詳解Python之?dāng)?shù)據(jù)序列化(json、pickle、shelve)
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:
- 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;
- 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。
- encoding: 把Python對象轉(zhuǎn)換成JSON字符串
- 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:
- 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;
- 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;
- 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;
- 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;
- 該參數(shù)的值應(yīng)該是一個tuple(item_separator, key_separator)
- 如果indent是None,其默認值為(', ', ': ')
- 如果indent不為None,則默認值為(',', ': ')
- 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:
- 通過轉(zhuǎn)換函數(shù)實現(xiàn)
- 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)
和 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:
- pickling: 是將Python對象轉(zhuǎn)換為字節(jié)流的過程;
- 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
- 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;
- 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;
- 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;
- 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):
- 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;
- 協(xié)議v1是一個舊的二進制格式,也與早期版本的Python兼容;
- 協(xié)議v2在Python 2.3中引入,它提供更高效的pickling;
- 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;
- 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:
- 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;
- 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:
值 | 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
- 需要與外部系統(tǒng)交互時用json模塊;
- 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;
- 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。
- Python序列化模塊之pickle與json詳解
- Python常用標(biāo)準(zhǔn)庫詳解(pickle序列化和JSON序列化)
- Python 對象序列化與反序列化之pickle json詳細解析
- Python 解析庫json及jsonpath pickle的實現(xiàn)
- Python標(biāo)準(zhǔn)庫json模塊和pickle模塊使用詳解
- Python之?dāng)?shù)據(jù)序列化(json、pickle、shelve)詳解
- Python3.5 Json與pickle實現(xiàn)數(shù)據(jù)序列化與反序列化操作示例
- Python序列化基礎(chǔ)知識(json/pickle)
- 簡單談?wù)凱ython中的json與pickle
- Python序列化模塊JSON與Pickle
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
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