欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

詳解Python之?dāng)?shù)據(jù)序列化(json、pickle、shelve)

 更新時間:2017年03月30日 14:25:20   作者:云游道士  
本篇文章主要介紹了Python之?dāng)?shù)據(jù)序列化,本節(jié)要介紹的就是Python內(nèi)置的幾個用于進行數(shù)據(jù)序列化的模塊,有興趣的可以了解一下。

一、前言

1. 現(xiàn)實需求

每種編程語言都有各自的數(shù)據(jù)類型,其中面向?qū)ο蟮木幊陶Z言還允許開發(fā)者自定義數(shù)據(jù)類型(如:自定義類),Python也是一樣。很多時候我們會有這樣的需求:

  1. 把內(nèi)存中的各種數(shù)據(jù)類型的數(shù)據(jù)通過網(wǎng)絡(luò)傳送給其它機器或客戶端;
  2. 把內(nèi)存中的各種數(shù)據(jù)類型的數(shù)據(jù)保存到本地磁盤持久化;

2.數(shù)據(jù)格式

如果要將一個系統(tǒng)內(nèi)的數(shù)據(jù)通過網(wǎng)絡(luò)傳輸給其它系統(tǒng)或客戶端,我們通常都需要先把這些數(shù)據(jù)轉(zhuǎn)化為字符串或字節(jié)串,而且需要規(guī)定一種統(tǒng)一的數(shù)據(jù)格式才能讓數(shù)據(jù)接收端正確解析并理解這些數(shù)據(jù)的含義。XML 是早期被廣泛使用的數(shù)據(jù)交換格式,在早期的系統(tǒng)集成論文中經(jīng)??梢钥吹剿纳碛?;如今大家使用更多的數(shù)據(jù)交換格式是JSON(JavaScript Object Notation),它是一種輕量級的數(shù)據(jù)交換格式。JSON相對于XML而言,更加加單、易于閱讀和編寫,同時也易于機器解析和生成。除此之外,我們也可以自定義內(nèi)部使用的數(shù)據(jù)交換格式。

如果是想把數(shù)據(jù)持久化到本地磁盤,這部分數(shù)據(jù)通常只是供系統(tǒng)內(nèi)部使用,因此數(shù)據(jù)轉(zhuǎn)換協(xié)議以及轉(zhuǎn)換后的數(shù)據(jù)格式也就不要求是標(biāo)準(zhǔn)、統(tǒng)一的,只要本系統(tǒng)內(nèi)部能夠正確識別即可。但是,系統(tǒng)內(nèi)部的轉(zhuǎn)換協(xié)議通常會隨著編程語言版本的升級而發(fā)生變化(改進算法、提高效率),因此通常會涉及轉(zhuǎn)換協(xié)議與編程語言的版本兼容問題,下面要時候的pickle協(xié)議就是這樣一個例子。

3. 序列化/反序列化

將對象轉(zhuǎn)換為可通過網(wǎng)絡(luò)傳輸或可以存儲到本地磁盤的數(shù)據(jù)格式(如:XML、JSON或特定格式的字節(jié)串)的過程稱為序列化;反之,則稱為反序列化。

4.相關(guān)模塊

本節(jié)要介紹的就是Python內(nèi)置的幾個用于進行數(shù)據(jù)序列化的模塊:

模塊名稱 描述 提供的api
json 用于實現(xiàn)Python數(shù)據(jù)類型與通用(json)字符串之間的轉(zhuǎn)換 dumps()、dump()、loads()、load()
pickle 用于實現(xiàn)Python數(shù)據(jù)類型與Python特定二進制格式之間的轉(zhuǎn)換 dumps()、dump()、loads()、load()
shelve 專門用于將Python數(shù)據(jù)類型的持久化到磁盤,shelf是一個類似dict的對象,操作十分便捷 open()

二、json模塊

大部分編程語言都會提供處理json數(shù)據(jù)的接口,Python 2.6開始加入了json模塊,且把它作為一個內(nèi)置模塊提供,無需下載即可使用。

1. 序列化與反序列化

Python的JSON模塊 序列化與反序列化的過程分別叫做:encoding 和 decoding。

  1. encoding: 把Python對象轉(zhuǎn)換成JSON字符串
  2. decoding: 把JSON字符串轉(zhuǎn)換成python對象

json模塊提供了以下兩個方法來進行序列化和反序列化操作:

# 序列化:將Python對象轉(zhuǎn)換成json字符串
dumps(obj, skipkeys=False, ensure_ascii=True, check_circular=True, allow_nan=True, cls=None, indent=None, separators=None, default=None, sort_keys=False, **kw)

# 反序列化:將json字符串轉(zhuǎn)換成Python對象
loads(s, encoding=None, cls=None, object_hook=None, parse_float=None, parse_int=None, parse_constant=None, object_pairs_hook=None, **kw)

除此之外,json模塊還提供了兩個額外的方法允許我們直接將序列化后得到的json數(shù)據(jù)保存到文件中,以及直接讀取文件中的json數(shù)據(jù)進行反序列化操作:

