python序列化：json，pickl

什么是序列化，把程序中的对象或者变量，从内存中转换为可存储或可传输的过程称为序列化。在 python 中，这个过程称为 pickling，在其他语言中也被称为 serialization，marshalling，flattening 等。程序中的对象（或者变量）在序列化之后，就可以直接存放到存储设备上，或者直接发送到网络上进行传输。

序列化的逆向过程，即为反序列化（unpickling），就是把序列化的对象（或者变量）重新读到内存中~

JSON 模块就用于序列化和反序列化。对象（变量）使用json模块序列化后，表现为一个字符串，序列化为字符串格式的好处是：序列化后的对象可以在不同的编程语言之间传递。
 
Python 数据类型和 json 中的字符串对应关系如下：

 
json模块常用的就4个方法：dump，dumps，load，loads~

json.dump / json.dumps

这两个方法用于序列化对象，两个方法的功能类似，区别在于，json.dumps 方法接收一个参数，即需要序列化的对象，其余参数为可选参数，方法执行完成后，会返回序列化后得到的字符串；json.dump 接收两个参数，第一个参数和 dumps方法 相同，即需要序列化的对象，第二个参数为文件对象，例如 open方法 的返回对象，其余为可选参数，方法执行后，序列化后的字符串会直接写到文件中~
 
dump / dumps 示例：

import json

d = {'name': '贝贝', 'age': 18}
lst = [1, 2, 3]
tup = ('a', 'b', 'c')
s = 'hello'
i = 3
f = 1.2
flag_1 = True
flag_2 = False
abc = None

print(type(json.dumps(d)))   # <class 'str'>
print(json.dumps(d))           # {"name": "\u8d1d\u8d1d", "age": 18}
print(json.dumps(lst))         # [1, 2, 3]
print(json.dumps(tup))        # ["a", "b", "c"]
print(json.dumps(s))           # "hello"
print(json.dumps(i))            # 3
print(json.dumps(f))            # 1.2
print(json.dumps(flag_1))   # true
print(json.dumps(flag_2))   # false
print(json.dumps(abc))       # null

# 以上的输出类型都是 class 'str' 类型，即字符串类型~

#################################
d = {'name': '贝贝', 'age': 18}
with open(file='/tmp/test_json', mode='w') as f:
    json.dump(d, f)

# 执行完成后，查看输出的文件内容：
➜  ~ cat /tmp/test_json
{"name": "\u8d1d\u8d1d", "age": 18}%   

json.load / json.loads

这两个方法用于序列化后的字符串 反序列化，两者的区别和 dump、dumps 类似，json.loads 接收一个字符串参数，其余参数为可选参数，json.load 也接收一个参数，该参数为包含 json 字符串的文件对象~

json.loads示例：

d = json.loads('{"name": "\u8d1d\u8d1d", "age": 18}')
print(type(d), '--', d)

abc = json.loads('null')
print(type(abc), '--', abc)

tup = json.loads('["a", "b", "c"]')
print(type(tup), '--', tup)

s = json.loads('"hello"')
print(type(s), '--', s)

# 输出结果：
<class 'dict'> -- {'name': '贝贝', 'age': 18}
<class 'NoneType'> -- None
<class 'list'> -- ['a', 'b', 'c']
<class 'str'> -- hello

注意：传递给 json.loads 方法的参数必须用 单引号括起来，里面的字符串使用双引号，例如不能有这样的写法：json.loads("hello")，json.loads("['a', 'b', 'c']")，json 字符串中不支持单引号~
 
json.load示例：

with open(file='/tmp/test_json', mode='r') as f:
    json_data = json.load(f)
    print(type(json_data), '--', json_data)

# 输出结果：
<class 'dict'> -- {'name': '贝贝', 'age': 18}

json模块中的字符编码问题

我们可以看到上述示例中，字典对象中包含有中文字符，在进行序列化后，不管是使用 dumps 存放到字符串中 还是使用 dump 存放到文件中，中文字符串是使用 unicode 编码格式存放的。
 
