Python序列化模塊JSON與Pickle
序列化把對象(變量)從內(nèi)存中變成可存儲或傳輸?shù)倪^程稱之為序列化,在Python中叫pickling,在其他語言中也被稱之為serialization,marshalling,flattening。
一、JSON序列化
使用json序列化能夠達到跨平臺傳輸數(shù)據(jù)的目的。
跨平臺性質(zhì),它可以序列化dict/list/str/int/float/bool/None數(shù)據(jù)類型。
序列化成json文本格式。
1、json數(shù)據(jù)類型和python數(shù)據(jù)類型對應關系表:
Json類型<——>Python類型
- {}<——>dict
- []<——>list, tuple
- "string"<——>str, unicode
- 520.13<——>int, long, float
- true/false<——>True/False
- null<——>None
2、相關函數(shù)
(2)序列化
- 序列化成字符串:json.dumps(json_obj)
- 序列化字符串到文件中:json.dump(json_obj, write_file, [,protocol])
(2)反序列化
- 反序列化成對象:json.loads(json_str)
- 從文件讀流中反序列化成對象:json.load(read_file)
3、舉例:
import json
struct_data = {'name': 'json', 'age': 23, 'sex': 'male'}
print(struct_data, type(struct_data)) # {'name': 'json', 'age': 23, 'sex': 'male'}
# 序列化
data = json.dumps(struct_data)
print(data, type(data)) # {"name": "json", "age": 23, "sex": "male"}
# 反序列化
data = json.loads(data)
print(data, type(data)) # {'name': 'json', 'age': 23, 'sex': 'male'}磁盤文件操作
import json
# 序列化,寫入磁盤
with open('Json序列化對象.json', 'w') as fw:
json.dump(struct_data, fw)
# 從文件讀取,反序列化
with open('Json序列化對象.json') as fr:
data = json.load(fr)
print(data) # {'name': 'json', 'age': 23, 'sex': 'male'}二、Pickle序列化
pickle無法跨平臺,序列化之后只有python識別。但是可以序列化Python的任意數(shù)據(jù)類型,包括函數(shù)和對象。
Json模塊和picle模塊都有 dumps、dump、loads、load四種方法,而且用法一樣。但是序列化成二進制形式。
1、舉例:
import pickle
struct_data = {'name': 'json', 'age': 23, 'sex': 'male'}
print(struct_data, type(struct_data)) # {'name': 'json', 'age': 23, 'sex': 'male'}
data = pickle.dumps(struct_data)
print(data, type( data)) # b'\x80\x03}q\x00(X\x04\x00\x00\x00nameq\x01X\x04\x00\x00\x00jsonq\x02X\x03\x00\x00\x00ageq\x03K\x17X\x03\x00\x00\x00sexq\x04X\x04\x00\x00\x00maleq\x05u.'
data = pickle.loads(data)
print(data, type(data)) # {'name': 'json', 'age': 23, 'sex': 'male'} 'dict'>
# 序列化(注意:pickle模塊需要使用二進制存儲,即'wb'模式存儲)
with open('Pickle序列化對象.pkl', 'wb') as fw:
pickle.dump(struct_data, fw)
# 反序列化
with open('Pickle序列化對象.pkl', 'rb') as fr:
pickle = pickle.load(fr)
print(data) # {'name': 'json', 'age': 23, 'sex': 'male'}2、base64與pickle聯(lián)合使用
str = 'Hello World' # 加密前,原始數(shù)據(jù) a = base64.b64encode(pickle.dumps(str)).decode() # 加密 print(a) # gANYCwAAAEhlbGxvIFdvcmxkcQAu b = pickle.loads(base64.b64decode(a.encode())) # 解密 print(b)
到此這篇關于Python序列化模塊JSON與Pickle的文章就介紹到這了。希望對大家的學習有所幫助,也希望大家多多支持腳本之家。
相關文章
Python提取JSON格式數(shù)據(jù)實戰(zhàn)案例
這篇文章主要給大家介紹了關于Python提取JSON格式數(shù)據(jù)的相關資料, Python提供了內(nèi)置的json模塊,用于處理JSON數(shù)據(jù),文中給出了詳細的代碼示例,需要的朋友可以參考下2023-07-07
Django Python 獲取請求頭信息Content-Range的方法
今天小編就為大家分享一篇Django Python 獲取請求頭信息Content-Range的方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2019-08-08
Python使用BeautifulSoup抓取和解析網(wǎng)頁數(shù)據(jù)的操作方法
在數(shù)據(jù)分析和機器學習領域中,數(shù)據(jù)是不可或缺的資源,網(wǎng)頁數(shù)據(jù)作為豐富的信息來源,往往需要通過爬蟲抓取,Python的BeautifulSoup是處理HTML和XML的利器,本篇文章將詳細介紹BeautifulSoup的基本用法,并通過一個實際案例演示如何使用BeautifulSoup抓取和解析網(wǎng)頁數(shù)據(jù)2024-11-11
Matplotlib可視化之添加讓統(tǒng)計圖變得簡單易懂的注釋
今天給大家?guī)淼奈恼率顷P于Python的,文章圍繞著Python Matplotlib可視化展開,文中非常詳細的介紹了如何給統(tǒng)計圖添加注釋,需要的朋友可以參考下2021-06-06
在PyCharm中打包Python項目并將其運行到服務器上的方法(推薦)
在PyCharm中打包Python項目并運行到服務器上,主要步驟包括:創(chuàng)建并設置項目、編寫項目代碼、打包項目、配置服務器環(huán)境、上傳可執(zhí)行文件到服務器以及運行項目,通過這些步驟,可以將Python項目打包并部署到服務器上2024-11-11
python實現(xiàn)對AES加密的視頻數(shù)據(jù)流解密的方法
密碼學中的高級加密標準(Advanced?Encryption?Standard,AES),又稱Rijndael加密法,這篇文章主要介紹了用python實現(xiàn)對AES加密的視頻數(shù)據(jù)流解密,需要的朋友可以參考下2023-02-02

