您好,登錄后才能下訂單哦!
本文小編為大家詳細(xì)介紹“Python的pickle序列化和JSON序列化實(shí)例分析”,內(nèi)容詳細(xì),步驟清晰,細(xì)節(jié)處理妥當(dāng),希望這篇“Python的pickle序列化和JSON序列化實(shí)例分析”文章能幫助大家解決疑惑,下面跟著小編的思路慢慢深入,一起來(lái)學(xué)習(xí)新知識(shí)吧。
import pickle
把不能直接存儲(chǔ)的數(shù)據(jù)變得可存儲(chǔ),這個(gè)過(guò)程叫做序列化。把文件中的數(shù)據(jù)拿出來(lái),回復(fù)稱(chēng)原來(lái)的數(shù)據(jù)類(lèi)型,這個(gè)過(guò)程叫做反序列化。
在文件中存儲(chǔ)的數(shù)據(jù)只能是字符串,或者是字節(jié)流,不能是其它的數(shù)據(jù)類(lèi)型,但是如果想要將其存儲(chǔ)就需要序列化。
Python中的序列化模塊叫做 pickle
,PHP等其它的一些語(yǔ)言將其稱(chēng)作serialize
或者unserialize
,每個(gè)語(yǔ)言的序列化功能可以序列化它本身的一切數(shù)據(jù)類(lèi)型。
現(xiàn)在存在一段數(shù)據(jù),現(xiàn)在并不需要他,但是說(shuō)不定什么時(shí)候我就要用它,那么最好的方法就是將這段數(shù)據(jù)保存起來(lái)。
保存這段數(shù)據(jù)一般來(lái)說(shuō)有那么幾種方法(入庫(kù)或者保存文件),但是這段數(shù)據(jù)很復(fù)雜,而保存在數(shù)據(jù)庫(kù)中需要特定的數(shù)據(jù)格式,入庫(kù)的話(huà)就非常的麻煩了,而且我不想破壞數(shù)據(jù)的原有格式,那么可以選擇保存為文件。
如下所示:保存文件會(huì)遇到種種的麻煩問(wèn)題。
# 這是我想要保存的一段數(shù)據(jù)
lst = ['A', 'B', 'C']
# 直接使用open函數(shù)不能將非字符串和非字節(jié)流的數(shù)據(jù)寫(xiě)入文件
with open('data.txt', 'w', encoding='UTF-8') as fp :
fp.write(lst)
# ?。。?TypeError
# 將數(shù)據(jù)變成字符串就破壞了原有的數(shù)據(jù)結(jié)構(gòu)(如果很復(fù)雜的數(shù)據(jù)結(jié)構(gòu)幾乎沒(méi)有復(fù)原的可能性)
lst = str(lst)
# 將數(shù)據(jù)變成字節(jié)流:只能將字符串變成字節(jié)流數(shù)據(jù)!
現(xiàn)在就可以使用序列化功能,將數(shù)據(jù)序列化成為字節(jié)流的格式,然后存在文件當(dāng)中,當(dāng)需要的時(shí)候,再?gòu)奈募凶x取出來(lái),然后反序列化成為數(shù)據(jù)原來(lái)的樣子,而且保證原數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)沒(méi)有變化。
而且可以序列化語(yǔ)言當(dāng)中的任何數(shù)據(jù)類(lèi)型,就是說(shuō)不止是基本的數(shù)據(jù)類(lèi)型,還有函數(shù)、類(lèi)、對(duì)象……
dumps
將任意對(duì)象序列化成bytes數(shù)據(jù),loads
將序列化成為bytes的數(shù)據(jù)反序列成數(shù)據(jù)原本的格式。
注意:只能反序列化被序列化的數(shù)據(jù)
import pickle # 這是我想要保存的一段數(shù)據(jù) lst = ['A', 'B', 'C'] # dumps 把任意對(duì)象序列化成bytes res = pickle.dumps(lst) print(res) # b'\x80\x03]q\x00(X\x01\x00\x00\x00Aq\x01X\x01\x00\x00\x00Bq\x02X\x01\x00\x00\x00Cq\x03e.' print(type(res)) # <class 'bytes'> # 序列化后的bytes數(shù)據(jù)可以寫(xiě)入文件中。 # loads 把任意bytes反序列化成為原來(lái)的數(shù)據(jù) lst = pickle.loads(res) print(lst) # ['A', 'B', 'C'] print(type(lst)) # <class 'list'> # 嘗試反序列化其它的bytes數(shù)據(jù) char = '你好' by_char = char.encode() new_char = pickle.loads(by_char) # _pickle.UnpicklingError: invalid load key, '\xe4'.
