Day09-5【Python I/O 编程】从Pickle到JSON

在编程的世界里，我们常常会遇到这样一个问题：如何保存程序中的数据，尤其是当你需要在程序结束后保留变量的值，或者在不同的程序之间传递数据时。幸运的是，Python给我们提供了两位超级英雄来帮忙——Pickle和JSON！今天我们就来聊一聊这两个模块，它们不仅能帮你序列化和反序列化数据，还能让你轻松应对跨程序、跨机器的数据传输需求。

 

 

一、先来认识一下Pickle

Pickle是Python自家的序列化模块，它的工作就是把内存中的数据转化为一种便于存储和传输的格式。我们称这个过程为序列化，而反过来，把这些数据重新加载回内存，则叫做反序列化。

Pickle的使用

想象一下，你有一个字典对象 d = dict(name='Bob', age=20, score=88)，它可不是一块静态的代码，而是驻扎在内存中的一片“神奇领土”。程序运行时，你可以随意修改它的内容，但一旦程序结束，它就会消失。为了让它永存，你需要把它保存到硬盘上。Pickle就能帮你做到这一点！

让我们来尝试一下：

pythonimport pickle
d = dict(name='Bob', age=20, score=88)
# 序列化：把字典转化为二进制数据pickled_data = pickle.dumps(d)print(pickled_data)

 

你会看到一串类似乱码的二进制数据，这其实是Pickle为你处理过的对象数据。你也可以直接将它保存到文件里：

python# 序列化并保存到文件with open('dump.txt', 'wb') as f:    pickle.dump(d, f)

 

然后，如何读取这个文件并恢复数据呢？简单！只需要用 pickle.load() 就能完成反序列化：​​​​​​​

pythonwith open('dump.txt', 'rb') as f:    d_new = pickle.load(f)
print(d_new)  # 输出：{'name': 'Bob', 'age': 20, 'score': 88}

 

这时你会发现，d_new 和最初的字典内容完全一样！不过，它们并不是同一个对象，它们只是数据相同而已。

Pickle的缺点

然而，Pickle有个致命的缺点——它只适用于Python，而且不同版本的Python之间可能存在不兼容的问题。所以，Pickle适合用来保存一些不重要的数据，或者在相同环境下进行数据传输。

 

 

二、从Pickle到JSON：跨语言的魔法

Pickle虽好，但不能跨语言使用，怎么办？别担心，JSON来救场！JSON（JavaScript Object Notation）是目前最常用的跨语言数据交换格式，它不仅轻量，而且几乎支持所有编程语言。Python的json模块可以让我们方便地将Python对象转换为JSON格式。

JSON的使用

JSON的结构看起来像这样：

• 字典 {} 转换成 dict

• 列表 [] 转换成 list

• 字符串 "string" 转换成 str

• 数字 1234.56 转换成 int 或 float

• 布尔值 true/false 转换成 True/False

• 空值 null 转换成 None

让我们来看看如何将Python字典对象转换成JSON：​​​​​​​

pythonimport json
d = dict(name='Bob', age=20, score=88)
# 序列化为JSON字符串json_str = json.dumps(d)print(json_str)  # 输出：{"name": "Bob", "age": 20, "score": 88}

 

你会看到输出的就是标准的JSON格式字符串！如果要将其保存到文件里，可以使用json.dump()方法。​​​​​​​

pythonwith open('dump.json', 'w') as f:    json.dump(d, f)

 

而反序列化操作也非常简单：​​​​​​​

pythonwith open('dump.json', 'r') as f:    d_new = json.load(f)
print(d_new)  # 输出：{'name': 'Bob', 'age': 20, 'score': 88}

 

处理自定义对象的JSON序列化

你可能会遇到需要序列化自定义类的情况，JSON直接无法处理类实例对象。比如我们定义一个Student类：​​​​​​​

pythonclass Student:    def __init__(self, name, age, score):        self.name = name        self.age = age        self.score = score
s = Student('Bob', 20, 88)

 

直接尝试序列化：​​​​​​​

pythonjson_str = json.dumps(s)

 

会得到一个错误，提示 TypeError: ... is not JSON serializable。

解决方法：我们可以通过提供一个 default 参数来指定如何将 Student 实例转换为JSON：​​​​​​​

pythondef student_to_dict(student):    return {        'name': student.name,        'age': student.age,        'score': student.score    }
print(json.dumps(s, default=student_to_dict))

 

这样就可以把自定义对象转换为可序列化的字典，再转化为JSON了。

高级用法

如果你想偷个懒，把所有自定义对象都转化为字典，可以用lambda函数：​​​​​​​

pythonprint(json.dumps(s, default=lambda obj: obj.__dict__))

 

这样，Student类的实例就会自动被转换为一个字典，这样JSON就可以轻松处理了。

 

 

三、练习题：手把手教你玩转Pickle与JSON

任务1：使用Pickle保存和加载数据

1. 创建一个字典 d = dict(name='Alice', age=25, score=90)，使用Pickle将其序列化并保存到文件中。

2. 在另一个Python程序中，读取保存的Pickle文件，反序列化并打印出内容。

任务2：将自定义对象转换为JSON格式

1. 定义一个Book类，包含title（书名）、author（作者）、price（价格）三个属性。

2. 创建一个Book实例，并尝试将其转化为JSON格式。

3. 使用 lambda 函数简化转换过程，使得所有类的实例都可以自动转化为字典并序列化为JSON。

任务3：中文字符的JSON处理

1. 创建一个包含中文字符的字典：{'name': '小明', 'age': 20}。

2. 使用json.dumps()方法序列化该字典，观察ensure_ascii参数对结果的影响，并打印输出。

 

 

* 小结

今天我们学习了如何使用Pickle和JSON来实现数据的序列化和反序列化。Pickle适用于Python内部使用，而JSON则是跨语言的通用标准。当你需要将数据保存到磁盘、传输数据或进行远程通信时，这两个工具都是不可或缺的！

准备好进入Python数据序列化的世界了吗？快来动手做一做练习吧！