json&pickle模块
之前我们学习过用eval内置方法可以将一个字符串转成python对象,不过,eval方法是有局限性的,对于普通的数据类型,json.loads和eval都能用,但遇到特殊类型的时候,eval就不管用了,所以eval的重点还是通常用来执行一个字符串表达式,并返回表达式的值。
import json
x = "[null,true,false,1]"
#print(eval(x)) #报错,无法解析null类型,而json就可以
print(json.loads(x))
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?
1:持久保存状态
需知一个软件/程序的执行就在处理一系列状态的变化,在编程语言中,'状态'会以各种各样有结构的数据类型(也可简单的理解为变量)的形式被保存在内存中。
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。
具体的来说,你玩使命召唤闯到了第13关,你保存游戏状态,关机走人,下次再玩,还能从上次的位置开始继续闯关。或如,虚拟机状态的挂起等。
2: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:
import json
dic = {'name': 'lebron'}
print(type(dic)) #<class 'dict'>
data = json.dumps(dic)
print(data) #{"name": "lebron"}
print(type(data)) #<class 'str'>
with open('序列化对象', 'w') as f:
f.write(data)
#等价于json.dump(dic,f)
#-----------反序列化-------------
with open('序列化对象', 'r') as f :
data = json.loads(f.read())
#等价于data=json.load(f)
注意点
import json
dct="{'1':111}"
#print(json.loads(dct))#报错,因为字典{'1':111}有单引号,json 不认单引号
dct='{"1":"111"}'
print(json.loads(dct)) #{'1': '111'}
--------------------------------conclusion-------------------------------------
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
import pickle
dic = {'name': 'lebron', 'age': 34, 'sex': 'male'}
data = pickle.dumps(dic)
with open('序列化对象_pickle', 'wb') as f:
f.write(data)
#等价于pickle.dump(dic, f)
#-------------反序列化--------------
with open('pickle模块', 'rb') as f:
data = pickle.loads(f.read())
#等价于data = pickle.load(f)
print(data['name']) #lebron
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。