python序列化模塊 json&&pickle&&shelve

#序列化模塊
#what
#什麼叫序列化--將本來的字典、列表等內容轉換成一個字符串的過程叫作序列化。
#why
#序列化的目的
##1.以某種存儲形式使自定義對象持久化
##2.將對象從一個地方傳遞到另外一個地方
##3.使程序更具備維護性

#str-------------反序列化-------->>>數據結構
#數據結構<<<-------序列化-------------str

#json
#json模塊提供了四個功能：dumps,dump,loads,load

#loads 和 dumps  ****************

import json

dic0 = {'k1':'v1', 'k2':'v2'}
str_dic = json.dumps(dic0)  #序列化：將一個字典轉換成一個字符串
print(str_dic, type(str_dic))#{"k1": "v1", "k2": "v2"} <class 'str'>
#注意：要用json轉換完的字符串類型的字典中的字符串是由""表示的

dic1 = json.loads(str_dic)  #反序列化：將一個字符串格式的字典轉換爲一個字典
#注意：要用json的loads功能處理的字符串類型的字典中的字符串必須由""表示
print(dic1, type(dic1))#{'k1': 'v1', 'k2': 'v2'} <class 'dict'>

list_dic = [1,['a','b','c'],3,{'k1':'v1','k2':'v2'}]
str_dic = json.dumps(list_dic) #也能夠處理嵌套的數據類型 
print(type(str_dic),str_dic) #<class 'str'> [1, ["a", "b", "c"], 3, {"k1": "v1", "k2": "v2"}]
list_dic2 = json.loads(str_dic)
print(type(list_dic2),list_dic2) #<class 'list'> [1, ['a', 'b', 'c'], 3, {'k1': 'v1', 'k2': 'v2'}]

#load 和 dump    ******************

import json

f = open('json_file','w')
dic0 = {'k1':'v1', 'k2':'v2'}
json.dump(dic0,f)    #dump方法接收一個文件句柄，直接將字典轉爲json字符串寫入文件
f.close()

f = open('json_file', 'r')
dic1 = json.load(f)    #load方法接收一個文件句柄，直接將文件中的json字符串轉換成數據結構返回
f.close()
print(dic1, type(dic1))#{'k1': 'v1', 'k2': 'v2'} <class 'dict'>

#ensure_ascii關鍵字參數  ********

import json

f = open('file.txt','w',encoding='utf-8')
ret = json.dumps({'國籍':'美國'},ensure_ascii=False)
f.write(ret+'\n')
f.close()

#其餘參數說明

# 1.Serialize obj to a JSON formatted str.(字符串表示的json對象) 
# 2.Skipkeys：默認值是False，若是dict的keys內的數據不是python的基本類型(str,unicode,int,long,float,bool,None)，設置爲False時，就會報TypeError的錯誤。此時設置成True，則會跳過這類key 
# 3.ensure_ascii:，當它爲True的時候，全部非ASCII碼字符顯示爲\uXXXX序列，只需在dump時將ensure_ascii設置爲False便可，此時存入json的中文便可正常顯示。) 
# If check_circular is false, then the circular reference check for container types will be skipped and a circular reference will result in an OverflowError (or worse). 
# If allow_nan is false, then it will be a ValueError to serialize out of range float values (nan, inf, -inf) in strict compliance of the JSON specification, instead of using the JavaScript equivalents (NaN, Infinity, -Infinity). 
# 4.indent：應該是一個非負的整型，若是是0就是頂格分行顯示，若是爲空就是一行最緊湊顯示，不然會換行且按照indent的數值顯示前面的空白分行顯示，這樣打印出來的json數據也叫pretty-printed json 
# 5.separators：分隔符，其實是(item_separator, dict_separator)的一個元組，默認的就是(‘,’,’:’)；這表示dictionary內keys之間用「,」隔開，而KEY和value之間用「：」隔開。 
# 6.default(obj) is a function that should return a serializable version of obj or raise TypeError. The default simply raises TypeError. 
# 7.sort_keys：將數據根據keys的值進行排序。 
# To use a custom JSONEncoder subclass (e.g. one that overrides the .default() method to serialize additional types), specify it with the cls kwarg; otherwise JSONEncoder is used.

