什么是序列化？
我们把对象（变量）从内存中变成可存储或传输的过程称之为序列化。在Python中叫pickling，在其他语言中也被称之为serialization，marshalling，flattening等等，都是一个意思。
为什么要序列化？
持久保存状态
内存是无法永久保存数据的，当程序运行了一段时间，我们断电或者重启程序，内存中关于这个程序的之前一段时间的数据（有结构）都被清空了。在断电或重启程序之前将程序当前内存中所有的数据都保存下来（保存到文件中），以便于下次程序执行能够从文件中载入之前的数据，然后继续执行，这就是序列化。
跨平台数据交互
序列化之后，不仅可以把序列化后的内容写入磁盘，还可以通过网络传输到别的机器上，如果收发的双方约定好实用一种序列化的格式，那么便打破了平台/语言差异化带来的限制，实现了跨平台数据交互。
反过来，把变量内容从序列化的对象重新读到内存里称之为反序列化，即unpickling。
如何序列化之json和pickle
json反序列化
如果我们要在不同的编程语言之间传递对象，就必须把对象序列化为标准格式，比如XML，但更好的方法是序列化为JSON，因为JSON表示出来就是一个字符串，可以被所有语言读取，也可以方便地存储到磁盘或者通过网络传输。JSON不仅是标准格式，并且比XML更快，而且可以直接在Web页面中读取，非常方便。
JSON表示的对象就是标准的JavaScript语言的对象，JSON和Python内置的数据类型对应如下：
| json类型 | python类型 |
|---|
| {} | dic |
| [] | list |
| “string” | str |
| 1234.56 | int或float |
| true/false | True/False |
| null | None |
内存中结构化的数据->格式json->字符串->保存到文件中或基于网络传输
序列化
python->json
1
2
| json.dumps()
json.dump()
|
反序列化
json->python
1
2
| json.loads()
json.load()
|
练习
需求1
把user = {'name': 'jack', 'age': 20, 'sex': 'male'}序列化。保存为user_new.json
序列化
1
2
3
4
5
6
7
8
9
10
11
12
13
14
| #1.使用dumps
import json
user = {'name': 'jack', 'age': 20, 'sex': 'male'}
with open('user_new.json', 'w', encoding='utf-8') as f:
f.write(json.dumps(user))
#结果
{"name": "jack", "age": 20, "sex": "male"}
#2.使用dump
import json
user = {'name': 'jack', 'age': 20, 'sex': 'male'}
json.dump(user, open('user_new.json', 'w', encoding='utf-8'))
使用dumps和使用dump效果一样。
|
需求2：
把刚刚序列化后的文件user_new.json反序列化，并查询key所对应的值。
1
2
3
4
5
6
7
8
9
10
11
12
13
| #使用loads反序列化
import json
with open('user_new.json', 'r', encoding='utf-8') as f:
user=json.loads(f.read())
print(user['name'])
#结果：jack
#使用load反序列化
import json
user=json.load(open('user_new.json', 'r', encoding='utf-8'))
print(user['name'])
#结果：jack
|
以上都是序列化和反序列化文件，自定义的字符串能不能进行序列化和反序列化？
1
2
3
| s = '{"Name": "jack", "Hobby": "play", "age": 20}'
print(json.loads(s))
#结果 {'Name': 'jack', 'Hobby': 'play', 'age': 20}
|
注意
1
2
3
| import json
dct="{'1':111}"#json 不认单引号
dct=str({"1":111})#报错,因为生成的数据还是单引号:{'one': 1}
|
1
2
| dct='{"1":"111"}'
print(json.loads(dct))
|
总结
无论数据是怎样创建的，只要满足json格式，就可以json.loads出来,不一定非要dumps的数据才能loads
pickle反序列化
json并不是所有类型的数据都能序列化。比如集合类型，这时候需要使用pickle模块了。
pickle会把所有类型转换成bytes类型。
Pickle的问题和所有其他编程语言特有的序列化问题一样，就是它只能用于Python，并且可能不同版本的Python彼此都不兼容，因此，只能用Pickle保存那些不重要的数据，不能成功地反序列化也没关系。
1
2
3
4
| s={1,2,3,4,5}
print(pickle.dumps(s))
#结果
b'\x80\x04\x95\x0f\x00\x00\x00\x00\x00\x00\x00\x8f\x94(K\x01K\x02K\x03K\x04K\x05\x90.'
|
将集合存入文件再序列化
1
2
3
4
5
6
7
| import pickle
s = {1, 2, 3, 4, 5}
#方式1
with open('s.plk', 'wb') as f:
f.write(pickle.dumps(s))
#方式2
pickle.dump(s, open('s.plk', 'wb'))
|
反序列化文件
1
2
3
4
5
6
7
8
| import pickle
#方式1
with open('s.plk', 'rb') as f:
s = pickle.loads(f.read())
print(s)
#方式2
s = pickle.load(open('s.plk', 'rb'))
print(s)
|
shelve模块
shelve模块比pickle模块简单，只有一个open函数，返回类似字典的对象，可读可写;key必须为字符串，而值可以是python所支持的数据类型
打开一个文件的同时会创建3个同名文件。.bak .dat .dir结尾。
1
2
3
4
5
6
7
8
| #创建
import shelve
f = shelve.open('db.sh1')
f['stu1']={'name':'jack','age':20}
f.close()
#查询
print(f['stu1']['name'])
|
警告
本文最后更新于 March 26, 2022，文中内容可能已过时，请谨慎使用。