欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

詳解Python中的序列化與反序列化的使用

 更新時(shí)間:2015年06月30日 12:14:33   作者:DarkBull  
這篇文章主要介紹了詳解Python中的序列化與反序列化的使用,針對(duì)pickle和cPickle對(duì)象進(jìn)行了探究,需要的朋友可以參考下

學(xué)習(xí)過(guò)marshal模塊用于序列化和反序列化,但marshal的功能比較薄弱,只支持部分內(nèi)置數(shù)據(jù)類型的序列化/反序列化,對(duì)于用戶自定義的類型就無(wú)能為力,同時(shí)marshal不支持自引用(遞歸引用)的對(duì)象的序列化。所以直接使用marshal來(lái)序列化/反序列化可能不是很方便。還好,python標(biāo)準(zhǔn)庫(kù)提供了功能更加強(qiáng)大且更加安全的pickle和cPickle模塊。

cPickle模塊是使用C語(yǔ)言實(shí)現(xiàn)的,所以在運(yùn)行效率上比pickle要高。但是cPickle模塊中定義的類型不能被繼承(其實(shí)大多數(shù)時(shí)候,我們不需要從這些類型中繼承。)。cPickle和pickle的序列化/反序列化規(guī)則是一樣的,我們可以使用pickle序列化一個(gè)對(duì)象,然后使用cPickle來(lái)反序列化。同時(shí),這兩個(gè)模塊在處理自引用類型時(shí)會(huì)變得更加“聰明”,它不會(huì)無(wú)限制的遞歸序列化自引用對(duì)象,對(duì)于同一對(duì)象的多次引用,它只會(huì)序列化一次。例如:
 

import marshal, pickle
 
list = [1]
list.append(list)
byt1 = marshal.dumps(list) 
#出錯(cuò), 無(wú)限制的遞歸序列化
byt2 = pickle.dumps(list) 
#No problem
pickle的序列化規(guī)則

Python規(guī)范(Python-specific)提供了pickle的序列化規(guī)則。這就不必?fù)?dān)心不同版本的Python之間序列化兼容性問(wèn)題。默認(rèn)情況下,pickle的序列化是基于文本的,我們可以直接用文本編輯器查看序列化的文本。我們也可以序列成二進(jìn)制格式的數(shù)據(jù),這樣的結(jié)果體積會(huì)更小。更詳細(xì)的內(nèi)容,可以參考Python手冊(cè)pickle模塊。

下面就開(kāi)始使用pickle吧~
pickle.dump(obj, file[, protocol])

序列化對(duì)象,并將結(jié)果數(shù)據(jù)流寫(xiě)入到文件對(duì)象中。參數(shù)protocol是序列化模式,默認(rèn)值為0,表示以文本的形式序列化。protocol的值還可以是1或2,表示以二進(jìn)制的形式序列化。
pickle.load(file)

反序列化對(duì)象。將文件中的數(shù)據(jù)解析為一個(gè)Python對(duì)象。下面通過(guò)一個(gè)簡(jiǎn)單的例子來(lái)演示上面兩個(gè)方法的使用:
 

#coding=gbk
 
import pickle, StringIO
 
class Person(object):
 
'''自定義類型。
 
'''
 def __init__(self, name, address):
  self.name = name
  self.address = address
  
  def display(self):
  print 'name:', self.name, 'address:', self.address 
 
jj = Person("JGood", "中國(guó) 杭州")
jj.display()
file = StringIO.StringIO()
 
pickle.dump(jj, file, 0) 
#序列化
#print file.getvalue() #打印序列化后的結(jié)果
  
#del Person #反序列的時(shí)候,必須能找到對(duì)應(yīng)類的定義。否則反序列化操作失敗。
file.seek(0)
jj1 = pickle.load(file) 
#反序列化
jj1.display()
file.close()

注意:在反序列化的時(shí)候,必須能找到對(duì)應(yīng)類的定義,否則反序列化將失敗。在上面的例子中,如果取消#del Person的注釋,在運(yùn)行時(shí)將拋AttributeError異常,提示當(dāng)前模塊找不到Person的定義。
pickle.dumps(obj[, protocol])
pickle.loads(string)

我們也可以直接獲取序列化后的數(shù)據(jù)流,或者直接從數(shù)據(jù)流反序列化。方法dumps與loads就完成這樣的功能。dumps返回序列化后的數(shù)據(jù)流,loads返回的序列化生成的對(duì)象。

python模塊中還定義了兩個(gè)類,分別用來(lái)序列化、反序列化對(duì)象。
class pickle.Pickler(file[, protocal]):

該類用于序列化對(duì)象。參數(shù)file是一個(gè)類文件對(duì)象(file-like object),用于保存序列化結(jié)果??蛇x參數(shù)表示序列化模式。它定義了兩個(gè)方法:
dump(obj):

將對(duì)象序列化,并保存到類文件對(duì)象中。參數(shù)obj是要序列化的對(duì)象。
clear_memo()

清空pickler的“備忘”。使用Pickler實(shí)例在序列化對(duì)象的時(shí)候,它會(huì)“記住”已經(jīng)被序列化的對(duì)象引用,所以對(duì)同一對(duì)象多次調(diào)用dump(obj),pickler不會(huì)“傻傻”的去多次序列化。下面是一個(gè)簡(jiǎn)單的例子:
 

#coding=gbk
import pickle, StringIO
 
class Person(object):
 
