【一】序列化和反序列化#

【1】什么是序列化#

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。

【2】为什么要有序列化#

比如，我们在 python代码中计算的一个数据需要给另外一段程序使用，那我们怎么给？
- 现在我们能想到的方法就是存在文件里
- 然后另一个 python 程序再从文件里读出来。
但是我们都知道
- 对于文件来说是没有字典这个概念的
- 所以我们只能将数据转换成字典放到文件中。
你一定会问，将字典转换成一个字符串很简单，就是str(dic)就可以办到了
- 为什么我们还要学习序列化模块呢？
没错序列化的过程就是从dic 变成str(dic)的过程。
现在你可以通过str(dic)
- 将一个名为dic的字典转换成一个字符串，
但是你要怎么把一个字符串转换成字典呢？
- 聪明的你肯定想到了eval()，如果我们将一个字符串类型的字典str_dic传给eval，就会得到一个返回的字典类型了。
- eval()函数十分强大,但是eval是做什么的？
  - 官方demo解释为：
  - 将字符串str当成有效的表达式来求值并返回计算结果。
  - ＢＵＴ！强大的函数有代价。安全性是其最大的缺点。
想象一下
- 如果我们从文件中读出的不是一个数据结构，
- 而是一句”删除文件”类似的破坏性语句
- 那么后果实在不堪设设想。
  而使用eval就要担这个风险。
所以
- 我们并不推荐用eval方法来进行反序列化操作(将str转换成python中的数据结构)

【3】序列化的目的#

以某种存储形式使自定义对象持久化；
将对象从一个地方传递到另一个地方。
使程序更具维护性。

【二】序列化模块json#

【1】导入模块#

1
import json

【2】序列化方法(loads)#

将json字符串转换为Python对象

1
import json
2

3
json_str = '{"name": "Dream", "age": 30, "city": "Shang Hai"}'
4
python_obj = json.loads(json_str)
5

6
print(python_obj,type(python_obj))
7
# {'name': 'Dream', 'age': 30, 'city': 'Shang Hai'} <class 'dict'>
8
# 注释：将 JSON 字符串解码为 Python 字典

【2】反序列化(dumps)#

将Python对象转换为json字符串
json转换完的字符串类型的字典中的字符串是由 "" 表示的

1
import json
2

3
python_obj = {"name": "Dream", "age": 30, "city": "Shang Hai"}
4
json_str = json.dumps(python_obj, indent=2)
5
print(json_str, type(json_str))
6
# {
7
#   "name": "Dream",
8
#   "age": 30,
9
#   "city": "Shang Hai"
10
# } <class 'str'>
11

12
# 注释：将 Python 字典编码为漂亮格式的 JSON 字符串

【3】写入文件(dump)#

（1）不指定参数#

接收一个文件句柄
直接将字典转换成 json字符串写入文件

1
import json
2

3
python_obj = {"name": "John", "age": 30, "city": "New York"}
4
with open("data.json", "w") as json_file:
5
    # indent ： 控制缩进的空格数或字符串
6
    json.dump(python_obj, json_file, indent=2)
7

8
# 注释：将 Python 字典写入 JSON 文件

会在本地生成一个 data.json 的文件在里面有上面写入的数据

（2）指定参数编码(ensure_ascii)#

1
import json
2

3
python_obj = {"name": "蚩梦", "age": 30, "city": "Shang Hai"}
4
# 写文件时指定编码格式为 utf-8 ---> 这样在json文件中存储的中文才是正常的中文，否则是二进制数据
5
with open("data.json", "w",encoding='utf-8') as json_file:
6
    #  ensure_ascii=False 上面指定编码格式后需要将 默认使用 ascii 这个选项设置为否
7
    json.dump(python_obj, json_file, indent=2,ensure_ascii=False)
8

9
# 注释：将 Python 字典写入 JSON 文件

1
# 未指定 encoding='utf-8'
2
{
3
  "name": "\u86a9\u68a6",
4
  "age": 30,
5
  "city": "Shang Hai"
6
}
7

8
# 指定 encoding='utf-8'
9
{
10
  "name": "蚩梦",
11
  "age": 30,
12
  "city": "Shang Hai"
13
}

