Python学习第九天

序列化和反序列

概念       

        在Python中，序列化是将对象转换为可存储或传输的格式（如字节流或字符串），而反序列化则是将序列化后的数据重新转换为对象（官网序列化）。

• 序列化：就是将不能存储的对象转为可存储的对象（封存pickling）。

• 发序列化：序列化的对象返回成原来的对象（解封unpickling）。

方式

序列化和反序列化有下面五种方式

pickle模块

        官网概念：pickle模块实现了对一个Python对象结构的二进制序列化和反序化。"pickling" 是将 Python 对象及其所拥有的层次结构转化为一个字节流的过程而 "unpickling" 是相反的操作，会将（来自一个二进制文件或字节对象的）字节流转化回一个对象层次结构。 pickling（和 unpickling）也被称为“序列化”, “编组”或者 “平面化”。而为了避免混乱，此处采用术语 “封存 (pickling)” 和 “解封 (unpickling)”

核心函数

dumps：将Python对象序列化并写入到文件,常用写法pickle.dumps(对象)

loads:  将字节流反序列化为Python对象,常用写法pickle.loads(对象)

# 大家还记得几种 import的用法
from pickle import dump,dumps,load,loads
retData = [
    123,
    [123,{'name':'python','age':18},'test pick'],
    {'name':'java','age':18},
    'test dump dumps load loads'
]
#  查询方法和属性print(help(dumps)) dumps(obj, protocol=None, *, fix_imports=True, buffer_callback=None)
'''
    有些人想知道这个参数protocol是什么意思查询这个https://docs.python.org/zh-cn/3.13/library/pickle.html#pickle.Pickler
    可选参数protocol 是一个整数，告知 pickler 使用指定的协议，可选择的协议范围从 0 到 HIGHEST_PROTOCOL。如果没有指定，这一参数默认值为 DEFAULT_PROTOCOL。指定一个负数就相当于指定 HIGHEST_PROTOCOL。
    其他参数也有我就不细说了 想查询通过python官网查询选择对应的版本哦
'''
# 序列化
dumps_object = dumps(retData)
print(dumps_object)
# 反序列化
loads_object = loads(dumps_object)
print(loads_object)

dump：将Python对象序列化为字节流并写入文件,常用写法pickle.dump(对象,'输出地址')

load：从文件中读取出来字节流转为python对象,常用写法pickle.load(对象,'输出地址')

# 查询方法和属性print(help(dump)) dump(obj, file, protocol=None, *, fix_imports=True, buffer_callback=None)
'''
    回忆第八天学习的内容了
    with open rb是不是读取二进制文件 
    with open wb写入二进制文件
'''
# 创建到跟当前python文件同目录 如果 python不存在python会自动创建
file_path = 'python.txt'
with open(file_path, 'wb') as file:
    dump(retData,file)
# 查询方法和属性print(help(load)) load(file, *, fix_imports=True, encoding='ASCII', errors='strict', buffers=())
with open(file_path,"rb") as file:
    loaded_data = load(file)
print(loaded_data)

对比

函数名	功能描述	参数说明	返回值或行为
pickle.dumps(obj)	将 Python 对象序列化为字节流。	obj：要序列化的 Python 对象。	返回序列化后的字节流（bytes 类型）。
pickle.loads(data)	将字节流反序列化为 Python 对象。	data：序列化后的字节流（bytes 类型）。	返回反序列化后的 Python 对象。
pickle.dump(obj, file)	将 Python 对象序列化并写入文件。	obj：要序列化的 Python 对象。 file：文件对象（以二进制写模式打开）。	无返回值。将序列化后的字节流写入文件。
pickle.load(file)	从文件中读取字节流并反序列化为 Python 对象。	file：文件对象（以二进制读模式打开）。	返回反序列化后的 Python 对象。

json模块

官网概念：JSON(JavaScriptObjectNotation)，由RFC7159(它取代了RFC4627)和ECMA-404进行规范，是一个受到JavaScript对象字面值语法启发的轻量级数据交换格式(虽然它并不是严格意义上的JavaScript子集)。