#json的格式化輸出

import json
data = {'username':['李大爺','二大爺'],'sex':'male','age':16}
json_dic2 = json.dumps(data,sort_keys=True,indent=2,separators=(',',':'),ensure_ascii=False)
print(json_dic2)


#總結：
#1.json格式的key必須是字符串數據類型，json格式中的字符串必須是」「雙引號
#2.若是數字是key，那麼dump以後會強行轉爲字符串類型
#3.json對元組作value的字典會把元組強行轉爲列表，json對元組作key，不支持，會報錯
#4.中文格式在文件中dumps和dump有關鍵字參數ensure_ascii
#5.json的其餘參數 sort_keys,indent,separators
#6.不容許存set數據類型，set不能被dump和dumps
#7.不能夠屢次dunp


#pickle
# 用於序列化的兩個模塊

# json，用於字符串 和 python數據類型間進行轉換
# pickle，用於python特有的類型 和 python的數據類型間進行轉換

# pickle模塊提供了四個功能：dumps、dump(序列化，存）、loads（反序列化，讀）、load  （不只能夠序列化字典，列表...能夠把python中任意的數據類型序列化

import pickle
dic = {'k1':'v1','k2':'v2','k3':'v3'}
str_dic = pickle.dumps(dic)
print(str_dic)  #一串二進制內容

dic2 = pickle.loads(str_dic)
print(dic2)    #字典

import time
struct_time  = time.localtime(1000000000)
print(struct_time)
f = open('pickle_file','wb')
pickle.dump(struct_time,f)
f.close()

f = open('pickle_file','rb')
struct_time2 = pickle.load(f)
print(struct_time2.tm_year)

# 這時候機智的你又要說了，既然pickle如此強大，爲何還要學json呢？
# 這裏咱們要說明一下，json是一種全部的語言均可以識別的數據結構。
# 若是咱們將一個字典或者序列化成了一個json存在文件裏，那麼java代碼或者js代碼也能夠拿來用。
# 可是若是咱們用pickle進行序列化，其餘語言就不能讀懂這是什麼了～
# 因此，若是你序列化的內容是列表或者字典，咱們很是推薦你使用json模塊
# 但若是出於某種緣由你不得不序列化其餘的數據類型，而將來你還會用python對這個數據進行反序列化的話，那麼就可使用pickle

#總結：
#1.dump的結果是bytes，dunp用的文件句柄須要wb，load須要用rb
#2.支持幾乎全部對象的序列化，對應對象的序列化須要這個對象對應的類在內存中
#3.能夠屢次dump   while i: try: picle.load(f) excepe EOFError: break

#shelve

# shelve也是python提供給咱們的序列化工具，比pickle用起來更簡單一些。
# shelve只提供給咱們一個open方法，是用key來訪問的，使用起來和字典相似。

import shelve
f = shelve.open('shelve_file')
f['key'] = {'int':10, 'float':9.5, 'string':'Sample data'}  #直接對文件句柄操做，就能夠存入數據
f.close()

import shelve
f1 = shelve.open('shelve_file')
existing = f1['key']  #取出數據的時候也只須要直接用key獲取便可，可是若是key不存在會報錯
f1.close()
print(existing)

# 這個模塊有個限制，它不支持多個應用同一時間往同一個DB進行寫操做。
#因此當咱們知道咱們的應用若是隻進行讀操做，咱們可讓shelve經過只讀方式打開DB

f = shelve.open('shelve_file', flag='r')
existing = f['key']
f.close()
print(existing)

# 因爲shelve在默認狀況下是不會記錄待持久化對象的任何修改的，
#因此咱們在shelve.open()時候須要修改默認參數，不然對象的修改不會保存。

import shelve
f1 = shelve.open('shelve_file')
print(f1['key'])
f1['key']['new_value'] = 'this was not here before'
f1.close()

f2 = shelve.open('shelve_file', writeback=True)
print(f2['key'])
f2['key']['new_value'] = 'this was not here before'
f2.close()

# writeback方式有優勢也有缺點。
#優勢是減小了咱們出錯的機率，而且讓對象的持久化對用戶更加的透明瞭；
#但這種方式並非全部的狀況下都須要，首先，使用writeback之後，
#shelf在open()的時候會增長額外的內存消耗，而且當DB在close()
#的時候會將緩存中的每個對象都寫入到DB，這也會帶來額外的等待時間。
#由於shelve沒有辦法知道緩存中哪些對象修改了，哪些對象沒有修改，
#所以全部的對象都會被寫入