# 序列化:將Python對象轉(zhuǎn)換成json字符串并存儲到文件中
dump(obj, fp, skipkeys=False, ensure_ascii=True, check_circular=True, allow_nan=True, cls=None, indent=None, indent=None, separators=None, default=None, sort_keys=False, **kw)

# 反序列化:讀取指定文件中的json字符串并轉(zhuǎn)換成Python對象
load(fp, cls=None, object_hook=None, parse_float=None, parse_int=None, parse_constant=None, object_pairs_hook=None, **kw)

2. JSON與Python之間數(shù)據(jù)類型對應(yīng)關(guān)系

Python轉(zhuǎn)JSON

Python JSON
dict Object
list, tuple array
str string
int, float, int- & float-derived Enums numbers
True true
False false
None null

JSON轉(zhuǎn)Python

JSON Python
object dict
array list
string str
number(int) int
number(real) float
true True
false False
null None

說明:

  1. Python dict中的非字符串key被轉(zhuǎn)換成JSON字符串時都會被轉(zhuǎn)換為小寫字符串;
  2. Python中的tuple,在序列化時會被轉(zhuǎn)換為array,但是反序列化時,array會被轉(zhuǎn)化為list;
  3. 由以上兩點可知,當(dāng)Python對象中包含tuple數(shù)據(jù)或者包含dict,且dict中存在非字符串的key時,反序列化后得到的結(jié)果與原來的Python對象是不一致的;
  4. 對于Python內(nèi)置的數(shù)據(jù)類型(如:str, unicode, int, float, bool, None, list, tuple, dict)json模塊可以直接進行序列化/反序列化處理;對于自定義類的對象進行序列化和反序列化時,需要我們自己定義一個方法來完成定義object和dict之間進行轉(zhuǎn)化。

3. 實例:內(nèi)置數(shù)據(jù)類型序列化/反序列化

序列化

# 序列化
>>> json.dumps({'a':'str', 'c': True, 'e': 10, 'b': 11.1, 'd': None, 'f': [1, 2, 3], 'g':(4, 5, 6)})
'{"a": "str", "c": true, "b": 11.1, "e": 10, "d": null, "g": [4, 5, 6], "f": [1, 2, 3]}'

sort_keys參數(shù): 表示序列化時是否對dict的key進行排序(dict默認是無序的)

# 序列化并對key進行排序
>>> json.dumps({'a':'str', 'c': True, 'e': 10, 'b': 11.1, 'd': None, 'f': [1, 2, 3], 'g':(4, 5, 6)}, sort_keys=True)
'{"a": "str", "b": 11.1, "c": true, "d": null, "e": 10, "f": [1, 2, 3], "g": [4, 5, 6]}'

indent參數(shù): 表示縮進的意思,它可以使得數(shù)據(jù)存儲的格式變得更加優(yōu)雅、可讀性更強;如果indent是一個非負整數(shù)或字符串,則JSON array元素和object成員將會被以相應(yīng)的縮進級別進行打印輸出;如果indent是0或負數(shù)或空字符串,則將只會插入換行,不會有縮進。

# 序列化并對key進行排序及格式化輸出
>>> print(json.dumps({'a':'str', 'c': True, 'e': 10, 'b': 11.1, 'd': None, 'f': [1, 2, 3], 'g':(4, 5, 6)}, sort_keys=True, indent=4)) 
{
 "a": "str", 
 "b": 11.1, 
 "c": true, 
 "d": null, 
 "e": 10, 
 "f": [
  1, 
  2, 
  3
 ], 
 "g": [
  4, 
  5, 
  6
 ]
}

separators參數(shù): 盡管indent參數(shù)可以使得數(shù)據(jù)存儲的格式變得更加優(yōu)雅、可讀性更強,但是那是通過添加一些冗余的空白字符進行填充的。當(dāng)json被用于網(wǎng)絡(luò)數(shù)據(jù)通信時,應(yīng)該盡可能的減少無用的數(shù)據(jù)傳輸,這樣可以節(jié)省貸款并加快數(shù)據(jù)傳輸速度。json模塊序列化Python對象后得到的json字符串中的','號和':'號分隔符后默認都會附加一個空白字符,我們可以通過separators參數(shù)重新指定分隔符,從而去除無用的空白字符;

  1. 該參數(shù)的值應(yīng)該是一個tuple(item_separator, key_separator)
  2. 如果indent是None,其默認值為(', ', ': ')
  3. 如果indent不為None,則默認值為(',', ': ')
  4. 我們可以通過為separator賦值為(',', ':')來消除空白字符
>>> json.dumps({'a':'str', 'c': True, 'e': 10, 'b': 11.1, 'd': None, 'f': [1, 2, 3], 'g':(4, 5, 6)})
'{"a": "str", "c": true, "b": 11.1, "e": 10, "d": null, "g": [4, 5, 6], "f": [1, 2, 3]}'

>>> json.dumps({'a':'str', 'c': True, 'e': 10, 'b': 11.1, 'd': None, 'f': [1, 2, 3], 'g':(4, 5, 6)}, separators=(',',':'))
'{"a":"str","c":true,"b":11.1,"e":10,"d":null,"g":[4,5,6],"f":[1,2,3]}'