核心函数：不写了，还是dumps、dump、loads、load(可以自己写写感受不同的场景使用，具体场景看下面对比)

from json import dumps,dump,loads,load

data = {
    'name': 'python',
    'age': 18,
    'capacity': ['json', 'pickle','marshal','yaml']
}

# 序列化到文件
with open('data.json', 'w') as f:
    dump(data, f)

# 序列化为字符串
json_string = dumps(data)
print(json_string)

# 从文件反序列化
with open('data.json', 'r') as f:
    loaded_data = load(f)
print(loaded_data)

# 从字符串反序列化
deserialized_data = loads(json_string)
print(deserialized_data)

marshal模块

官网概念：此模块包含一些能以二进制格式来读写Python值的函数。这种格式是Python专属的，但是独立于特定的机器架构（即你可以在一台PC上写入某个Python值，将文件传到一台Mac上并在那里读取它）。这种格式的细节有意不带文档说明；可可能在不同Python版本之间发生改变（但这种情况极少发生）。

核心函数：dumps、dump、loads、load(可以自己写写感受不同的场景使用，具体场景看下面对比)

from marshal import dump,dumps,load,loads

data = {
    'name': 'python',
    'age': 18,
    'capacity': ['json', 'pickle','marshal','yaml']
}

# 序列化到文件
with open('data.marshal', 'wb') as f:
    dump(data, f)

# 序列化为字节流
serialized_data = dumps(data)

# 从文件反序列化
with open('data.marshal', 'rb') as f:
    loaded_data = load(f)
print(loaded_data)

# 从字节流反序列化
deserialized_data = loads(serialized_data)
print(deserialized_data)

yaml模块

yaml是一种人类可读的数据序列化格式，适合配置文件和数据交换（第三方类库）。

pip install pyyaml

只有load、dump方法

from yaml import dump,load

data = {
    'name': 'python',
    'age': 18,
    'capacity': ['yaml', 'pickle','marshal','json']
}

# 序列化到文件
with open('data.yaml', 'w') as f:
    dump(data, f)

# 序列化为字符串
yaml_string = dump(data)
print(yaml_string)

# 从文件反序列化
with open('data.yaml', 'r') as f:
    loaded_data = load(f, Loader=yaml.FullLoader)
print(loaded_data)

# 从字符串反序列化
deserialized_data = load(yaml_string, Loader=yaml.FullLoader)
print(deserialized_data)

shelve模块

官网概念："Shelf"是一种持久化的类似字典的对象。与"dbm"数据库的区别在于Shelf中的值（不是键！）实际上可以为任意Python对象---即pickle模块能够处理的任何东西。这包括大部分类实例、递归数据类型，以及包含大量共享子对象的对象。键则为普通的字符串。

核心函数

open：打开一个持久化字典。filename指定下层数据库的基准文件名。作为附带效果，会为filename添加一个扩展名并且可能创建更多的文件。默认情况下，下层数据库会以读写模式打开。可选的flag形参具有与dbm.open()flag形参相同的含义。

import shelve

data = {
    'name': 'python',
    'age': 18,
    'capacity': ['json', 'pickle','marshal','yaml']
}

# 序列化到文件 open(filename, flag='c', protocol=None, writeback=False)
with shelve.open('data.db') as db:
    db['key'] = data

# 从文件反序列化
with shelve.open('data.db') as db:
    loaded_data = db['key']
print(loaded_data)

对比

其实这几个模块的函数写法几乎一致，只不过对应的场景不同，写一个其他的知道使用场景即可。

方法	格式	可读性	支持对象类型	适用场景
pickle	二进制	不可读	几乎所有 Python 对象	Python 内部数据存储
json	文本	可读	基本数据类型	跨语言数据交换
marshal	二进制	不可读	基本数据类型	Python 内部使用
yaml	文本	可读	复杂数据类型	配置文件、数据交换
shelve	二进制	不可读	几乎所有 Python 对象	简单持久化存储