Python 基础之序列化模块

痛定思痛。 2022-05-16 01:09 270阅读 0赞

## 序列化 ##

**概念**

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。如：将 Python 代码转为文本，方便移植，转化文本这个过程为序列化。

**目的**

> 1.  以某种存储形式使自定义对象持久化；
> 2.  转移对象，方便携带移植；
> 3.  使程序更具有维护性。

![70][]

## **json** ##

使用 json 函数要先导入 json 函数库：import json

**dump和dumps  序列化方法。**

*  dump：必须传文件描述符，将序列化的文件保存在文件中。
 *  dumps：把数据结构直接转化为 json 字符串形式（较为常用）。

将下列数据编码转化为json格式：

import json
    
    data = {'a': 1, 'b': 2, 'c': 3, 'd': 4, 'e': 5}
    json = json.dumps(data)
    print(json, type(json))

结果：

> \{"a": 1, "b": 2, "c": 3, "d": 4, "e": 5\} <class 'str'>
> 
> Process finished with exit code 0

可以看到输出的 json 为字符串对象，下面我们来对比一下 Python 中的数据结构转化 json 的形式为：

<table> 
 <thead> 
  <tr> 
   <th style="width:445px;">Python</th> 
   <th style="width:403px;">json</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td style="width:445px;">dict</td> 
   <td style="width:403px;">object</td> 
  </tr> 
  <tr> 
   <td style="width:445px;">list, tuple</td> 
   <td style="width:403px;">array</td> 
  </tr> 
  <tr> 
   <td style="width:445px;">str, unicode</td> 
   <td style="width:403px;">string</td> 
  </tr> 
  <tr> 
   <td style="width:445px;">int, long, float</td> 
   <td style="width:403px;">number</td> 
  </tr> 
  <tr> 
   <td style="width:445px;">True</td> 
   <td style="width:403px;">true</td> 
  </tr> 
  <tr> 
   <td style="width:445px;">False</td> 
   <td style="width:403px;">false</td> 
  </tr> 
  <tr> 
   <td style="width:445px;">None</td> 
   <td style="width:403px;">null</td> 
  </tr> 
 </tbody> 
</table>

**load和loads  反序列化方法**

*  load：用于接收文件描述符，完成读取文件和反序列化。
 *  loads：把 json 字符串形式直接转化为数据结构（反序列化，较为常用）。

import json
    
    json_data = '{"a": 1, "b": 2, "c": 3, "d": 4, "e": 5}'
    content = json.loads(json_data)
    print(content, type(content))

结果：

> \{'a': 1, 'b': 2, 'c': 3, 'd': 4, 'e': 5\} <class 'dict'>
> 
> Process finished with exit code 0

**注意：字典引号，json 对象中字典的是双引号，否则报错。**

反过来，我们来看看 json 类型转化为 Python 类型的对照表：

<table> 
 <thead> 
  <tr> 
   <th style="width:459px;">json</th> 
   <th style="width:389px;">Python</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td style="width:459px;">object</td> 
   <td style="width:389px;">dict</td> 
  </tr> 
  <tr> 
   <td style="width:459px;">array</td> 
   <td style="width:389px;">list</td> 
  </tr> 
  <tr> 
   <td style="width:459px;">string</td> 
   <td style="width:389px;">unicode</td> 
  </tr> 
  <tr> 
   <td style="width:459px;">number (int)</td> 
   <td style="width:389px;">int, long</td> 
  </tr> 
  <tr> 
   <td style="width:459px;">number (real)</td> 
   <td style="width:389px;">float</td> 
  </tr> 
  <tr> 
   <td style="width:459px;">true</td> 
   <td style="width:389px;">True</td> 
  </tr> 
  <tr> 
   <td style="width:459px;">false</td> 
   <td style="width:389px;">False</td> 
  </tr> 
  <tr> 
   <td style="width:459px;">null</td> 
   <td style="width:389px;">None</td> 
  </tr> 
 </tbody> 
</table>

## **json与demjson** ##

demjson 是 python 的第三方模块库，可用于编码和解码 json 数据，包含了 jsonLint 的格式化及校验功能。

Github 地址：[https://github.com/dmeranda/demjson][https_github.com_dmeranda_demjson]

