序列化模块：json模块、pickle模块、shelve模块

目录

• 一、序列化
  • 1.1用于序列化的模块：
  • 1.2功能：
• 二、json模块
  • 2.1功能说明
  • 2.2 注意事项：
• 三、pickle模块
  • 3.1 功能说明
  • 3.2 注意事项
• 四、sheleve模块
  • 4.2注意事项

一、序列化

什么叫序列化——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。
序列化的目的：
1、以某种存储形式使自定义对象持久化；
2、将对象从一个地方传递到另一个地方。
3、使程序更具维护性

1.1用于序列化的模块：

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
shelve,主要用于key,value形式数据的序列化（不建议用）

1.2功能：

Json模块提供了四个功能：dumps、dump(序列化，存）、loads、load（反序列化，读)
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）
shelve只提供open方法，是用key来访问，使用起来和字典类似

二、json模块

Json模块提供了四个功能：dumps、dump、loads、load
jumps序列化：将一个字典转换成一个字符串
loads反序列化：将一个字符串格式的字典转换成一个字典
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
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

2.1功能说明

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，中文格式
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，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.
复制代码

import json
data = {'username':['李华','二愣子'],'sex':'male','age':16}
#data是数据，sort_keys是根据值排序，indent是单位空格缩进，separators是分隔符，ensure_ascii是是否支持中文
json_dic2 = json.dumps(data,sort_keys=True,indent=2,separators=(',',':'),ensure_ascii=False)
print(json_dic2)

2.2 注意事项：

1.json格式的限制，json格式的key必须是字符串数据类型
json格式中的字符串只能是“”双引号，不能是‘’单引号
如果是key不是字符串数据类型，那么会强制转为字符串数据类型
2.json是否支持元组：对元组做value的字典会把元组强制转换为列表
3.json是否支持元组做key：不支持
4.对列表dump：还是列表
5.能不能多次dump数据到文件里：只支持多次写dump，不支持多次读load
如需强行用json模块多次dump，需用dumps转换，然后用for line in f,用json.loads(line)循环反序列化
6.使用ensure_ascii=False可以支持中文格式
7.set类型不能被dump/dumps，其中的数据类型识别会有问题
8.虽然支持的数据类型有限，但是方便json程序处理数据

三、pickle模块

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）
pickle支持几乎所有对象的，但是序列化后得到的都是一串二进制内容

3.1 功能说明

#显示序列化的内容
import pickle
dic = {'k1':'v1','k2':'v2','k3':'v3'}
str_dic = pickle.dumps(dic)
print(str_dic)  #一串字节内容

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)

#pickle支持几乎所有对象的
 class Student:
     def __init__(self,name,age):
         self.name = name
         self.age = age

 alex = Student('alex',83)
 ret = pickle.dumps(alex)
 小花 = pickle.loads(ret)
 print(小花.name)
 print(小花.age)

 class Student:
     def __init__(self,name,age):
         self.name = name
         self.age = age

 alex = Student('alex',83)
 with open('pickle_demo','wb') as f:
     pickle.dump(alex,f)
 with open('pickle_demo','rb') as f:
     旺财 = pickle.load(f)
     print(旺财.name)

#多次dump/load处理
示例：学员选课系统  pickle模块来存储每个学员的对象
 with open('pickle_demo','wb') as f:
     pickle.dump({'k1':'v1'}, f)
     pickle.dump({'k11':'v1'}, f)
     pickle.dump({'k11':'v1'}, f)
     pickle.dump({'k12':[1,2,3]}, f)
     pickle.dump(['k1','v1','l1'], f)

 with open('pickle_demo','rb') as f:
     while True:
         try:
             print(pickle.load(f))
         except EOFError:
             break

3.2 注意事项

dump的结果是bytes字节,dump用的f文件句柄需要以wb的形式打开，load所用的f是'rb'模式
支持几乎所有对象的序列化
对于对象的序列化需要这个对象对应的类在内存重
对于多次dump/load的操作做了良好的处理

四、sheleve模块

主要使用key,value形式数据的序列化

import shelve
# f = shelve.open('shelve_demo')
# f['key'] = {'k1':(1,2,3),'k2':'v2'}
# f.close()

# f = shelve.open('shelve_demo')
# content = f['key']
# f.close()
# print(content)

4.2注意事项

python2.7版本正常，python3.x版本有bug,缺失部分文件，导致只读功能失效
shelve适用场景：
如果你写定了一个文件,改动的比较少，读文件的操作比较多，且你大部分的读取都需要基于某个key获得某个value