（3）指定参数分隔符(separators)#

1
import json
2

3
python_obj = {"name": "蚩梦", "age": 30, "city": "Shang Hai"}
4
with open("data.json", "w", encoding='utf-8') as json_file:
5

6
    # 将默认的分隔符 , 替换成我们的指定分隔符 -
7
    # 将默认的分隔符 : 替换成我们的指定分隔符 ;
8
    json.dump(python_obj, json_file, indent=2, ensure_ascii=False, separators=(',', ';'))
9

10
# 注释：将 Python 字典写入 JSON 文件

1
{
2
  "name";"蚩梦"-
3
  "age";30-
4
  "city";"Shang Hai"
5
}

（4）其他参数#

1
Serialize obj to a JSON formatted str.(字符串表示的json对象)
2

3
Skipkeys：
4
  默认值是False
5
      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。
6
      此时设置成True，则会跳过这类key
7

8
ensure_ascii:
9
    当它为True的时候
10
      所有非ASCII码字符显示为\uXXXX序列
11
        只需在dump时将ensure_ascii设置为False即可
12
        此时存入json的中文即可正常显示。
13

14
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).
15
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).
16

17
indent：
18
  应该是一个非负的整型
19
      如果是0就是顶格分行显示
20
        如果为空就是一行最紧凑显示
21
        否则会换行且按照indent的数值显示前面的空白分行显示
22
    这样打印出来的json数据也叫pretty-printed json
23

24
separators：
25
  分隔符
26
      实际上是(item_separator, dict_separator)的一个元组
27
        默认的就是(‘,’,’:’)；
28
          这表示dictionary内keys之间用“,”隔开
29
            而KEY和value之间用“：”隔开。
30

31

32
default(obj) is a function that should return a serializable version of obj or raise TypeError. The default simply raises TypeError.
33

34
sort_keys：
35
  将数据根据keys的值进行排序。
36

37
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.

【4】读文件数据(load)#

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

1
import json
2

3
# 可以选择指定读取数据的默认编码格式
4
with open("data.json", "r",encoding='utf-8') as json_file:
5
    python_obj = json.load(json_file)
6
    print(python_obj, type(python_obj))
7
    # {'name': '蚩梦', 'age': 30, 'city': 'Shang Hai'} <class 'dict'>
8

9
# 注释：从 JSON 文件中读取数据并转为 Python 字典

会从 data.json 中将数据读出来并转换为Python字典

【三】序列化模块pickle#

json & 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

【1】序列化方法(dumps)#

1
import pickle
2

3
dic = {'k1': 'v1', 'k2': 'v2', 'k3': 'v3'}
4
str_dic = pickle.dumps(dic)
5
print(str_dic)
6
# b'\x80\x04\x95#\x00\x00\x00\x00\x00\x00\x00}\x94(\x8c\x02k1\x94\x8c\x02v1\x94\x8c\x02k2\x94\x8c\x02v2\x94\x8c\x02k3\x94\x8c\x02v3\x94u.'
7
print(type(str_dic))
8
# <class 'bytes'>

【2】反序列化方法(loads)#

1
import pickle
2

3
dic = {'k1': 'v1', 'k2': 'v2', 'k3': 'v3'}
4
str_dic = pickle.dumps(dic)
5
print(str_dic)
6
# b'\x80\x04\x95#\x00\x00\x00\x00\x00\x00\x00}\x94(\x8c\x02k1\x94\x8c\x02v1\x94\x8c\x02k2\x94\x8c\x02v2\x94\x8c\x02k3\x94\x8c\x02v3\x94u.'
7
print(type(str_dic))
8
# <class 'bytes'>
9

10
dic2 = pickle.loads(str_dic)
11
print(dic2)
12
# {'k1': 'v1', 'k2': 'v2', 'k3': 'v3'}
13
print(type(dic2))
14
# <class 'dict'>

【3】写入文件(dump)#

1
import pickle
2
import time
3

4
struct_time = time.localtime()
5
print(struct_time)
6
# time.struct_time(tm_year=2023, tm_mon=11, tm_mday=25, tm_hour=20, tm_min=9, tm_sec=46, tm_wday=5, tm_yday=329, tm_isdst=0)
7