反序列化

# 反序列化
>>> json.loads('{"a": "str", "c": true, "b": 11.1, "e": 10, "d": null, "g": [4, 5, 6], "f": [1, 2, 3]}')
{'c': True, 'e': 10, 'a': 'str', 'g': [4, 5, 6], 'd': None, 'f': [1, 2, 3], 'b': 11.1}

>>> json.loads('{"a":"str","c":true,"b":11.1,"e":10,"d":null,"g":[4,5,6],"f":[1,2,3]}')
{'c': True, 'e': 10, 'a': 'str', 'g': [4, 5, 6], 'd': None, 'f': [1, 2, 3], 'b': 11.1}

dump()與load()函數(shù)示例

# 序列化到文件中
>>> with open('test.json', 'w') as fp:
...  json.dump({'a':'str中國', 'c': True, 'e': 10, 'b': 11.1, 'd': None, 'f': [1, 2, 3], 'g':(4, 5, 6)}, fp, indent=4)

# 反序列化文件中的內(nèi)容
>>> with open('test.json', 'r') as fp:
...  json.load(fp)
{'e': 10, 'g': [4, 5, 6], 'b': 11.1, 'c': True, 'd': None, 'a': 'str中國', 'f': [1, 2, 3]}

需要說明的是: 如果試圖使用相同的fp重復(fù)調(diào)用dump()函數(shù)去序列化多個對象(或序列化同一個對象多次),將會產(chǎn)生一個無效的JSON文件,也就是說對于一個fp只能調(diào)用一次dump()。

4. 實例:自定義數(shù)據(jù)類型的序列化/反序列化

Python是面向?qū)ο蟮木幊陶Z言,我們可以自定義需要的數(shù)據(jù)類型;實際工作中,我們常常會用到自定義數(shù)據(jù)類型的序列化與反序列化操作。要實現(xiàn)自定義數(shù)據(jù)類型的序列化與反序列化有兩種方式:

  1. 通過轉(zhuǎn)換函數(shù)實現(xiàn)
  2. 通過繼承JSONEncoder和JSONDecoder類實現(xiàn)

首先來自定義一個數(shù)據(jù)類型

class Student(object):
 def __init__(self, name, age, sno):
  self.name = name
  self.age = age
  self.sno = sno
 
 def __repr__(self):
  return 'Student [name: %s, age: %d, sno: %d]' % (self.name, self.age, self.sno)

直接調(diào)用dumps()方法會引發(fā)TypeError錯誤:

>>> stu = Student('Tom', 19, 1)
>>> print(stu)
Student [name: Tom, age: 19, sno: 1]
>>>
>>> json.dumps(stu)
...
TypeError: Student [name: Tom, age: 19, sno: 1] is not JSON serializable

上面的異常信息中指出:stu對象不可以被序列化為JSON個數(shù)的數(shù)據(jù)。那么我們分別通過“編寫轉(zhuǎn)換函數(shù)” 和 “繼承JSONEncoder和JSONDecoder類” 來實現(xiàn)對這個自定義數(shù)據(jù)類型的JSON序列化和反序列化。

方法1:編寫轉(zhuǎn)換函數(shù)

那么這個轉(zhuǎn)換函數(shù)要完成哪兩個數(shù)據(jù)類型之間的轉(zhuǎn)換呢? 從上面列出的JSON與Python數(shù)據(jù)類型的對應(yīng)表中可知,JSON中的object對應(yīng)的是Python中的dict,因此要對Python中的自定義數(shù)據(jù)類型的對象進行序列化,就需要先把這個對象轉(zhuǎn)換成json模塊可以直接進行序列化dict類型。由此可知,這個轉(zhuǎn)換函數(shù)是要完成的是Python對象(不是JSON對象)與dict之間的相互轉(zhuǎn)換,且序列化時轉(zhuǎn)換過程是“Python對象 --> dict --> JSON object”,反序列化的過程是“JSON object -> dict --> Python對象”。所以,我們需要編寫兩個轉(zhuǎn)換函數(shù)來分別實現(xiàn)序列化和反序列化時的轉(zhuǎn)換過程。

def obj2dict(obj):
 d = {}
 d['__class__'] = obj.__class__.__name__
 d['__module__'] = obj.__module__
 d.update(obj.__dict__)
 return d

def dict2obj(d):
 if '__class__' in d:
  class_name = d.pop('__class__')
  module_name = d.pop('__module__')
  module = __import__(module_name)
  class_ = getattr(module, class_name)
  args = dict((key.encode('ascii'), value) for key, value in d.items())
  instance = class_(**args)
 else:
  instance = d
 return instance

繼承JSONEncoder實現(xiàn)反序列化時還有一個額外的作用,就是可以通過iterencode()方法把一個很大的數(shù)據(jù)對象分多次進行序列化,這對于網(wǎng)絡(luò)傳輸、磁盤持久化等情景非常有用。

