20201214 Json与pickle数据序列化

本文主要是介绍20201214 Json与pickle数据序列化，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

1-1文件处理时，只能存字符串或者二进制

info = {'name':'alex','age':22}
f = open("test.text", "w")
f.write(info)
f.close()--->Traceback (most recent call last):TypeError: write() argument must be str, not dict

1-1-1 那么就改成字符串

info = {'name':'alex','age':22}
f = open("test.text", "w")
f.write(str(info))
f.close()成功存进去了
把字典这种内存的数据类型，通过字符串存到硬盘上了，这个过程叫序列化
序列化就是把内存的数据类型，变成字符串了

有序列化就有反序列化，反序列化就是加载回来

1-1-2在一个新的程序里，打开刚才的文件
f = open("test.text","r")
data = eval(f.read())
f.close()print(data['age'])--->
22这种方式，也可以用

但是 eval 不是通用的东西，一种更标准更通用的方式是 Json

1-2import json

info = {'name':'alex','age':22}
f = open("test.text", "w")print(json.dumps(info))--->{"name": "alex", "age": 22}

序列化的时候，不建议用 str，low
打印结果也是变成字符串了

1-2-1现在可以将结果写进去import json

info = {'name':'alex','age':22}
f = open("test.text", "w")
f.write(json.dumps(info))
f.close()

1-3反序列化时import json
f = open("test.text","r")
data = json.loads(f.read())print(data["age"])--->
22序列化用 dumps 反序列化用 loads
实现将内存数据对象存入硬盘，并读回来的功能

2-1import jsondef sayhi(name):print("hello, ", name)# 现在将这个函数的内存地址当做一个 keyinfo = {'name':'alex','age':22,'func':sayhi    # 不要调用，调用就直接返回结果了，这是一个内存地址}

f = open("test.text", "w")
f.write(json.dumps(info))
f.close()--->TypeError: Object of type function is not JSON serializable这不是可序列化的 json 类型，json 只能处理简单数据类型，字典，列表，字符串等
json 是所有语言里面都通用的，所有语言都支持 json
json 主要是用于不同语言之间的数据交互, 所以 json 只默认支持最简单的类型
xml 和 json 的作用是一样的， xml 正在逐渐被 json 取代
xml 是一种标记式语言

2-1-1现在如果处理复杂的数据类型，应该怎么办？
pickle 用法和 json 是完全一样的import pickle 
def sayhi(name):print("hello, ", name)

现在将这个函数的内存地址当做一个 key

info = {'name':'alex','age':22,'func':sayhi    不要调用，调用就直接返回结果了，这是一个内存地址
}

f = open("test.text", "w")
f.write(pickle.dumps(info))
f.close()

打印的结果是二进制的，而且需要编码
pickle 有自己的语法规则和映射的对应关系（这不是加密）

2-1-2import pickle 
def sayhi(name):print("hello, ", name)

info = {'name':'alex','age':22,'func':sayhi    
}

f = open("test.text", "wb")
f.write(pickle.dumps(info))
f.close()

2-1-3 反序列化也是一样的
用rbimport pickle
f = open("test.text","rb")

data = pickle.loads(f.read())print(data)--->AttributeError: Can't get attribute 'sayhi' on <module '__main__' from 'c:\\Us

原因是 虽然 序列化时把内存地址序列化进去了
sayhi 的内存地址，伴随程序执行结束后，就释放了，对象就找不到了
反序列化时，是找不到这个地址的

pickle 可以用于 python 的所有数据类型

2-1-4import pickledef sayhi(name):print("hello,",name)

f = open("test.text","rb")

data = pickle.loads(f.read())print(data)--->{'name': 'alex', 'age': 22, 'func': <function sayhi at 0x0000000001E5C1E0>}

2-1-5import pickledef sayhi(name):print("hello,",name)

f = open("test.text","rb")

data = pickle.loads(f.read())print(data["func"]("Alex"))--->hello, Alex
None

2-2如果序列化和反序列化的对象，只是名字一样
反序列化时，多加了一个内容，或者替换了内容，能够对应吗？import pickledef sayhi(name):print("hello2,",name)

f = open("test.text","rb")

data = pickle.loads(f.read())print(data["func"]("Alex"))--->hello2, Alex
None

说明只要函数名一样，内容可以不一样
因为，序列化时，序列化的不是内存地址，而是整个的内存对象
两个程序中的内存地址不可能一样，因为两个程序是无法互相访问的
函数也可以序列化，这就是 pickle

2-3
pickle 和 json 的区别，pickle 只能支持python本语言，只能在 python 中使用，
java 是不认识 pickle 数据类型的，java 只认识 json

3-1 除了 dump 和 load，其实还有一个方法
可以把 dumps 更简化
dump 的用法是，第一个是 obj 序列号内存对象， 第二个是 文件import pickle 
def sayhi(name):print("hello, ", name)

info = {'name':'alex','age':22,'func':sayhi    
}

f = open("test.text", "wb")
pickle.dump(info，f)   # f.write(pickle.dumps(info))# 两种方式是完全一样的，只是不用写 write 了，把文件句柄传进去f.close()

3-2反序列化2
有 dump 就有 loadimport pickledef sayhi(name):print("hello,",name)

f = open("test.text","rb")# data = pickle.loads(f.read())data = pickle.load(f)print(data["func"]("Alex"))

3-3可以 dump 两次 或者 三次吗？import json

info = {'name':'alex','age':22}
f = open("test.text", "w")
f.write(json.dumps(info))

info['age'] = 21f.write(json.dumps(info))
f.close()--->{"name": "alex", "age": 22}{"name": "alex", "age": 21}
改完之后，存入两个字典

3-4反序列化import json

f = open("test.test","r")

data = json.load(f)print(data)3.0 中 可以 dump 好多次，但是无法 load 好多次

所以，写程序，只 dump 一次，load 一次；新写入的内容冲掉旧内容
想存多个状态，就 dump 成多个文件

这篇关于20201214 Json与pickle数据序列化的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！