含義和上述的相同,只是這個(gè)可以直接操作IO對(duì)象,省時(shí)省力。
import pickle # 這是我想要保存的一段數(shù)據(jù) lst = ['A', 'B', 'C'] # dumps 和 loads 配合文件操作 # 序列化后寫(xiě)入文件 with open('test.txt', 'wb') as fp: data = pickle.dumps(lst) fp.write(data) # 讀取文件反序列化 with open('test.txt', 'rb') as fp: data = fp.read() lst = pickle.loads(data) # dump 和 load 配合文件操作 # 序列化寫(xiě)入文件 with open('test.txt', 'wb') as fp: pickle.dump(lst, fp) # 讀取文件反序列化 with open('test.txt', 'rb') as fp: lst = pickle.load(fp)
import json
序列化后的數(shù)據(jù),如果想在多種語(yǔ)言中都可以流通怎么辦?每種語(yǔ)言都有自己的語(yǔ)言特性,有些語(yǔ)言中的數(shù)據(jù)是特有的,那么序列化后的數(shù)據(jù)該怎么流通呢?
每種語(yǔ)言雖然各有自己的特點(diǎn),但是幾乎所以的語(yǔ)言都是師出同門(mén),天下語(yǔ)言無(wú)不出C者。所以將每種語(yǔ)言共同存在的數(shù)據(jù)格式按照統(tǒng)一的標(biāo)準(zhǔn)去序列化就可以了,JSON誕生了。
json一般存儲(chǔ)為json文件。
python中支持JSON序列化的數(shù)據(jù)一共有八種類(lèi)型:
int、float、bool、str、list、tuple、dict、None
JSON序列化支持這幾種數(shù)據(jù)類(lèi)型是因?yàn)镴SON中就只支持這幾種數(shù)據(jù)類(lèi)型:
如下為python中的數(shù)據(jù)類(lèi)型對(duì)應(yīng)json中的數(shù)據(jù)類(lèi)型;
python數(shù)據(jù)類(lèi)型 | JSON數(shù)據(jù)類(lèi)型 |
---|---|
int | int |
float | float |
bool(True,F(xiàn)alse) | bool(true,false) |
None | null |
str | str(必須雙引號(hào)) |
list([])、tuple(()) | Array([]) |
dict({}) | Object({})(鍵必須是雙引號(hào)) |
注意:
JSON中沒(méi)有元組類(lèi)型,所以會(huì)變成列表;
JSON中的對(duì)象必須使用字符串作為鍵,所以python中的字典數(shù)據(jù)中的非字符串鍵,會(huì)變成對(duì)應(yīng)的JSON數(shù)據(jù)然后強(qiáng)轉(zhuǎn)成為字符串;
import json dict_var = {1: 1, 2.2: 2.2, False: True, '123': '123', "234": "234", None: None} json_obj = json.dumps(dict_var) dict_var = json.loads(json_obj) print(dict_var) # {'1': 1, '2.2': 2.2, 'false': True, '123': '123', '234': '234', 'null': None}
JSON可以序列化python八種數(shù)據(jù),序列化為字符串。
pickle可以序列化python所有的數(shù)據(jù)類(lèi)型,序列化為字節(jié)流。
JSON序列化函數(shù)和pickle的一樣,名稱(chēng)和使用方法基本一樣:
方法 | 含義 |
---|---|
dumps | 序列化 |
loads | 反序列化 |
dump | 序列化寫(xiě)入文件 |
load | 讀取文件反序列化 |
這里注意一下序列化方法的幾個(gè)常用參數(shù):
ensure_asscii 默認(rèn)為T(mén)rue, 以ACSII格式編碼,以Unicode顯示;
sort_keys 默認(rèn)為T(mén)rue, 對(duì)字典的鍵進(jìn)行排序;
indent默認(rèn)為None, json格式化默認(rèn)是一行不加縮進(jìn)的,如果indent是一個(gè)正整數(shù),就以該縮進(jìn)級(jí)別進(jìn)行換行,增強(qiáng)可視化。
import json # 開(kāi)啟排序 dict_var = {'B': '2', 'A': '1'} print(dict_var) # {'B': '2', 'A': '1'} json_char = json.dumps(dict_var, ensure_ascii=False, sort_keys=True) dict_var = json.loads(json_char) print(dict_var) # {'A': '1', 'B': '2'} # 關(guān)閉排序 dict_var = {'B': '2', 'A': '1'} print(dict_var) # {'B': '2', 'A': '1'} json_char = json.dumps(dict_var, ensure_ascii=False, sort_keys=False) dict_var = json.loads(json_char) print(dict_var) # {'B': '2', 'A': '1'} # dump 也一樣哦
在對(duì)文件進(jìn)行操作的時(shí)候:
json可以連續(xù)dump,但是不能連續(xù)load
pickle可以連續(xù)dump和load
如下解釋?zhuān)?/p>