>>> for chunk in MyJSONEncoder().iterencode(stu):
...  print(chunk)
...
{
"__class__"
:
"Student"
,
"name"
:
"Tom"
,
"__module__"
:
"__main__"
,
"sno"
:
1
,
"age"
:
19
}

大數(shù)據(jù)對象序列化網(wǎng)絡(luò)傳輸偽代碼:

for chunk in JSONEncoder().iterencode(bigobject):
 mysocket.write(chunk)

序列化測試:

>>> import json

>>> obj2dict(stu)
{'sno': 1, '__module__': '__main__', 'age': 19, '__class__': 'Student', 'name': 'Tom'}

>>> json.dumps(obj2dict(stu))
'{"sno": 1, "__module__": "__main__", "age": 19, "__class__": "Student", "name": "Tom"}'

>>> json.dumps(stu, default=obj2dict)
'{"sno": 1, "__module__": "__main__", "age": 19, "__class__": "Student", "name": "Tom"}'

json.dumps(stu, default=obj2dict) 等價于 json.dumps(obj2dict(stu))

反序列化測試:

>>> json.loads('{"sno": 1, "__module__": "__main__", "age": 19, "__class__": "Student", "name": "Tom"}')
{u'sno': 1, u'__module__': u'__main__', u'age': 19, u'name': u'Tom', u'__class__': u'Student'}

>>> dict2obj(json.loads('{"sno": 1, "__module__": "__main__", "age": 19, "__class__": "Student", "name": "Tom"}'))
Student [name: Tom, age: 19, sno: 1]

>>> json.loads('{"sno": 1, "__module__": "__main__", "age": 19, "__class__": "Student", "name": "Tom"}', object_hook=dict2obj)
Student [name: Tom, age: 19, sno: 1]

json.loads(JSON_STR, object_hook=dict2obj) 等價于 dict2obj(json.loads(JSON_STR))

方法2:繼承JSONEncoder和JSONDecoder實現(xiàn)子類

import json

class MyJSONEncoder(json.JSONEncoder):
 def default(self, obj):
  d = {}
  d['__class__'] = obj.__class__.__name__
  d['__module__'] = obj.__module__
  d.update(obj.__dict__)
  return d

class MyJSONDecoder(json.JSONDecoder):
 def __init__(self):
  json.JSONDecoder.__init__(self, object_hook=self.dict2obj)
 
 def dict2obj(self, d):
  if '__class__' in d:
   class_name = d.pop('__class__')
   module_name = d.pop('__module__')
   module = __import__(module_name)
   class_ = getattr(module, class_name)
   args = dict((key.encode('ascii'), value) for key, value in d.items())
   instance = class_(**args)
  else:
   instance = d
  return instance

序列化測試:

>>> stu = Student('Tom', 19, 1)

# 方式一:直接調(diào)用子類MyJSONEncoder的encode()方法進行序列化
>>> MyJSONEncoder().encode(stu)
'{"__class__": "Student", "__module__": "__main__", "name": "Tom", "age": 19, "sno": 1}'
>>> MyJSONEncoder(separators=(',', ':')).encode(stu)
'{"__class__":"Student","__module__":"__main__","name":"Tom","age":19,"sno":1}'

# 方式二:將子類MyJSONEncoder作為cls參數(shù)的值傳遞給json.dumps()函數(shù)
>>> json.dumps(stu, cls=MyJSONEncoder)
'{"__class__": "Student", "__module__": "__main__", "name": "Tom", "age": 19, "sno": 1}'
>>> json.dumps(stu, cls=MyJSONEncoder, separators=(',', ':'))
'{"__class__":"Student","__module__":"__main__","name":"Tom","age":19,"sno":1}'

反序列化測試:

>>> MyJSONDecoder().decode('{"sno": 1, "__module__": "__main__", "age": 19, "__class__": "Student", "name": "Tom"}')
Student [name: Tom, age: 19, sno: 1]

說明: 經(jīng)過測試發(fā)現(xiàn)MyJSONDecoder().decode(JSON_STR) json.loads(JSON_STR, object_hook=dict2obj) 只能在Python 2.7上正確執(zhí)行,在Python 3.5上無法正確執(zhí)行;而 json.loads(JSON_STR, cls=MyJSONDecoder) 無論在Python 2.7還是在Python 3.5上都無法正確執(zhí)行。這說明json模塊對于自定義數(shù)據(jù)類型的反序列化支持還是比較有限的,但是我們也可以通過json.loads(JSON_STR)函數(shù),不指定cls參數(shù)來得到一個dict對象,然后自己完成dict到object的轉(zhuǎn)換。

三、pickle模塊

pickle模塊實現(xiàn)了用于對Python對象結(jié)構(gòu)進行 序列化 和 反序列化 的二進制協(xié)議,與json模塊不同的是pickle模塊序列化和反序列化的過程分別叫做 pickling 和 unpickling:

  1. pickling: 是將Python對象轉(zhuǎn)換為字節(jié)流的過程;
  2. unpickling: 是將字節(jié)流二進制文件或字節(jié)對象轉(zhuǎn)換回Python對象的過程;

