一、serialize 序列化
1、什么叫序列化——將原本的字典、列表等內容轉換成一個字符串的過程就叫做序列化。
比如,我們在python代碼中計算的一個數據需要給另外一段程序使用,那我們怎么給?
python socket框架?現在我們能想到的方法就是存在文件里,然后另一個python程序再從文件里讀出來。
但是我們都知道,對于文件來說是沒有字典這個概念的,所以我們只能將數據轉換成字典放到文件中。
你一定會問,將字典轉換成一個字符串很簡單,就是str(dic)就可以辦到了,為什么我們還要學習序列化模塊呢?
沒錯序列化的過程就是從dic 變成str(dic)的過程。現在你可以通過str(dic),將一個名為dic的字典轉換成一個字符串,
Python序列,但是你要怎么把一個字符串轉換成字典呢?
聰明的你肯定想到了eval(),如果我們將一個字符串類型的字典str_dic傳給eval,就會得到一個返回的字典類型了。
eval()函數十分強大,但是eval是做什么的?e官方demo解釋為:將字符串str當成有效的表達式來求值并返回計算結果。
BUT!強大的函數有代價。安全性是其最大的缺點。
python json、想象一下,如果我們從文件中讀出的不是一個數據結構,而是一句"刪除文件"類似的破壞性語句,那么后果實在不堪設設想。
而使用eval就要擔這個風險。
所以,我們并不推薦用eval方法來進行反序列化操作(將str轉換成python中的數據結構)
2、序列化的目的
python爬蟲教程。1)、以某種存儲形式使自定義對象持久化;
2)、將對象從一個地方傳遞到另一個地方。
3)、使程序更具維護性。
二、常用的序列化模塊
python django、1、json模塊
json模塊提供了四個功能:dumps、dump、loads、load
1) 內存中的序列化和反序列化(dumps loads)
1 mport json2 dic = {'k1': 'v1', 'k2': 'v2', 'k3': 'v3'}3 #str_dic = str(dic) #不安全
python吧,4 str_dic = json.dumps(dic) #序列化:將一個字典轉換成一個字符串
5 print(type(str_dic), str_dic) # {"k3": "v3", "k2": "v2", "k1": "v1"}
6 #注意,json轉換完的字符串類型的字典中的字符串是由""表示的
7
python入門。8 dic1 = json.loads(str_dic) #反序列化:將一個字符串格式的字典轉換成一個字典
9 print(type(dic1), dic1) # {'k2': 'v2', 'k3': 'v3', 'k1': 'v1'}
10
11 dic_in_list = [1,['a','b','c'],3,{'k1':'v1','k2':'v2'}]12 str_dic_in_list =json.dumps(dic_in_list)13 print(type(str_dic_in_list), str_dic_in_list) # [1, ["a", "b", "c"], 3, {"k1": "v1", "k2": "v2"}]
14 dic_in_list1 =json.loads(str_dic_in_list)15 print(type(dic_in_list1), dic_in_list1) # [1, ['a', 'b', 'c'], 3, {'k2': 'v2', 'k1': 'v1'}]
2) 文件中的的序列化和反序列化(dump load
1 #f = open('json_file','w')
2 #dic = {'k1':'v1','k2':'v2','k3':'v3'}
3 #json.dump(dic, f) #dump方法接收一個文件句柄,直接將字典轉換成json字符串寫入文件
4 #f.close()
5
6 f = open('json_file')7 dic2 = json.load(f) #load方法接收一個文件句柄,直接將文件中的json字符串轉換成數據結構返回
8 f.close()9 print(type(dic2), dic2) # {'k2': 'v2', 'k3': 'v3', 'k1': 'v1'}
3) ensure_ascii關鍵字參數
1 f = open('file', 'w', encoding='utf-8')2 json.dump({'國籍': '中國'}, f)3 ret = json.dumps({'國籍': '中國'})4 f.write(ret+'\n')5 json.dump({'國籍': '美國'}, f, ensure_ascii=False)6 ret = json.dumps({'國籍': '美國'}, ensure_ascii=False)7 f.write(ret+'\n')8 f.close()
4) 其他參數說明
Serialize obj to a JSON formatted str.(字符串表示的json對象)
Skipkeys:默認值是False,如果dict的keys內的數據不是python的基本類型(str,unicode,int,long,float,bool,None),設置為False時,
就會報TypeError的錯誤。此時設置成True,則會跳過這類key
ensure_ascii:,當它為True的時候,所有非ASCII碼字符顯示為\\uXXXX序列,只需在dump時將ensure_ascii設置為False即可,此時存入json的中文即可正常顯示。)
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:應該是一個非負的整型,如果是0就是頂格分行顯示,如果為空就是一行最緊湊顯示,否則會換行且按照indent的數值顯示前面的空白分行顯示,
這樣打印出來的json數據也叫pretty-printed json
separators:分隔符,實際上是(item_separator, dict_separator)的一個元組,默認的就是(‘,’,’:’);這表示dictionary內keys之間用“,”隔開,
而KEY和value之間用“:”隔開。
default(obj) is a function that should return a serializable version of obj or raise TypeError. The default simply raises TypeError.
sort_keys:將數據根據keys的值進行排序。
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.
5)json的格式化輸出
data = {'username': ['李華', '二愣子'], 'sex': 'male', 'age': 16}
json_dic2= json.dumps(data, sort_keys=True, indent=2, separators=(',', ':'), ensure_ascii=False)print(json_dic2)
2、json & pickle 模塊
用于序列化的兩個模塊
json,用于字符串和python數據類型間進行轉換
pickle,用于python特有的類型和python的數據類型間進行轉換
pickle模塊提供了四個功能:dumps、dump(序列化,存)、loads(反序列化,讀)、load (不僅可以序列化字典,列表...可以把python中任意的數據類型序列化)
1)pickle
1 importpickle2 dic = {'k1': 'v1', 'k2': 'v2', 'k3': 'v3'}3 str_dic =pickle.dumps(dic)4 print(str_dic) #一串二進制內容
5
6 dic2 =pickle.loads(str_dic)7 print(dic2) #字典
8
9 importtime10 struct_time = time.localtime(1000000000)11 print(struct_time)12 f = open('pickle_file', 'wb')13 pickle.dump(struct_time, f)14 f.close()15
16 f = open('pickle_file', 'rb')17 struct_time2 =pickle.load(f)18 print(struct_time2.tm_year)
這時候機智的你又要說了,既然pickle如此強大,為什么還要學json呢?
這里我們要說明一下,json是一種所有的語言都可以識別的數據結構。
如果我們將一個字典或者序列化成了一個json存在文件里,那么java代碼或者js代碼也可以拿來用。
但是如果我們用pickle進行序列化,其他語言就不能讀懂這是什么了~
所以,如果你序列化的內容是列表或者字典,我們非常推薦你使用json模塊
但如果出于某種原因你不得不序列化其他的數據類型,而未來你還會用python對這個數據進行反序列化的話,那么就可以使用pickle
版权声明:本站所有资料均为网友推荐收集整理而来,仅供学习和研究交流使用。
工作时间:8:00-18:00
客服电话
电子邮件
admin@qq.com
扫码二维码
获取最新动态