在python3中，代码中的字符串都是使用 unicode 格式存放的，序列化之后也是以unicode 格式存放，所以序列化和反序列化过程都不存在问题。

 
Python2中，代码中的字符串是 str类型，str类型 和 unicode类型 的关系如下所示：

unicode -----> encode --------> str（例如为 utf-8编码）
utf-8（例如为 utf-8编码） --------> decode ----------> unicode

所以在Python2中，序列化过程和反序列化过程都有涉及到转码过程（encode和decode），序列化过程 会先将对象中的字符串 使用utf-8 进行解码（decode），转换为unicode类型后，再存放到文件或者字符串中，反序列化过程 会将 json字符串 使用utf-8 编码（encode），然后存放到内存中的变量~
 
说明：在Python2中，dumps（dump）和loads（load）默认使用 utf-8 进行 encode和decode，若要使用使用其他编码方式，可以通过 encode参数 指定；在Python3中，dumps（dump）和loads（load）方法都没有 encode参数~
 
来看如下示例：

# -*- coding:utf-8 -*-
d = {'name': '贝贝', 'age': 18}
print type(json.dumps(d)), '--', json.dumps(d)

res_d = json.loads('{"age": 18, "name": "\u8d1d\u8d1d"}')
print type(res_d), '--', res_d

# 结果输出：
<type 'str'> -- {"age": 18, "name": "\u8d1d\u8d1d"}
<type 'dict'> -- {u'age': 18, u'name': u'\u8d1d\u8d1d'}

如上过程，序列化和反序列化都没有问题，这是因为，文件的开头指定了 ‘# -- coding:utf-8 --’，程序中的字符串（str类型）就是使用utf-8编码后存放于内存中~
 
现在修改一下文件开头的编码：

# -*- coding:gbk -*-
d = {'name': '贝贝', 'age': 18}
print type(json.dumps(d)), '--', json.dumps(d)

res_d = json.loads('{"age": 18, "name": "\u8d1d\u8d1d"}')
print type(res_d), '--', res_d

这个时候就会报出如下错误信息，很简单，utf-8 无法解码 gbk编码的字符串（'贝贝'）

UnicodeDecodeError: 'utf8' codec can't decode byte 0xb1 in position 0: invalid start byte

解决方法就是，在 dumps 过程中指定使用 gbk 进行解码，然后输出就正常了~

# -*- coding:gbk -*-
d = {'name': '贝贝', 'age': 18}
json_str = json.dumps(d, encoding='gbk')
print type(json_str), '--', json_str

res_d = json.loads('{"age": 18, "name": "\u8d1d\u8d1d"}')
print type(res_d), '--', res_d

# 输出结果：
<type 'str'> -- {"age": 18, "name": "\u8d1d\u8d1d"}
<type 'dict'> -- {u'age': 18, u'name': u'\u8d1d\u8d1d'}

注意：这里 loads 过程不需要指定编码格式，因为反序列化之后存放到内存中的依旧是unicode格式的字符串~
 
还有一种更简单的解决方式，即在中文字符前加 u

d = {'name': u'贝贝', 'age': 18}
json_str = json.dumps(d)

pickle 模块也用于序列化和反序列化Python对象（变量），其用法和 json 模块的使用基本一致。pickle 模块 和 json 模块 区别在于：pickle 模块 仅用于Python的数据类型，序列化后的对象不能再不同的编程语言之间传递，但是 pickle 模块 可序列化几乎所有的Python数据类型，包括时间对象，函数，类…
 

序列化基本数据类型

import pickle

d = {'name': '贝贝', 'age': 18}
d_dump = pickle.dumps(d)
print(d_dump)

d_load = pickle.loads(d_dump)
print(type(d_load), '--', d_load)