1. pickle模塊與json模塊對比

  1. JSON是一種文本序列化格式(它輸出的是unicode文件,大多數(shù)時候會被編碼為utf-8),而pickle是一個二進制序列化格式;
  2. JOSN是我們可以讀懂的數(shù)據(jù)格式,而pickle是二進制格式,我們無法讀懂;
  3. JSON是與特定的編程語言或系統(tǒng)無關(guān)的,且它在Python生態(tài)系統(tǒng)之外被廣泛使用,而pickle使用的數(shù)據(jù)格式是特定于Python的;
  4. 默認情況下,JSON只能表示Python內(nèi)建數(shù)據(jù)類型,對于自定義數(shù)據(jù)類型需要一些額外的工作來完成;pickle可以直接表示大量的Python數(shù)據(jù)類型,包括自定數(shù)據(jù)類型(其中,許多是通過巧妙地使用Python內(nèi)省功能自動實現(xiàn)的;復(fù)雜的情況可以通過實現(xiàn)specific object API來解決)

2. pickle模塊使用的數(shù)據(jù)流格式

上面提到,pickle使用的數(shù)據(jù)格式是特定于Python的。這使得它不受諸如JSON或XDR的外部標(biāo)準(zhǔn)限值,但是這也意味著非Python程序可能無法重建pickled Python對象。默認情況下,pickle數(shù)據(jù)格式使用相對緊湊的二進制表示。如果需要最佳大小特征,可以有效的壓縮pickled數(shù)據(jù)。pickletools模塊包含可以用于對pickle生成的數(shù)據(jù)流進行分析的工具。目前有5種不同的協(xié)議可以用于pickle。使用的協(xié)議越高,就需要更新的Python版本去讀取pickle產(chǎn)生的數(shù)據(jù):

  1. 協(xié)議v0是原始的“人類可讀”協(xié)議,并且向后倩蓉早期的Python版本;
  2. 協(xié)議v1是一個舊的二進制格式,也與早期版本的Python兼容;
  3. 協(xié)議v2在Python 2.3中引入,它提供更高效的pickling;
  4. 協(xié)議v3是在Python 3.0添加的協(xié)議,它明確支持bytes對象,且不能被Python 2.x 進行unpickle操作;這是默認協(xié)議,也是當(dāng)需要兼容其他Python 3版本時被推薦使用的協(xié)議;
  5. 協(xié)議4是在Python 3.4添加的協(xié)議,它添加了對極大對象的支持,pickling更多種類的對象,以及一些數(shù)據(jù)格式的優(yōu)化。

說明: Python 2.x中默認使用的是協(xié)議v0,如果協(xié)議指定為賦值或HIGHEST_PROTOCOL,將使用當(dāng)前可用的最高協(xié)議版本;Python 3.x中默認使用的是協(xié)議v3,它兼容其他Python 3版本,但是不兼容Python 2。

注意: 序列化(Serialization)是一個比持久化(Persistence)更加原始的概念;雖然pickle可以讀寫文件對象,但是它不處理持久化對象的命名問題,也不處理對持久化對象的并發(fā)訪問問題(甚至更復(fù)雜的問題)。pickle模塊可以將復(fù)雜對象轉(zhuǎn)換為字節(jié)流,并且可以將字節(jié)流轉(zhuǎn)換為具有相同內(nèi)部結(jié)構(gòu)的對象?;蛟S最可能對這些字節(jié)流做的事情是將它們寫入文件,但是也可以對它們進行網(wǎng)絡(luò)傳輸或?qū)⑺鼈兇鎯υ跀?shù)據(jù)庫中。shelve模塊提供了一個簡單的接口用于在DBM風(fēng)格的數(shù)據(jù)庫文件上對對象進行pickle和unpickle操作。

3. pickle模塊提供的相關(guān)函數(shù)

pickle模塊提供的幾個序列化/反序列化的函數(shù)與json模塊基本一致:

# 將指定的Python對象通過pickle序列化作為bytes對象返回,而不是將其寫入文件
dumps(obj, protocol=None, *, fix_imports=True)

# 將通過pickle序列化后得到的字節(jié)對象進行反序列化,轉(zhuǎn)換為Python對象并返回
loads(bytes_object, *, fix_imports=True, encoding="ASCII", errors="strict")

# 將指定的Python對象通過pickle序列化后寫入打開的文件對象中,等價于`Pickler(file, protocol).dump(obj)`
dump(obj, file, protocol=None, *, fix_imports=True)

# 從打開的文件對象中讀取pickled對象表現(xiàn)形式并返回通過pickle反序列化后得到的Python對象
load(file, *, fix_imports=True, encoding="ASCII", errors="strict")

說明: 上面這幾個方法參數(shù)中,*號后面的參數(shù)都是Python 3.x新增的,目的是為了兼容Python 2.x,具體用法請參看官方文檔。

4. 實例:內(nèi)置數(shù)據(jù)類型的序列化/反序列化

Python 2.x

>>> import pickle
>>> 
>>> var_a = {'a':'str', 'c': True, 'e': 10, 'b': 11.1, 'd': None, 'f': [1, 2, 3], 'g':(4, 5, 6)}

# 序列化
>>> var_b = pickle.dumps(var_a)
>>> var_b
"(dp0\nS'a'\np1\nS'str'\np2\nsS'c'\np3\nI01\nsS'b'\np4\nF11.1\nsS'e'\np5\nI10\nsS'd'\np6\nNsS'g'\np7\n(I4\nI5\nI6\ntp8\nsS'f'\np9\n(lp10\nI1\naI2\naI3\nas."

