一、json 和 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
Json模块提供了四个功能：dumps、dump、loads、load
pickle模块提供了四个功能：dumps、dump、loads、load
例子：
json序列化：
import json
info = {
'name':'lxj',
'age':27
}
with open('text.json','w') as f:
f.write(json.dumps(info)) #这句话等同于json.dump(info,f)
把内容写到文件中，字符串存储的形式为"",''是错误的，这里需要注意
json反序列化：
import json
with open("text.json",'r') as f:
data = json.loads(f.read()) #这句话等同于data = json.load(f)
print(data.get('age')) #不用做任何转换就可以读取字典，读取字典age内容 27
注意：这里如果用json.loads(s)，这里只能传入字符串。上面的例子，虽然data读出来是字典，但是f.read()是字符串
import json
fp = open('test.json','w',encoding='utf-8')
json.dump(["alex", 123, 'eric'],fp)
fp.close()
fp = open('test.json','r',encoding='utf-8')
s = fp.read()
print(s,type(s))
s = json.loads(s)
print(s,type(s))
json总结：json在所有语言都通用，只能保存简单数据类型，如字典、列表、字符串。像函数、类则不能存储。这里注意只dump一次（虽然可以dump多次，但别这么用），只load一次（在3.x模式下）
pickle序列化
pickle：只能在python中用，用法与上面一致，可以序列化函数、类
如：
pickle序列化：
import pickle
def sayhi(name):
print("name is %s"%name)
info = {
'name':'lxj',
'age':28,
"func":sayhi #序列化sayhi函数对象
}
with open('text.text','wb') as f: #这里注意要用二进制模式写。
pickle.dump(info,f)
pickle反序列化：
import pickle
def sayhi(name): #在pickle序列化时，是序列化整个对象。伴随程序运行完结束，sayhi指向的内存地址就释放了。我们这里再调用就会出错，所以一定要定义sayhi函数，我们调用func（）才有用。没什么用。
print("name is %s"%name) #函数体可以变成其他内容
with open("text.text",'rb') as f: #这里注意要用二进制模式读。，
data = pickle.load(f)
print(data.get('func')('lxj')) #运行函数
二、shelve模块
shelve模块是一个简单的k,v将内存数据通过文件持久化的模块，可以持久化任何pickle可支持的python数据格式
shelve模块写：
import shelve
f = shelve.open('shelve_text') #这里注意文件名不能加后缀（如.text,.json都是不行的）
names = ["lxj","sx"]
infos = {
'name':'lxj',
'age':27
}
f['name'] = names
f['info'] = infos
执行完成后会生成三个文件，
shelve模块读：
import shelve
f = shelve.open('shelve_text')
print(f['name'])
print(f['info'])
总结：相当于可以dump多次，load多次
三、XML模块
xml是实现不同语言或程序之间进行数据交换的协议，跟json差不多，但json使用起来更简单，不过，古时候，在json还没诞生的黑暗年代，大家只能选择用xml呀，至今很多传统公司如金融行业的很多系统的接口还主要是xml。
xml的格式如下，就是通过<>节点来区别数据结构的（类似于字典）:
<?xml version="1.0"?>
<data> <country name="Liechtenstein"> <rank updated="yes">2</rank> <year>2008</year> <gdppc>141100</gdppc> <neighbor name="Austria" direction="E"/> <neighbor name="Switzerland" direction="W"/> </country> <country name="Singapore"> <rank updated="yes">5</rank> <year>2011</year> <gdppc>59900</gdppc> <neighbor name="Malaysia" direction="N"/> </country> <country name="Panama"> <rank updated="yes">69</rank> <year>2011</year> <gdppc>13600</gdppc> <neighbor name="Costa Rica" direction="W"/> <neighbor name="Colombia" direction="E"/> </country></data>增删改查操作
import xml.etree.ElementTree as ET
tree = ET.parse("text_xml.xml") #打开文件
root = tree.getroot() #获取根节点
print(root.tag) #获取根节点标签 ，结果data
#遍历XML文档
# for child in root: #遍历子节点
# print(child.tag,child.attrib) #打印子节点的标签，属性
# for i in child: #遍历子节点下的数据
# print(" ",i.tag,i.attrib,i.text) #打印子节点下的标签，属性，及文本
#过滤neighbor数据
# for node in root.iter('neighbor'): #遍历子节点下所有neighbor的数据
# print(node.tag,node.attrib,node.text)
# #过滤子节点下的neighbor数据
# for child in root:
# print(child.tag)
# for i in child.iter('neighbor'):
# print(" ",i.tag,i.attrib,i.text)
#修改数据
# for child in root: #遍历子节点
# if child.attrib['name'] == 'Liechtenstein': #过滤出子节点属性name为Liechtenstein的节点
# for i in child.iter('year'): #在该子节点下过滤出year的数据
# i.text = '2018' #修改文本
# i.set("abc","123") #修改属性
#
# tree.write('text1.xml') #写入文件
#删除node
# for country in root.findall('country'): ##遍历所有country子节点
# rank = int(country.find('rank').text) #找到counrry下的rank的文本
# if rank >50:
# root.remove(country) #移除country节点
# tree.write('text1.xml') #写入文件
#创建xml文件
namelist = ET.Element("NameList") #创建一个根节点
name = ET.SubElement(namelist,"name",attrib={"whatever":'yes',"name":"lxj"}) #创建一个子节点并添加属性
age = ET.SubElement(name,'age') #添加节点至name子节点下
age.text = '26' #为该节点添加文件信息
role = ET.SubElement(name,'role')
role.text = 'teacher'
et = ET.ElementTree(namelist) #生成文档对象
et.write("text3.xml",encoding="utf-8",xml_declaration=True) #写入文件