22.json&pickle&shelve
转载:https://www.cnblogs.com/yuanchenqi/article/5732581.html
json
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。
import json
x="[null,true,false,1]"
print(eval(x))
print(json.loads(x))
什么是序列化?
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。
序列化之后,就可以把序列化后的内容写入磁盘,或者通过网络传输到别的机器上。
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。
json
如果我们要在不同的编程语言之间传递对象,就必须把对象序列化为标准格式,比如XML,但更好的方法是序列化为JSON,因为JSON表示出来就是一个字符串,可以被所有语言读取,也可以方便地存储到磁盘或者通过网络传输。JSON不仅是标准格式,并且比XML更快,而且可以直接在Web页面中读取,非常方便。
JSON表示的对象就是标准的JavaScript语言的对象,JSON和Python内置的数据类型对应如下:
#----------------------------序列化
import json dic={'name':'alvin','age':23,'sex':'male'}
print(type(dic))#<class 'dict'> j=json.dumps(dic)
print(type(j))#<class 'str'> f=open('序列化对象','w')
f.write(j) #-------------------等价于json.dump(dic,f)
f.close()
#-----------------------------反序列化<br>
import json
f=open('序列化对象')
data=json.loads(f.read())# 等价于data=json.load(f)
# eval
# dic='{"name":"alex"}'
# f=open("hello","w")
# f.write(dic) # f_read=open("hello","r")
# data=f_read.read()
# print(type(data))
# data=eval(data)
# print(data["name"]) # import json
#
#
# dic={'name':'alex'}#---->{"name":"alex"}----->'{"name":"alex"}'
# i=8 #---->'8'
# s='hello' #---->"hello"------>'"hello"'
# l=[11,22] #---->"[11,22]"
#
# f=open("new_hello","w") # dic_str=json.dumps(dic)
# f.write(dic_str) #json.dump(dic,f) # f_read=open("new_hello","r")
# data=json.loads(f_read.read()) # data=json.load(f) #
# print(data["name"])
# print(data)
# print(type(data)) # print(s)
# print(type(s)) # data=json.dumps(dic)
#
# print(data) #{"name": "alex"}
# print(type(data)) #注意:
# import json
#
# with open("Json_test","r") as f:
# data=f.read()
# data=json.loads(data)
# print(data["name"])
注意:
import json
#dct="{'1':111}"#json 不认单引号
#dct=str({"1":111})#报错,因为生成的数据还是单引号:{'one': 1} dct='{"1":"111"}'
print(json.loads(dct)) #conclusion:
# 无论数据是怎样创建的,只要满足json格式,就可以json.loads出来,不一定非要dumps的数据才能loads 注意点
pickle
Pickle的问题和所有其他编程语言特有的序列化问题一样,就是它只能用于Python,并且可能不同版本的Python彼此都不兼容,因此,只能用Pickle保存那些不重要的数据,不能成功地反序列化也没关系。
import pickle dic = {'name': 'alvin', 'age': 23, 'sex': 'male'} print(type(dic)) # <class 'dict'> # j = pickle.dumps(dic)
# print(type(j)) # <class 'bytes'>
#
# f = open('序列化对象_pickle', 'wb') # 注意是w是写入str,wb是写入bytes,j是'bytes'
# f.write(j) # -------------------等价于pickle.dump(dic,f)
#
# f.close()
# # -------------------------反序列化
import pickle f = open('序列化对象_pickle', 'rb') data = pickle.loads(f.read()) # 等价于data=pickle.load(f) print(data['age'])
shelve
shelve模块比pickle模块简单,只有一个open函数,返回类似字典的对象,可读可写;key必须为字符串,而值可以是python所支持的数据类型
import shelve f = shelve.open(r'shelve1') # 目的:将一个字典放入文本 f={}
#
# f['stu1_info']={'name':'alex','age':'18'}
# f['stu2_info']={'name':'alvin','age':'20'}
# f['school_info']={'website':'oldboyedu.com','city':'beijing'}
# f.close() print(f.get('stu1_info')['age']) # dic={}
#
# dic["name"]="alvin"
# dic["info"]={"name":"alex"}
最新文章
- Kooboo CMS - @Html.FrontHtml().HtmlTitle() 详解
- [数据库事务与锁]详解六: MySQL中的共享锁与排他锁
- oracle 查询 当前最大时间的value的值
- iOS 网络请求中的challenge
- javaSE基础——常见的dos命令即其他
- php数组去重复代码
- Centos6.4安装JDK
- FileReader和BufferedReader的区别
- python爬虫(四)_urllib2库的基本使用
- js实现带上传进度的文件上传
- 使用SecureCRT / win7远程桌面连接ubuntu配置记录(有更新)
- xgboost实例代码
- 删除排序数组中的重复项的golang实现
- LightOJ - 1356 Prime Independence (二分图 最大独立集 素数打表)
- linux 记录所有用户bash操作日志
- 洛谷1288 取数游戏II
- oc消息转发:forwardInvocation、签名、参量个数、SEL 相关测试
- Java类的设计----Object 类
- Hexo搭建 github.io 静态博客使用指南
- UI1
热门文章
- AutoCAD安装失败怎样卸载重新安装AutoCAD,解决AutoCAD安装失败的方法总结
- 捕捉WPF应用程序中XAML代码解析异常
- python while 循环结构
- Flask学习之八 关注、联系人和好友
- oracle函数 VSIZE(X)
- Android Studio(七):项目从Eclipse到Android Studio迁移
- SuperSocket 服务管理器 (ServerManager)
- MVC4 变更模板
- [ Laravel 5.1 文档 ] 服务 —— 帮助函数
- H3C 帧中继子接口