'''自定義類型。
 
'''
 def __init__(self, name, address):
  self.name = name
  self.address = address
  
 def display(self):
  print 'name:', self.name, 'address:', self.address 
   
fle = StringIO.StringIO()
pick = pickle.Pickler(fle)
person = Person("JGood", "Hangzhou China") 
 
pick.dump(person)
val1 = fle.getvalue()
print len(val1)
 
pick.clear_memo() 
#注釋此句,再看看運(yùn)行結(jié)果
 
pick.dump(person) 
#對(duì)同一引用對(duì)象再次進(jìn)行序列化
val2 = fle.getvalue()
print len(val2)
 
#---- 結(jié)果 ----
#148
#296
#
#將這行代碼注釋掉:pick.clear_memo()
#結(jié)果為:
#148
#152
class pickle.Unpickler(file):

該類用于反序列化對(duì)象。參數(shù)file是一個(gè)類文件(file-like object)對(duì)象,Unpickler從該參數(shù)中獲取數(shù)據(jù)進(jìn)行反序列化。
load():

反序列化對(duì)象。該方法會(huì)根據(jù)已經(jīng)序列化的數(shù)據(jù)流,自動(dòng)選擇合適的反序列化模式。
 

#.... 接上個(gè)例子中的代碼
 
fle.seek(0)
unpick = pickle.Unpickler(fle)
print unpick.load()

上面介紹了pickle模塊的基本使用,但和marshal一樣,并不是所有的類型都可以通過(guò)pickle序列化的。例如對(duì)于一個(gè)嵌套的類型,使用pickle序列化就失敗。例如:
 

class A(object):
 class B(object):
  def __init__(self, name):
   self.name = name
  
 def __init__(self):
  print 'init A'
 
b = A.B("my name")
print b
c = pickle.dumps(b, 0) 
#失敗哦
print pickle.loads(c)

關(guān)于pickle支持的序列化類型,可以參考Python手冊(cè)。

相關(guān)文章

  • python進(jìn)階TensorFlow神經(jīng)網(wǎng)絡(luò)擬合線性及非線性函數(shù)

    python進(jìn)階TensorFlow神經(jīng)網(wǎng)絡(luò)擬合線性及非線性函數(shù)

    這篇文章是python進(jìn)階學(xué)習(xí)主要介紹了TensorFlow神經(jīng)網(wǎng)絡(luò)擬合線性及非線性函數(shù)原理及示例解析,有需要的朋友可以借鑒參考下,希望能夠有所幫助
    2021-10-10
  • python實(shí)現(xiàn)彈跳小球

    python實(shí)現(xiàn)彈跳小球

    這篇文章主要為大家詳細(xì)介紹了python實(shí)現(xiàn)彈跳小球,文中示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下
    2019-05-05
  • Python中字符串相關(guān)操作的運(yùn)算符總結(jié)

    Python中字符串相關(guān)操作的運(yùn)算符總結(jié)

    這篇文章主要介紹了Python之字符串相關(guān)操作的運(yùn)算符,本文通過(guò)案例給大家詳細(xì)講解python字符串運(yùn)算符的說(shuō)明,需要的朋友可以參考下
    2023-12-12
  • Python中優(yōu)化NumPy包使用性能的教程

    Python中優(yōu)化NumPy包使用性能的教程

    這篇文章主要介紹了Python中優(yōu)化NumPy包使用性能的教程,包括內(nèi)存和拷貝等方面,需要的朋友可以參考下
    2015-04-04
  • Jupyter notebook如何實(shí)現(xiàn)打開(kāi)數(shù)據(jù)集

    Jupyter notebook如何實(shí)現(xiàn)打開(kāi)數(shù)據(jù)集

    這篇文章主要介紹了Jupyter notebook如何實(shí)現(xiàn)打開(kāi)數(shù)據(jù)集問(wèn)題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教
    2023-01-01
  • numba CUDA報(bào)錯(cuò)的問(wèn)題解決

    numba CUDA報(bào)錯(cuò)的問(wèn)題解決

    本文主要介紹了numba CUDA報(bào)錯(cuò)的問(wèn)題解決,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧
    2023-02-02
  • Python模擬鋼琴鍵盤(pán)實(shí)現(xiàn)演奏數(shù)鴨子歌曲

    Python模擬鋼琴鍵盤(pán)實(shí)現(xiàn)演奏數(shù)鴨子歌曲

    前幾天上課老師給我們講了兩個(gè)模塊,然后利用這兩個(gè)模塊來(lái)模擬鋼琴鍵盤(pán)去簡(jiǎn)單地演奏《數(shù)鴨子》今天來(lái)分享給大家,感興趣的可以了解一下
    2022-11-11
  • Python QQBot庫(kù)的QQ聊天機(jī)器人

    Python QQBot庫(kù)的QQ聊天機(jī)器人

    這篇文章主要為大家詳細(xì)介紹了基于Python QQBot庫(kù)的QQ聊天機(jī)器人,文中示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下
    2019-06-06
  • Pandas多級(jí)索引的實(shí)現(xiàn)示例

    Pandas多級(jí)索引的實(shí)現(xiàn)示例

    Pandas 中的多級(jí)索引是一種強(qiáng)大的工具,用于處理具有多個(gè)維度或?qū)哟蔚臄?shù)據(jù),本文主要介紹了Pandas多級(jí)索引的實(shí)現(xiàn)示例,具有一定的參考價(jià)值,感興趣的可以了解一下
    2024-01-01
  • python中telnetlib模塊的使用方式

    python中telnetlib模塊的使用方式

    這篇文章主要介紹了python中telnetlib模塊的使用方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教
    2023-11-11

最新評(píng)論