# 反序列化
>>> var_c = pickle.loads(var_b)
>>> var_c
{'a': 'str', 'c': True, 'b': 11.1, 'e': 10, 'd': None, 'g': (4, 5, 6), 'f': [1, 2, 3]}

Python 3.x

>>> import pickle
>>>
>>> var_a = {'a':'str', 'c': True, 'e': 10, 'b': 11.1, 'd': None, 'f': [1, 2, 3], 'g':(4, 5, 6)}

# 序列化
>>> var_b = pickle.dumps(var_a)
>>> var_b
b'\x80\x03}q\x00(X\x01\x00\x00\x00eq\x01K\nX\x01\x00\x00\x00aq\x02X\x03\x00\x00\x00strq\x03X\x01\x00\x00\x00fq\x04]q\x05(K\x01K\x02K\x03eX\x01\x00\x00\x00gq\x06K\x04K\x05K\x06\x87q\x07X\x01\x00\x00\x00bq\x08G@&333333X\x01\x00\x00\x00cq\t\x88X\x01\x00\x00\x00dq\nNu.'

# 反序列化
>>> var_c = pickle.loads(var_b)
>>> var_c
{'e': 10, 'a': 'str', 'f': [1, 2, 3], 'g': (4, 5, 6), 'b': 11.1, 'c': True, 'd': None}

dump()與load()

>>> import pickle
>>>
>>> var_a = {'a':'str', 'c': True, 'e': 10, 'b': 11.1, 'd': None, 'f': [1, 2, 3], 'g':(4, 5, 6)}

# 持久化到文件
>>> with open('pickle.txt', 'wb') as f:
...  pickle.dump(var_a, f)
...

# 從文件中讀取數(shù)據(jù)
>>> with open('pickle.txt', 'rb') as f:
...  var_b = pickle.load(f)
...
>>> var_b
{'e': 10, 'a': 'str', 'f': [1, 2, 3], 'g': (4, 5, 6), 'b': 11.1, 'c': True, 'd': None}
>>>

 

說明:

  1. 默認情況下Python 2.x中pickled后的數(shù)據(jù)是字符串形式,需要將它轉(zhuǎn)換為字節(jié)對象才能被Python 3.x中的pickle.loads()反序列化;Python 3.x中pickling所使用的協(xié)議是v3,因此需要在調(diào)用pickle.dumps()時指定可選參數(shù)protocol為Python 2.x所支持的協(xié)議版本(0,1,2),否則pickled后的數(shù)據(jù)不能被被Python 2.x中的pickle.loads()反序列化;
  2. Python 3.x中pickle.dump()和pickle.load()方法中指定的文件對象,必須以二進制模式打開,而Python 2.x中可以以二進制模式打開,也可以以文本模式打開。

5. 實例:自定義數(shù)據(jù)類型的序列化/反序列化

首先來自定義一個數(shù)據(jù)類型:

class Student(object):
 def __init__(self, name, age, sno):
  self.name = name
  self.age = age
  self.sno = sno
 
 def __repr__(self):
  return 'Student [name: %s, age: %d, sno: %d]' % (self.name, self.age, self.sno)

pickle模塊可以直接對自定數(shù)據(jù)類型進行序列化/反序列化操作,無需編寫額外的處理函數(shù)或類。

>>> stu = Student('Tom', 19, 1)
>>> print(stu)
Student [name: Tom, age: 19, sno: 1]

# 序列化
>>> var_b = pickle.dumps(stu)
>>> var_b
b'\x80\x03c__main__\nStudent\nq\x00)\x81q\x01}q\x02(X\x04\x00\x00\x00nameq\x03X\x03\x00\x00\x00Tomq\x04X\x03\x00\x00\x00ageq\x05K\x13X\x03\x00\x00\x00snoq\x06K\x01ub.'