8
# 打开文件，并将句柄给 f
9
f = open('pickle_file', 'wb')
10
# 向 pickle_file 文件中写入数据
11
pickle.dump(struct_time, f)
12
# 完成写入，关闭文件
13
f.close()

写入到 pickle_file 文件里面的数据是一堆乱码，看不懂

1
€昫       ?time攲struct_time敁?M?K  K  K  K.K(KK麷 t攠??tm_zone攲涓浗鏍囧噯鏃堕棿攲  tm_gmtoff擬€pu啍R?

【4】读文件数据(load)#

1
import pickle
2

3
# 打开文件的句柄
4
f = open('pickle_file', 'rb')
5
# 将读出来的数据给 struct_time2
6
struct_time2 = pickle.load(f)
7

8
# 我们可以直接操作 struct_time2 --- 上面直接写入的时间元组对象
9
print(struct_time2)
10
# time.struct_time(tm_year=2023, tm_mon=11, tm_mday=25, tm_hour=20, tm_min=9, tm_sec=46, tm_wday=5, tm_yday=329, tm_isdst=0)
11

12
print(type(struct_time2))
13
# <class 'time.struct_time'>
14
print(struct_time2.tm_year)
15
# 2023

【5】小练习#

将Python特有的函数写入文件

1
import pickle
2

3
def index():
4
    print(f" 这是index 函数")
5

6
# 将函数对象写入文件
7
with open('my_func', 'wb') as f:
8
    print(index)
9
    # <function index at 0x0000024D28D03E20>
10
    pickle.dump(index, f)

将Python特有的函数对象在文件中读出来并调用

1
import pickle
2

3

4
def index():
5
    print(f" 这是index 函数")
6

7

8
# 将函数对象写入文件
9
with open('my_func', 'rb') as f:
10
    data = pickle.load(f)
11
    print(data)
12
    # <function index at 0x0000027D9C893E20>
13
    data()
14
    # 这是index 函数

【四】小结#

这时候机智的你又要说了，既然pickle如此强大，为什么还要学json呢？
这里我们要说明一下
- json是一种所有的语言都可以识别的数据结构。
如果我们将一个字典或者序列化成了一个json存在文件里
- 那么java代码或者js代码也可以拿来用。
但是如果我们用pickle进行序列化
- 其他语言就不能读懂这是什么了～
所以，如果你序列化的内容是列表或者字典，我们非常推荐你使用json模块
但如果出于某种原因你不得不序列化其他的数据类型，而未来你还会用python对这个数据进行反序列化的话，那么就可以使用pickle

音乐

音乐

【一】序列化和反序列化#

【1】什么是序列化#

【2】为什么要有序列化#

【3】序列化的目的#

【二】序列化模块json#

【1】导入模块#

【2】序列化方法(loads)#

【2】反序列化(dumps)#

【3】写入文件(dump)#

（1）不指定参数#

（2）指定参数编码(ensure_ascii)#

（3）指定参数分隔符(separators)#

（4）其他参数#

【4】读文件数据(load)#

【三】序列化模块pickle#

【1】序列化方法(dumps)#

【2】反序列化方法(loads)#

【3】写入文件(dump)#

【4】读文件数据(load)#

【5】小练习#

【四】小结#

支持与分享

音乐

常用模块之json、pickle模块

【一】序列化和反序列化#

【1】什么是序列化#

【2】为什么要有序列化#

【3】序列化的目的#

【二】序列化模块json#

【1】导入模块#

【2】序列化方法(loads)#

【2】反序列化(dumps)#

【3】写入文件(dump)#

（1）不指定参数#

（2）指定参数编码(ensure_ascii)#

（3）指定参数分隔符(separators)#

（4）其他参数#

【4】读文件数据(load)#

【三】序列化模块pickle#

【1】序列化方法(dumps)#

【2】反序列化方法(loads)#

【3】写入文件(dump)#

【4】读文件数据(load)#

【5】小练习#

【四】小结#

支持与分享