# json 可以連續(xù)dump,但是不能連續(xù)load import json # 序列化數(shù)據(jù) lst1 = [1, 2, 3] lst2 = [4, 5, 6] lst3 = [7, 8, 9] # 序列化寫(xiě)入文件 with open('test.json', 'w', encoding='UTF-8') as fp: json.dump(lst1, fp) json.dump(lst2, fp) json.dump(lst3, fp) # 讀取文件反序列化 with open('test.json', 'r', encoding='UTF-8') as fp: data1 = json.load(fp) # ERROR data2 = json.load(fp) data3 = json.load(fp) # ?。?! json.decoder.JSONDecodeError: Extra data: line 1 column 10 (char 9)
因?yàn)?json.dump
方法序列化寫(xiě)入文件的時(shí)候,寫(xiě)入了兩個(gè)及以上的數(shù)據(jù),之后 json.load
方法在讀的時(shí)候又是一次性將整個(gè)文件中的數(shù)據(jù)讀取出來(lái),這個(gè)時(shí)候,反序列化的數(shù)據(jù)成了 [1, 2, 3][4, 5, 6][7, 8, 9]
,這明顯不是一個(gè)json支持的數(shù)據(jù)格式,所以 json.load
失敗了。
再來(lái)看pickle是怎么樣的:
# pickle 可以連續(xù)dump,也可以連續(xù)load import pickle # 序列化數(shù)據(jù) lst1 = [1, 2, 3] lst2 = [4, 5, 6] lst3 = [7, 8, 9] # 序列化寫(xiě)入文件 with open('pickle.txt', 'wb') as fp: pickle.dump(lst1, fp) pickle.dump(lst2, fp) pickle.dump(lst3, fp) # 讀取文件反序列化 with open('pickle.txt', 'rb') as fp: data1 = pickle.load(fp) # [1, 2, 3] print(data1) data2 = pickle.load(fp) # [4, 5, 6] print(data2) data3 = pickle.load(fp) # [7, 8, 9] print(data3) # 嘗試先逐行讀取,再反序列化 with open('pickle.txt', 'rb') as fp: datum = fp.readlines() print(len(datum)) # 1 for data in datum: data = pickle.loads(data) print(data) # [1, 2, 3] # 只能讀出一個(gè)
可以看到 pickle.load
將數(shù)據(jù)都讀出來(lái)了,這是因?yàn)?pickle.dump
在寫(xiě)入數(shù)據(jù)的時(shí)候在每條數(shù)據(jù)后都加上了一個(gè)標(biāo)記(有些人解釋說(shuō)是換行,但是文件中并沒(méi)有換行,逐行使用 fp.readlines
逐行讀取的時(shí)候也只能獲取一條,但是在文件中所有的數(shù)據(jù)都是在同一行的,我也不太懂了(無(wú)奈)),然后 pickle.load
每次就只會(huì)讀一條數(shù)據(jù),從IO指針讀到每條數(shù)據(jù)后的那個(gè)標(biāo)記為止,所以,pickle
可以連續(xù)的 load
。
怎么解決json的這個(gè)問(wèn)題?
其實(shí)上面的這個(gè)問(wèn)題,我個(gè)人認(rèn)為是一種不規(guī)范的操作。因?yàn)?json.load
會(huì)一次性的讀取整個(gè)文件中的內(nèi)容,你卻在一個(gè)文件中寫(xiě)入了不止一條的數(shù)據(jù),那么在反序列化的時(shí)候當(dāng)然會(huì)報(bào)錯(cuò)了。所以我認(rèn)為:
json的主要作用多語(yǔ)言之前的數(shù)據(jù)傳遞和數(shù)據(jù)存儲(chǔ),每個(gè)JSON文件中最好只儲(chǔ)存一條完整的數(shù)據(jù)。
但是我就想在一個(gè)json文件中存多個(gè)數(shù)據(jù)呢?
其實(shí)思路很簡(jiǎn)單,關(guān)鍵就是讀取文件然后反序列化的時(shí)候,必須是一條數(shù)據(jù)、一條數(shù)據(jù)的反序列化,類(lèi)似如下:
import json # 序列化數(shù)據(jù) lst1 = [1, 2, 3] lst2 = [4, 5, 6] lst3 = [7, 8, 9] # 序列化寫(xiě)入文件,每寫(xiě)入一條數(shù)據(jù)插一個(gè)換行 with open('test.json', 'w', encoding='UTF-8') as fp: json.dump(lst1, fp) fp.write('\n') json.dump(lst2, fp) fp.write('\n') json.dump(lst3, fp) # 讀取文件反序列化(逐行讀取數(shù)據(jù),然后反序列化) with open('test.json', 'r', encoding='UTF-8') as fp: datum = fp.readlines() print(len(datum)) # 3 for data in datum: data = json.loads(data) print(data) # [1, 2, 3] # [4, 5, 6] # [7, 8, 9]
json序列化后的數(shù)據(jù)為字符串,pickle序列化后的數(shù)據(jù)為字節(jié)流;
json支持八種數(shù)據(jù)類(lèi)型(int、float、bool、str、list、tuple、dict、None),pickle支持python的一切數(shù)據(jù)類(lèi)型;
json一般用于多語(yǔ)言間的數(shù)據(jù)交流,pickle一般用于python之間數(shù)據(jù)交流;
讀到這里,這篇“Python的pickle序列化和JSON序列化實(shí)例分析”文章已經(jīng)介紹完畢,想要掌握這篇文章的知識(shí)點(diǎn)還需要大家自己動(dòng)手實(shí)踐使用過(guò)才能領(lǐng)會(huì),如果想了解更多相關(guān)內(nèi)容的文章,歡迎關(guān)注億速云行業(yè)資訊頻道。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。