# 结果输出：
b'\x80\x03}q\x00(X\x04\x00\x00\x00nameq\x01X\x06\x00\x00\x00\xe8\xb4\x9d\xe8\xb4\x9dq\x02X\x03\x00\x00\x00ageq\x03K\x12u.'    # 注意 输出的是 byte 类型（即python2中的str类型）
<class 'dict'> -- {'name': '贝贝', 'age': 18}

####################################
lst = [1, 2, 3]
with open('/tmp/test_pickle', mode='wb') as f:     # 打开文件的模式为二进制写
    pickle.dump(lst, f)

with open('/tmp/test_pickle', mode='rb') as f:       # 打开文件的模式为二进制读
    lst_load = pickle.load(f)
    print(type(lst_load), '--', lst_load)

# 结果输出：
<class 'list'> -- [1, 2, 3]

# 存放序列化对象的文件：
➜  ~ cat /tmp/test_pickle 
q(KKKe.% 

可以看到 pickle序列化后的数据，可读性差，不像json那样一目了然~

序列化类class对象

import pickle

class Person:
    def __init__(self, name, age):
        self.name = name
        self.age = age
    def say_hello(self):
        print('hello %s' % (self.name))

p = Person('贝贝', 18)
# p.say_hello()
# del Person

with open('/tmp/test_pickle', mode='wb') as f:
    pickle.dump(p, f)

with open('/tmp/test_pickle', mode='rb') as f:
    p_load = pickle.load(f)
    p_load.say_hello()

# 输出结果：
hello 贝贝

注意：中途不能del Person，不然会出现如下错误

_pickle.PicklingError: Can't pickle <class '__main__.Person'>: attribute lookup Person on __main__ failed

shelve 模块也用于序列化，shelve 模块是在 pickle 模块上做了一层封装，也仅支持两个Python程序之间进行交换~，优点是 shelve 模块 可以序列化 Python 的所有数据类型~
 
shelve 模块比 pickle 模块更加简单，只有一个 open函数，返回类似字典的对象，可读可写，当为某个 key 赋值时，这个值会被序列化，并进行存储；通过某个 key 读出对应的值时，即是一个反序列化过程，其中 key 必须为字符串，而值可以是python所支持的数据类型。
 
shelve 模块存取过程：

import shelve

class Person:
    def __init__(self, name, age):
        self.name = name
        self.age = age
    def say_hello(self):
        print('hello %s' % (self.name))

p = Person('贝贝', 18)
d = {'name': 'abc', 'age': 20}

f = shelve.open(r'/tmp/test_shelve')
f['d_info'] = d
f['p_info'] = p

print(f.get('d_info'))
f.get('p_info').say_hello()

f.close()

如上过程，class对象和基本数据类型会被序列化并存放在文件 '/tmp/test_shelve' 中，f.get() 取出过程即是一个反序列化过程~
 

若是一个可变对象，使用 shelve 模块序列化之后存放到文件中，然后取出（get）对可变对象进行更改，这个时候，已经改变的可变对象只是保存在内存中，不会被写入到文件中，看如下示例：

import shelve

f = shelve.open(r'/tmp/test_shelve')
f['lst_info'] = [1,2,3]

f.get('lst_info').append(4)
print(f.get('lst_info'))

# 输出结果：
[1, 2, 3]

若要进行更改需要重新写入，即重新序列化：

import shelve

f = shelve.open(r'/tmp/test_shelve')
f['lst_info'] = [1, 2, 3]

lst = f.get('lst_info')
lst.append(4)
f['lst_info'] = lst
print(f.get('lst_info'))

# 输出结果：
[1, 2, 3, 4]

或者在使用 shelve 打开文件时，设置 writeback 为True：

f = shelve.open(r'/tmp/test_shelve', writeback=True)
f['lst_info'] = [1, 2, 3]

f.get('lst_info').append(4)
print(f.get('lst_info'))

# 输出结果：
[1, 2, 3, 4]

.................^_^