zoukankan      html  css  js  c++  java
  • Python模块之json,pickle,shelve:序列化

    序列化模块

    之前我们学习过用eval内置方法可以将一个字符串转成python对象,不过,eval方法是有局限性的,对于普通的数据类型,json.loads和eval都能用,但遇到特殊类型的时候,eval就不管用了,所以eval的重点还是通常用来执行一个字符串表达式,并返回表达式的值。

    #---转换类型
    ​
    d={"name":"yuan"}
    ​
    s=str(d)
    ​
    print(type(s))
    ​
    d2=eval(s)
    ​
    print(d2[1])
    ​
    with open("test") as f:
    ​
        for i in f :
    ​
            if type(eval(i.strip()))==dict:
                print(eval(i.strip())[1])
                
    # 计算
    ​
    print(eval("12*7+5-3"))

    什么是序列化?

    我们把对象(变量)从内存中变成可存储或传输的过程称之为序列化,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。序列化之后,就可以把序列化后的内容写入磁盘,或者通过网络传输到别的机器上。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模块

    如果我们要在不同的编程语言之间传递对象,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语言的对象一个子集,JSON和Python内置的数据类型对应如下:

    JSON类型Python类型
    {} dict
    [] list
    "string" str
    1234.56 int/float
    true/false True/False
    null None
    import json
    i=10
    s='hello'
    t=(1,4,6)
    l=[3,5,7]
    d={'name':"yuan"}
    ​
    json_str1=json.dumps(i)
    json_str2=json.dumps(s)
    json_str3=json.dumps(t)
    json_str4=json.dumps(l)
    json_str5=json.dumps(d)
    ​
    print(json_str1)   #'10'
    print(json_str2)   #'"hello"'
    print(json_str3)   #'[1, 4, 6]'
    print(json_str4)   #'[3, 5, 7]'
    print(json_str5)   #'{"name": "yuan"}'

    python在文本中的使用:

    #----------------------------序列化
    import json
    ​
    dic={'name':'alvin','age':23,'sex':'male'}
    print(type(dic))#<class 'dict'>
    ​
    data=json.dumps(dic)
    print("type",type(data))#<class 'str'>
    print("data",data)
    ​
    ​
    f=open('序列化对象','w')
    f.write(data)  #-------------------等价于json.dump(dic,f)
    f.close()
    ​
    ​
    #-----------------------------反序列化<br>
    import json
    f=open('序列化对象')
    new_data=json.loads(f.read())#  等价于data=json.load(f)
    ​
    print(type(new_data))

    pickle模块

    ##----------------------------序列化
    import pickle
     
    dic={'name':'alvin','age':23,'sex':'male'}
     
    print(type(dic))#<class 'dict'>
     
    j=pickle.dumps(dic)
    print(type(j))#<class 'bytes'>
     
     
    f=open('序列化对象_pickle','wb')#注意是w是写入str,wb是写入bytes,j是'bytes'
    f.write(j)  #-------------------等价于pickle.dump(dic,f)
     
    f.close()
    #-------------------------反序列化
    import pickle
    f=open('序列化对象_pickle','rb')
     
    data=pickle.loads(f.read())#  等价于data=pickle.load(f)
     
    print(data['age'])    

    shelve模块

    shelve模块比pickle模块简单,只有一个open函数,返回类似字典的对象,可读可写;key必须为字符串,而值可以是python所支持的数据类型

    import shelve
      
    f = shelve.open(r'shelve.txt')
      
    # f['stu1_info']={'name':'alex','age':'18'}
    # f['stu2_info']={'name':'alvin','age':'20'}
    # f['school_info']={'website':'oldboyedu.com','city':'beijing'}
    #
    #
    # f.close()
      
    print(f.get('stu_info')['age'])
  • 相关阅读:
    PCA理论与实践
    深度挖掘客户价值—分析角度篇
    多元线性回归理论与实践
    数据分析框架
    Growing转化的每一步(笔记整理)
    kmeans算法原理以及实践操作(多种k值确定以及如何选取初始点方法)
    mysql查询优化(持续更新中)
    mysql 各种运算对于null值的处理
    left join与on,where 结合一起用的异同
    Spark(十一) -- Mllib API编程 线性回归、KMeans、协同过滤演示
  • 原文地址:https://www.cnblogs.com/rendawei/p/7067227.html
Copyright © 2011-2022 走看看