写。
JSON只能表示Python内置类型，而pickle字节流可以表示开发人员定制类型。
struck模块：该模块在Python值和表示为Python bytes对象的C缓冲区结构体之间进行转换。可用于处理存储在文件中或者来自网络连接，以及其它来源的二进制数据。
struct.pack_into(ftm, buffer, offset, v1, v2, ...)
根据格式化字符串fmt，封装v1，v2等值，并从位置offset开始，将封装的字节写入可写缓冲区buffer中。注意，offset是必需的参数。
struct.unpack(fmt, buffer)
fmt，从缓冲区buffer（假设由pack(fmt, ...)封装）中解包。即使结果只包含一项，也是一个元组。缓冲区的大小（以字节为单位）必需与格式所需的大小匹配，比如calcsize()所得的结果。
>>> from struct import *
>>> pack('hhl', 1, 2, 3)// 将数据打包成二进制的字符串
b'x00x01x00x02x00x00x00x03'
>>> unpack('hhl', b'x00x01x00x02x00x00x00x03')//将数据进行解包操作
(1, 2, 3)
>>> calcsize('hhl')
8
ujson -- JSON 编码和解码
这个模块实现了相应 CPython 模块的一个子集，如下所述。有关更多信息，请参阅原始CPython文档: json
此模块允许在Python对象和JSON数据格式之间进行转换。
函数
示例:
>>> obj = {1:2, 3:4, "a":6}
>>> print(type(obj), obj) #原来为dict类型
<class 'dict'> {3: 4, 1: 2, 'a': 6}
>>> jsObj = ujson.dumps(obj) #将dict类型转换成str
>>> print(type(jsObj), jsObj)
<class 'str'> {3: 4, 1: 2, "a": 6}
ujson.load(stream)-
解析给定的 stream ，将其解释为JSON字符串并将数据反序列化为Python对象。返回结果对象。
解析继续，直到遇到文件结尾。如果未正确形成流中的数据，则引发
ValueError
示例:
>>> obj = {1:2, 3:4, "a":6}
>>> jsDumps = ujson.dumps(obj)
>>> jsLoads = ujson.loads(jsDumps)
>>> print(type(obj), obj)
<class 'dict'> {3: 4, 1: 2, 'a': 6}
>>> print(type(jsDumps), jsDumps)
<class 'str'> {3: 4, 1: 2, "a": 6}
>>> print(type(jsLoads), jsLoads)
<class 'dict'> {'a': 6, 1: 2, 3: 4}
orjson
pip install -U orjson
json_byte = orjson.dumps(data, option=orjson.OPT_NAIVE_UTC | orjson.OPT_SERIALIZE_NUMPY)orjson.loads(json_byte)
以下列表包含一些最常用的整数常量：
OPT_APPEND_NEWLINE — Append to the output. OPT_APPEND_NEWLINE —在输出中附加 。 OPT_INDENT_2 — Pretty-print output with an indent of two spaces. OPT_INDENT_2 —缩进两个空格的漂亮打印输出。 OPT_NAIVE_UTC — Serialize datetime.datetime objects without a tzinfo as UTC. This has no effect on datetime.datetime objects that have tzinfo set. OPT_NAIVE_UTC —将没有tzinfo datetime.datetime对象序列化为UTC。 这对设置了tzinfo datetime.datetime对象没有影响。 OPT_NON_STR_KEYS — Serialize dict keys of type other than string. This option is slower for string keys than the default. OPT_NON_STR_KEYS —序列化字符串以外类型的字典键。 对于字符串键，此选项比默认值慢。 OPT_OMIT_MICROSECONDS — Do not serialize the microsecond field on datetime.datetime and datetime.time instances. OPT_OMIT_MICROSECONDS —不要序列化datetime.datetime和datetime.time实例上的微秒字段。 OPT_SERIALIZE_NUMPY — Serialize numpy.ndarray instances. OPT_SERIALIZE_NUMPY —序列化numpy.ndarray实例。 OPT_SORT_KEYS — Serialize dict keys in sorted order. The default is to serialize in an unspecified order. OPT_SORT_KEYS —按排序顺序对字典键进行序列化。 默认值是未指定顺序进行序列化。 OPT_STRICT_INTEGER — Enforce 53-bits limit on integers instead of the standard 64-bits.Q OPT_STRICT_INTEGER —对整数(而不是标准的64位)强制执行53位限制。
文件读/写 (File Read/Write)
通常可以通过write()函数轻松地将字节内容保存到文件中。 但是，您需要在mode参数中包含b 。 让我们看一下下面的代码片段。
with open("example.json", "wb") as f:
f.write(orjson.dumps(data))
同样，从文件读取很简单，如下所示：
with open("example.json", "rb") as f:
json_data = orjson.loads(f.read())