python中序列化之json文件的使用_python 对象 json序列-优快云博客

前言：

因为文件的读写只能进行字符串或比特类型的操作，其他类型只能转换为字符串或比特类型，想要使用时再转换回原来的类型，转换的过程非常复杂。而序列化和反序列化恰好可以很好的解决这个问题。

序列化和反序列化：

序列化就是将数据的信息或数据结构信息通过转换成字符串，以达到存储或传输的效果。

反序列化，顾名思义，就是将字符串转换为原来的类型。

可序列化的数据类型：

数字类型、字符串类型、列表类型、元组类型、字典类型【最常用】

注意：类、实例化对象，函数，集合是无法序列化的。【这点，java里类，实例化对象是可以序列化的啊？】

序列化模块--json模块与pickle模块：

json是通用的序列化模块，几乎所有的编程语言都有json模块，且序列化和反序列化的规则是统一的。因此，我们在python中通过json序列化的数据，在其他语言中都可以反序列化并使用。

json模块的函数

函数	参数	描述	例子	返回值
dumps	obj	对象序列化	json.dumps([1,2])	字符串
loads	str	反序列化	json.loads('[1,2]')	原始数据类型

json是一种序列化的标准，通过json.dumps()函数对对象进行序列化后，对象会以固定的标准返回：

def json_xuliehua():
    b_json = json.dumps('str')
    print('json serialize:', b_json)
    c_json = json.dumps([1,2,3])
    print(c_json)
    d_json = json.dumps((4, 5, 6))
    print(d_json)
    # 字典通过序列化后，键值都用双引号包裹，中文转化成比特类型并编码
    e_json = json.dumps({'name':'xiao明', 'age': 12}) 
    print(e_json)

输出：

json serialize: "str"
[1, 2, 3]
[4, 5, 6]
{"name": "xiao\u660e", "age": 12}

同时，json也是一种文件格式，.json文件中的内容都是字典通过json序列化之后的内容。

例子：将字典通过json序列化后存入json文件，再从json文件中读取内容转换为字典

def write(path, data):
    with open(path, 'w') as f:
        if isinstance(data, dict):
            _data = json.dumps(data)
            f.write(_data)
    
        else:
            raise TypeError('data is not dict')

    return True


def read(path):
    with open(path, 'r') as f:
        result = f.read()
        result = json.loads(result)

    return result

data = {'name':'小明', 'age': 12, 'height': '165cm'}

if __name__ == '__main__':
    write('test.json', data)
    result = read('test.json')
    print(result)
    result['sex'] = 'boy'   # 对读取的内容操作，再次写入test.json
    write('test.json', result)
    result = read('test.json')
    print(result)

输出：

{'name': '小明', 'age': 12, 'height': '165cm'}
{'name': '小明', 'age': 12, 'height': '165cm', 'sex': 'boy'}

pickle模块的函数：

pickle模块只在python中使用，在其他语言可能无法处理

函数	参数	描述	例子	返回值
dumps	obj	对象序列化	pickle.dumps([1,2])	比特
loads	byte	反序列化	pickle.load('[1,2]')	原始数据类型

注意：和json不同的是，pickle.dumps()返回的是比特类型，load()函数也只支持对比特类型进行反序列化。

思考：pickle模块的使用场景是哪些？可能是有中文的地方？

def pickle_1():
    data = {'name':'小明', 'age':17, 'height': '178cm'}
    _data = pickle.dumps(data)
    print(_data)
    dese = pickle.loads(_data)
    print(dese)

输出：
b'\x80\x04\x95-\x00\x00\x00\x00\x00\x00\x00}\x94(\x8c\x04name\x94\x8c\x06\xe5\xb0\x8f\xe6\x98\x8e\x94\x8c\x03age\x94K\x11\x8c\x06height\x94\x8c\x04178m\x94u.'
{'name': '小明', 'age': 17, 'height': '178m'}

如上，可知，pickle.dumps()函数可以让数据序列化为比特类型，方便在文件中传输比特类型的数据，又可以使用pickle.loads()函数反序列化为原来的数据类型，很方便实用。

进一步：pickle模块还有个load()函数，是处理序列化后的文件的，传参是文件，这个有时间可以研究下。