官方地址：[http://deron.meranda.us/python/demjson/][http_deron.meranda.us_python_demjson]

安装介绍：[http://deron.meranda.us/python/demjson/install][http_deron.meranda.us_python_demjson_install]

**encode和decode函数**

*  encode：将 Python 对象编码成 json 字符串。
 *  decode：将已编码的 json 字符串解码为 Python 对象

（实现代码如json，在这里不做演示。）

## pickle ##

与 json 都是序列化模块，区别如下：

*  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类型的数据为二进制。

pickle 中的方法和 json 相同，都有 load、loads、dump 和 dumps。下面演示 dumps 和 loads 用法：

import pickle
    
    dict_data_one = {"a": 1, "b": 2, "c": 3, "d": 4, "e": 5}
    pickle_data = pickle.dumps(dict_data_one)  # serialization
    print(pickle_data)  # binary
    
    dict_data_two = pickle.loads(pickle_data)  # deserialization
    print(dict_data_two)

结果：

> b'\\x80\\x03\}q\\x00(X\\x01\\x00\\x00\\x00aq\\x01K\\x01X\\x01\\x00\\x00\\x00bq\\x02K\\x02X\\x01\\x00\\x00\\x00cq\\x03K\\x03X\\x01\\x00\\x00\\x00dq\\x04K\\x04X\\x01\\x00\\x00\\x00eq\\x05K\\x05u.'  
> \{'a': 1, 'b': 2, 'c': 3, 'd': 4, 'e': 5\}
> 
> Process finished with exit code 0

下面展示 dump 和 load 用法：

import time
    import pickle
    
    structure_time_one = time.localtime()
    print(structure_time_one)
    f = open('pickle_file', 'wb')
    pickle.dump(structure_time_one, f)
    f.close()
    
    f = open('pickle_file', 'rb')
    structure_time_two = pickle.load(f)
    print(structure_time_two.tm_year,
          structure_time_two.tm_mon,
          structure_time_two.tm_mday)

结果：

> time.struct\_time(tm\_year=2018, tm\_mon=8, tm\_mday=13, tm\_hour=21, tm\_min=41, tm\_sec=50, tm\_wday=0, tm\_yday=225, tm\_isdst=0)  
> 2018 8 13
> 
> Process finished with exit code 0

## 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。

import shelve
    
    f = shelve.open('shelve_file')
    '''operate on the file handle and store the data'''
    f['key'] = {'int': 10, 'float': 9.5, 'string': 'Sample data'}
    f.close()
    
    f = shelve.open('shelve_file')
    content = f['key']
    f.close()
    
    print(content)

结果：

> \{'int': 10, 'float': 9.5, 'string': 'Sample data'\}
> 
> Process finished with exit code 0

这个模块有个限制，它不支持多个应用同一时间往同一个 DB 进行写操作。所以当我们知道我们的应用如果只进行读操作，我们可以让shelve 通过只读方式打开 DB。

由于 shelve 在默认情况下是不会记录待持久化对象的任何修改的，所以我们在 shelve.open() 时候需要修改默认参数，否则对象的修改不会保存。

import shelve
    
    f1 = shelve.open('shelve_file')
    print(f1['key'])
    f1['key']['new_value'] = 'this was not here before'
    f1.close()
    
    f2 = shelve.open('shelve_file', writeback=True)
    print(f2['key'])
    f2['key']['new_value'] = 'this was not here before'
    f2.close()

writeback方式有优点也有缺点。优点是减少了我们出错的概率，并且让对象的持久化对用户更加的透明了；但这种方式并不是所有的情况下都需要，首先，使用 writeback 以后，shelf 在 open() 的时候会增加额外的内存消耗，并且当 DB 在 close() 的时候会将缓存中的每一个对象都写入到 DB，这也会带来额外的等待时间。因为 shelve 没有办法知道缓存中哪些对象修改了，哪些对象没有修改，因此所有的对象都会被写入。

[70]: /images/20220516/09e7e91e41dc420ca41e52875890b404.png
[https_github.com_dmeranda_demjson]: https://github.com/dmeranda/demjson
[http_deron.meranda.us_python_demjson]: http://deron.meranda.us/python/demjson/
[http_deron.meranda.us_python_demjson_install]: http://deron.meranda.us/python/demjson/install