# 反序列化
>>> var_c = pickle.loads(var_b)
>>> var_c
Student [name: Tom, age: 19, sno: 1]

# 持久化到文件
>>> with open('pickle.txt', 'wb') as f:
...  pickle.dump(stu, f)
...

# 從文件總讀取數(shù)據(jù)
>>> with open('pickle.txt', 'rb') as f:
...  pickle.load(f)
...
Student [name: Tom, age: 19, sno: 1]

四、shelve模塊

shelve是一個簡單的數(shù)據(jù)存儲方案,類似key-value數(shù)據(jù)庫,可以很方便的保存python對象,其內(nèi)部是通過pickle協(xié)議來實現(xiàn)數(shù)據(jù)序列化。shelve只有一個open()函數(shù),這個函數(shù)用于打開指定的文件(一個持久的字典),然后返回一個shelf對象。shelf是一種持久的、類似字典的對象。它與“dbm”的不同之處在于,其values值可以是任意基本Python對象--pickle模塊可以處理的任何數(shù)據(jù)。這包括大多數(shù)類實例、遞歸數(shù)據(jù)類型和包含很多共享子對象的對象。keys還是普通的字符串。

open(filename, flag='c', protocol=None, writeback=False)

flag 參數(shù)表示打開數(shù)據(jù)存儲文件的格式,可取值與dbm.open()函數(shù)一致:

描述
'r' 以只讀模式打開一個已經(jīng)存在的數(shù)據(jù)存儲文件
'w' 以讀寫模式打開一個已經(jīng)存在的數(shù)據(jù)存儲文件
'c' 以讀寫模式打開一個數(shù)據(jù)存儲文件,如果不存在則創(chuàng)建
'n' 總是創(chuàng)建一個新的、空數(shù)據(jù)存儲文件,并以讀寫模式打開
 

protocol 參數(shù)表示序列化數(shù)據(jù)所使用的協(xié)議版本,默認是pickle v3;

writeback 參數(shù)表示是否開啟回寫功能。

我們可以把shelf對象當(dāng)dict來使用--存儲、更改、查詢某個key對應(yīng)的數(shù)據(jù),當(dāng)操作完成之后,調(diào)用shelf對象的close()函數(shù)即可。當(dāng)然,也可以使用上下文管理器(with語句),避免每次都要手動調(diào)用close()方法。

實例:內(nèi)置數(shù)據(jù)類型操作

# 保存數(shù)據(jù)
with shelve.open('student') as db:
 db['name'] = 'Tom'
 db['age'] = 19
 db['hobby'] = ['籃球', '看電影', '彈吉他']
 db['other_info'] = {'sno': 1, 'addr': 'xxxx'}

# 讀取數(shù)據(jù)
with shelve.open('student') as db:
 for key,value in db.items():
  print(key, ': ', value)

輸出結(jié)果:

name :  Tom
age :  19
hobby :  ['籃球', '看電影', '彈吉他']
other_info :  {'sno': 1, 'addr': 'xxxx'}

實例:自定義數(shù)據(jù)類型操作

# 自定義class
class Student(object):
 def __init__(self, name, age, sno):
  self.name = name
  self.age = age
  self.sno = sno
 
 def __repr__(self):
  return 'Student [name: %s, age: %d, sno: %d]' % (self.name, self.age, self.sno)

# 保存數(shù)據(jù)
tom = Student('Tom', 19, 1)
jerry = Student('Jerry', 17, 2)

with shelve.open("stu.db") as db:
 db['Tom'] = tom
 db['Jerry'] = jerry

# 讀取數(shù)據(jù)
with shelve.open("stu.db") as db:
 print(db['Tom'])
 print(db['Jerry'])

輸出結(jié)果:
Student [name: Tom, age: 19, sno: 1]
Student [name: Jerry, age: 17, sno: 2]

五、總結(jié)

1. 對比

json模塊常用于編寫web接口,將Python數(shù)據(jù)轉(zhuǎn)換為通用的json格式傳遞給其它系統(tǒng)或客戶端;也可以用于將Python數(shù)據(jù)保存到本地文件中,缺點是明文保存,保密性差。另外,如果需要保存費內(nèi)置數(shù)據(jù)類型需要編寫額外的轉(zhuǎn)換函數(shù)或自定義類。

pickle模塊和shelve模塊由于使用其特有的序列化協(xié)議,其序列化之后的數(shù)據(jù)只能被Python識別,因此只能用于Python系統(tǒng)內(nèi)部。另外,Python 2.x 和 Python
 3.x 默認使用的序列化協(xié)議也不同,如果需要互相兼容需要在序列化時通過protocol參數(shù)指定協(xié)議版本。除了上面這些缺點外,pickle模塊和shelve模塊相對于json模塊的優(yōu)點在于對于自定義數(shù)據(jù)類型可以直接序列化和反序列化,不需要編寫額外的轉(zhuǎn)換函數(shù)或類。

shelve模塊可以看做是pickle模塊的升級版,因為shelve使用的就是pickle的序列化協(xié)議,但是shelve比pickle提供的操作方式更加簡單、方便。shelve模塊相對于其它兩個模塊在將Python數(shù)據(jù)持久化到本地磁盤時有一個很明顯的優(yōu)點就是,它允許我們可以像操作dict一樣操作被序列化的數(shù)據(jù),而不必一次性的保存或讀取所有數(shù)據(jù)。

2. 建議

  1. 需要與外部系統(tǒng)交互時用json模塊;
  2. 需要將少量、簡單Python數(shù)據(jù)持久化到本地磁盤文件時可以考慮用pickle模塊;
  3. 需要將大量Python數(shù)據(jù)持久化到本地磁盤文件或需要一些簡單的類似數(shù)據(jù)庫的增刪改查功能時,可以考慮用shelve模塊。

