python3 序列化模块（jsonpickleshelve）

Posted 2020-10-20 jason.lv

序列化模块

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.json

Json模块提供了四个功能：dumps、dump、loads、load

 

import json
#(1)dumps
dic = {\'k1\':\'值1\',\'k2\':\'值2\',\'k3\':\'值3\'}
str_dic = json.dumps(dic)   #将字典转换成一个字符串
print(type(str_dic),str_dic)
\'\'\'结果：
<class \'str\'> {"k3": "\\u503c3", "k1": "\\u503c1", "k2": "\\u503c2"}
\'\'\'

#（2）loads
dic2 = json.loads(str_dic)  #将一个序列化转换成字典
print(type(dic2),dic2)
\'\'\'结果：
<class \'dict\'> {\'k3\': \'值3\', \'k1\': \'值1\', \'k2\': \'值2\'}
\'\'\'

#（3）dump
f1 = open(\'json_file\',\'w\')  #默认编码方式是GBK
dic = {\'k1\':\'值1\',\'k2\':\'值2\',\'k3\':\'值3\'}
json.dump(dic,f1)   #dump方法将dic字典信息，转换成json字符串写入文件
f1.close()

#（4）load
f = open(\'json_file\')   #默认编码方式是GBK
dic2 = json.load(f) #load方法将文件中的内容转换成数据类型返回
f.close()
print(type(dic2),dic2)
\'\'\'结果：
<class \'dict\'> {\'k3\': \'值3\', \'k1\': \'值1\', \'k2\': \'值2\'}
\'\'\'

#（5）ensure_ascii
import json
f = open(\'file\',\'w\')    #以写的方式打开一个文件    #默认编码方式是GBK
json.dump({\'国籍\':\'中国\'},f)    #将{\'国籍\':\'中国\'}转换成json字符串写入文件中
ret = json.dumps({\'国籍\':\'中国\'})   #将{\'国籍\':\'中国\'}转换成json字符串赋给变量ret
f.write(ret+\'\\n\')   #将ret的json字符串内容写入文件
json.dump({\'国籍\':\'美国\'},f,ensure_ascii=False) #dump对于中文默认以ASCII码存储，如果不使用需指定ensure_ascii=False
ret = json.dumps({\'国籍\':\'美国\'},ensure_ascii=False)    #dumps对于中文默认以ASCII码存储，如果不使用需指定ensure_ascii=False
f.write(ret+\'\\n\')
f.close()

#（6）其它参数说明
r\'\'\'
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.
\'\'\'

#（7）格式化输出
import json
data = {\'username\':[\'李华\',\'二愣子\'],\'sex\':\'male\',\'age\':16}
json_dic2 = json.dumps(data,sort_keys=True,indent=2,separators=(\',\',\':\'),ensure_ascii=False)
print(json_dic2)
\'\'\'结果：
{
  "age":16,
  "sex":"male",
  "username":[
    "李华",
    "二愣子"
  ]
}\'\'\'

2.pickle

json和pickle的区别
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

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）

import pickle
#（1）dumps
dic = {\'k1\':\'v1\',\'k2\':\'v2\',\'k3\':\'v3\'}
str_dic = pickle.dumps(dic) # dumps 方法将字典转换成字节
print(str_dic)
\'\'\'结果：
b\'\\x80\\x03}q\\x00(X\\x02\\x00\\x00\\x00k2q\\x01X\\x02\\x00\\x00\\x00v2q\\x02X\\x02\\x00\\x00\\x00k1q\\x03X\\x02\\x00\\x00\\x00v1q\\x04X\\x02\\x00\\x00\\x00k3q\\x05X\\x02\\x00\\x00\\x00v3q\\x06u.\'
\'\'\'

#（2）loads
dic2 = pickle.loads(str_dic)    # loads反序列化方法，将dumps生成的字节转换成数据类型
print(dic2)    #字典
\'\'\'结果：
{\'k2\': \'v2\', \'k1\': \'v1\', \'k3\': \'v3\'}
\'\'\'


#（3）dump
import time
struct_time  = time.localtime(1000000000)
print(struct_time)
f = open(\'pickle_file\',\'wb\')
pickle.dump(struct_time,f)  #dump序列化方法，将内容转换成序列化数据存到文件汇总
f.close()

#（4）load
f = open(\'pickle_file\',\'rb\')
struct_time2 = pickle.load(f)   #load反序列化方法，将文件中的序列化数据读取出来
print(struct_time2.tm_year)

3.shelve

# shelve也是python提供给我们的序列化工具，比pickle用起来更简单一些。
# shelve只提供给我们一个open方法，是用key来访问的，使用起来和字典类似。
#（1）shelve存入数据
import shelve
f = shelve.open(\'shelve_file\')
f[\'key\'] = {\'int\':10, \'float\':9.5, \'string\':\'Sample data\'}  #直接对文件句柄操作，就可以存入数据
f.close()

#（2）shelve读出数据
import shelve
f1 = shelve.open(\'shelve_file\')
existing = f1[\'key\']  #取出数据的时候也只需要直接用key获取即可，但是如果key不存在会报错
f1.close()
print(existing)