python 模块 - 序列化 json 和 pickle
2021-07-08 17:04
标签：实现 游戏 类型 src http mars except datetime 必须 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。 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。 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。 pthon 中str类型到json中转为unicode类型，None转为null,dict对应object 所谓简单类型就是指上表中出现的python类型。 dumps: 将对象序列化 dump: 将对象序列化并保存到文件 loads: 将序列化字符串反序列化 load: 将序列化字符串从文件读取并反序列化 例如我们碰到对象datetime，或者自定义的类对象等json默认不支持的数据类型时，我们就需要自定义编解码函数。有两种方法来实现自定义编解码。 1、方法一：自定义编解码函数 2、方法二：继承JSONEncoder和JSONDecoder类，重写相关方法 =========================================================== python的pickle模块实现了python的所有数据序列和反序列化。基本上功能使用和JSON模块没有太大区别，方法也同样是dumps/dump和loads/load。cPickle是pickle模块的C语言编译版本相对速度更快。 与JSON不同的是pickle不是用于多种语言间的数据传输，它仅作为python对象的持久化或者python程序间进行互相传输对象的方法，因此它支持了python所有的数据类型。 pickle反序列化后的对象与原对象是等值的副本对象，类似与deepcopy。 dumps/dump序列化 loads/load反序列化 1、JSON只能处理基本数据类型。pickle能处理所有Python的数据类型。 2、JSON用于各种语言之间的字符转换。pickle用于Python程序对象的持久化或者Python程序间对象网络传输，但不同版本的Python序列化可能还有差异。 python 模块 - 序列化 json 和 pickle 标签：实现 游戏 类型 src http mars except datetime 必须 原文地址：https://www.cnblogs.com/peng104/p/9582004.html1,引入
import json
x = "[nuaa,true,dalse,1]"
# print(eval(x)) # 报错,无法解析null类型,而json就可以
print(json.dumps(x)) # "[nuaa,true,dalse,1]"
2,什么时序列化?
3,为什么要序列化?
4,如何和序列化之 json 和 pickle:
json
一,python类型数据和json数据格式互相转换
二,数据encoding和decoding
import json
# 简单编码===========================================
print json.dumps([‘foo‘, {‘bar‘: (‘baz‘, None, 1.0, 2)}])
# ["foo", {"bar": ["baz", null, 1.0, 2]}]
#字典排序
print json.dumps({"c": 0, "b": 0, "a": 0}, sort_keys=True)
# {"a": 0, "b": 0, "c": 0}
#自定义分隔符
print json.dumps([1,2,3,{‘4‘: 5, ‘6‘: 7}], sort_keys=True, separators=(‘,‘,‘:‘))
# [1,2,3,{"4":5,"6":7}]
print json.dumps([1,2,3,{‘4‘: 5, ‘6‘: 7}], sort_keys=True, separators=(‘/‘,‘-‘))
# [1/2/3/{"4"-5/"6"-7}]
#增加缩进，增强可读性，但缩进空格会使数据变大
print json.dumps({‘4‘: 5, ‘6‘: 7}, sort_keys=True,indent=2, separators=(‘,‘, ‘: ‘))
# {
# "4": 5,
# "6": 7
# }
# 另一个比较有用的dumps参数是skipkeys，默认为False。
# dumps方法存储dict对象时，key必须是str类型，如果出现了其他类型的话，那么会产生TypeError异常，如果开启该参数，设为True的话，会忽略这个key。
data = {‘a‘:1,(1,2):123}
print json.dumps(data,skipkeys=True)
#{"a": 1}
#将对象序列化并保存到文件
obj = [‘foo‘, {‘bar‘: (‘baz‘, None, 1.0, 2)}]
with open(r"c:\json.txt","w+") as f:
json.dump(obj,f)
import json
obj = [‘foo‘, {‘bar‘: (‘baz‘, None, 1.0, 2)}]
a= json.dumps(obj)
print(json.loads(a))
# [u‘foo‘, {u‘bar‘: [u‘baz‘, None, 1.0, 2]}]
with open(r"c:\json.txt","r") as f:
print (json.load(f))
三、自定义复杂数据类型编解码
#! /usr/bin/env python
# -*- coding:utf-8 -*-
# __author__ = "TKQ"
import datetime,json
dt = datetime.datetime.now()
def time2str(obj):
#python to json
if isinstance(obj, datetime.datetime):
json_str = {"datetime":obj.strftime("%Y-%m-%d %X")}
return json_str
return obj
def str2time(json_obj):
#json to python
if "datetime" in json_obj:
date_str,time_str = json_obj["datetime"].split(‘ ‘)
date = [int(x) for x in date_str.split(‘-‘)]
time = [int(x) for x in time_str.split(‘:‘)]
dt = datetime.datetime(date[0],date[1], date[2], time[0],time[1], time[2])
return dt
return json_obj
a = json.dumps(dt,default=time2str)
print a
# {"datetime": "2016-10-27 17:38:31"}
print json.loads(a,object_hook=str2time)
# 2016-10-27 17:38:31
#! /usr/bin/env python
# -*- coding:utf-8 -*-
# __author__ = "TKQ"
import datetime,json
dt = datetime.datetime.now()
dd = [dt,[1,2,3]]
class MyEncoder(json.JSONEncoder):
def default(self,obj):
#python to json
if isinstance(obj, datetime.datetime):
json_str = {"datetime":obj.strftime("%Y-%m-%d %X")}
return json_str
return obj
class MyDecoder(json.JSONDecoder):
def __init__(self):
json.JSONDecoder.__init__(self, object_hook=self.str2time)
def str2time(self,json_obj):
#json to python
if "datetime" in json_obj:
date_str,time_str = json_obj["datetime"].split(‘ ‘)
date = [int(x) for x in date_str.split(‘-‘)]
time = [int(x) for x in time_str.split(‘:‘)]
dt = datetime.datetime(date[0],date[1], date[2], time[0],time[1], time[2])
return dt
return json_obj
# a = json.dumps(dt,default=time2str)
a =MyEncoder().encode(dd)
print a
# [{"datetime": "2016-10-27 18:14:54"}, [1, 2, 3]]
print MyDecoder().decode(a)
# [datetime.datetime(2016, 10, 27, 18, 14, 54), [1, 2, 3]]
pickle
from datetime import date
try:
import cPickle as pickle #python 2
except ImportError as e:
import pickle #python 3
src_dic = {"date":date.today(),"oth":([1,"a"],None,True,False),}
det_str = pickle.dumps(src_dic)
print det_str
# (dp1
# S‘date‘
# p2
# cdatetime
# date
# p3
# (S‘\x07\xe0\n\x1b‘
# tRp4
# sS‘oth‘
# p5
# ((lp6
# I1
# aS‘a‘
# aNI01
# I00
# tp7
# s.
with open(r"c:\pickle.txt","w") as f:
pickle.dump(src_dic,f)
from datetime import date
try:
import cPickle as pickle #python 2
except ImportError as e:
import pickle #python 3
src_dic = {"date":date.today(),"oth":([1,"a"],None,True,False),}
det_str = pickle.dumps(src_dic)
with open(r"c:\pickle.txt","r") as f:
print (pickle.load(f))
# {‘date‘: datetime.date(2016, 10, 27), ‘oth‘: ([1, ‘a‘], None, True, False)}
JSON和pickle模块的区别
下一篇：JavaScript 输出
文章标题：python 模块 - 序列化 json 和 pickle
文章链接：http://soscw.com/index.php/essay/102421.html