3. 附錄

要實現(xiàn)的功能 可以使用的api
將Python數(shù)據(jù)類型轉(zhuǎn)換為(json)字符串 json.dumps()
將json字符串轉(zhuǎn)換為Python數(shù)據(jù)類型 json.loads()
將Python數(shù)據(jù)類型以json形式保存到本地磁盤 json.dump()
將本地磁盤文件中的json數(shù)據(jù)轉(zhuǎn)換為Python數(shù)據(jù)類型 json.load()
將Python數(shù)據(jù)類型轉(zhuǎn)換為Python特定的二進制格式 pickle.dumps()
將Python特定的的二進制格式數(shù)據(jù)轉(zhuǎn)換為Python數(shù)據(jù)類型 pickle.loads()
將Python數(shù)據(jù)類型以Python特定的二進制格式保存到本地磁盤 pickle.dump()
將本地磁盤文件中的Python特定的二進制格式數(shù)據(jù)轉(zhuǎn)換為Python數(shù)據(jù)類型 pickle.load()
以類型dict的形式將Python數(shù)據(jù)類型保存到本地磁盤或讀取本地磁盤數(shù)據(jù)并轉(zhuǎn)換為數(shù)據(jù)類型 shelve.open()

以上就是本文的全部內(nèi)容,希望對大家的學(xué)習(xí)有所幫助,也希望大家多多支持腳本之家。

相關(guān)文章

  • PyTorch一小時掌握之神經(jīng)網(wǎng)絡(luò)氣溫預(yù)測篇

    PyTorch一小時掌握之神經(jīng)網(wǎng)絡(luò)氣溫預(yù)測篇

    這篇文章主要介紹了PyTorch一小時掌握之神經(jīng)網(wǎng)絡(luò)氣溫預(yù)測篇,本文給大家介紹的非常詳細,對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值,需要的朋友可以參考下
    2021-09-09
  • Python編程pygal繪圖實例之XY線

    Python編程pygal繪圖實例之XY線

    這篇文章主要介紹了Python編程pygal繪圖實例之XY線,具有一定借鑒價值,需要的朋友可以參考下。
    2017-12-12
  • 淺談Python里面None True False之間的區(qū)別

    淺談Python里面None True False之間的區(qū)別

    這篇文章主要介紹了淺談Python里面None True False之間的區(qū)別,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2020-07-07
  • python實現(xiàn)線性回歸算法

    python實現(xiàn)線性回歸算法

    這篇文章主要為大家詳細介紹了python實現(xiàn)線性回歸算法,文中示例代碼介紹的非常詳細,具有一定的參考價值,感興趣的小伙伴們可以參考一下
    2021-04-04
  • 一文帶你解密Python迭代器的實現(xiàn)原理

    一文帶你解密Python迭代器的實現(xiàn)原理

    這篇文章主要為大家詳細介紹了Python中迭代器的實現(xiàn)原理,文中的示例代碼講解詳細,對我們學(xué)習(xí)Python有一定的幫助,需要的可以參考一下
    2022-12-12
  • Python 性能優(yōu)化技巧總結(jié)

    Python 性能優(yōu)化技巧總結(jié)

    代碼優(yōu)化能夠讓程序運行更快,它是在不改變程序運行結(jié)果的情況下使得程序的運行效率更高,根據(jù) 80/20 原則,實現(xiàn)程序的重構(gòu)、優(yōu)化、擴展以及文檔相關(guān)的事情通常需要消耗 80% 的工作量。優(yōu)化通常包含兩方面的內(nèi)容:減小代碼的體積,提高代碼的運行效率。
    2016-11-11
  • 從零學(xué)python系列之?dāng)?shù)據(jù)處理編程實例(一)

    從零學(xué)python系列之?dāng)?shù)據(jù)處理編程實例(一)

    本文目的:用一個實例總結(jié)學(xué)習(xí)到的with語句,函數(shù),列表推導(dǎo),集合,排序,字符分割等內(nèi)容
    2014-05-05
  • Python中的探索性數(shù)據(jù)分析(功能式)

    Python中的探索性數(shù)據(jù)分析(功能式)

    這篇文章主要介紹了功能式Python中的探索性數(shù)據(jù)分析的相關(guān)資料,非常不錯,具有參考借鑒價值,需要的朋友可以參考下
    2017-12-12
  • pandas中提取DataFrame某些列的一些方法

    pandas中提取DataFrame某些列的一些方法

    dataframe是pandas包的重要對象,熟練掌握dataframe的基本操作是很有必要的,下面這篇文章主要給大家介紹了關(guān)于pandas中提取DataFrame某些列的一些方法,文中通過實例代碼介紹的非常詳細,需要的朋友可以參考下
    2022-06-06
  • Python制作個性化的詞云圖實例講解

    Python制作個性化的詞云圖實例講解

    大家好,本篇文章主要講的是Python制作個性化的詞云圖實例講解,感興趣的同學(xué)趕緊來看一看吧,對你有幫助的話記得收藏一下
    2022-02-02

最新評論