序列化
在程序运行的过程中,所有的变量都在内存中,比如定义一个dict:
d =dict(name ='Bob',age =20,score =80)
可以随时修改变量,比如把name改为'Bill',但是一旦程序结束,变量所占用的内存就被操作系统全部回收。如果没有把修改后的'Bill'保存到磁盘,下次程序启动时name变量的值还是'Bob'。
我们把变量从内存中变成可存储或传输的过程称之为序列化。在Python中叫做pickling,在其他语言总也叫做serialization,marshalling,flattening等等,都是一个意思。
序列化后,就可以把序列化后的内容保存到磁盘,或者通过网络传输到别的机器上。
反过来,把变量的内容从序列化的对象重新读到内存的里称之为反序列化:unpickling。
Python提供了pickle模块来实现序列化。
>>>import pickle
>>>d =dict(name ='Bob',age =20,score =80)
>>>pickle.dumps(d)
b'\x80\x03}q\x00(X\x03\x00\x00\x00ageq\x01K\x14X\x05\x00\x00\x00scoreq\x02KXX\x04\x00\x00\x00nameq\x03X\x03\x00\x00\x00Bobq\x04u.'
pickle.dumps()方法把任意对象序列化成一个bytes,然后就可以把这个bytes写入文件。或者用另外一个方法pickle.dump()直接把对象序列化后写入一个file-like Object:
>>>f =open('dump.txt','wb')
>>>pickle.dump(d,f)
>>>f.close()
看看写入的dump.txt文件,一堆乱七八糟的内容,这些都是Python保存的对象内部信息。
当我们要把对象从磁盘读到内存时,可以先把对象读到一个bytes,然后用pickle.loads()反序列化出对象,也可以直接用pickle.load()方法直接从一个file-like Object中直接反序列化出对象。我们打开另外一个Pyhon命令行界面反序列化刚才的保存的内容:
>>>f =open('dump.txt','wb')
>>>d =pickle.load(f)
>>>f.close()
>>>d
变量的内容又回来了。
当然这个变量和原来的变量完全不相干,它们只是内容相同而已。
pickle的问题和其他编程语言特有的序列化问题一样,就是它只能用于Python,并且,不同版本的Python都有可能不兼容。因此,只能用pickle保存那些不重要的数据,不能成功反序列化也没有关系。
JSON
如果我们要在不同的编程语言中传递对象,就必须把对象序列化为标准格式,比如XML,但更好的方法是序列化为JSON,因为JSON表示出来的就是一个字符串,可以被所有语言读取,也可以方便的存储到磁盘或者通过网络传输。JSON不仅是标准格式,而且可以在Web页面中直接读取,非常方便。
JSON表示的对象就是标准的JavaScript语言的对象,JSON和Python内置的数据类型对应如下:
JSON类型 Python类型
{} dict
[] list
"string" str
234.56 int/float
true/false True/False
null None
Python内置的json模块提供了非常完善的Python对象到JSON格式的转换。我们先看看如何将一个Python对象转换成一个JSON:
>>>import json
>>>d =dict(name ='Bob',age =20,score =80)
>>>json.dumps(d)
'{"name" ="Bob","age" =20 ,"score" = 80}'
由于JSON标准规定JSON编码为UTF-8,所以我们总是能正确地在Python的str与JSON的字符串之间转换。
JSON进阶
Python的dict对象可以直接序列化为JSON的{},不过我们很多时候更喜欢使用class表示对象,比如定义的Student类,然后序列化:
import json
class Student(object):
def __init__(self,name ,age,score):
self.name =name
self.age =age
self.score =score
s =Student('Bob',20,80)
print(json.dumps(s))
运行代码出错,TypeError:
Traceback (most recent call last): ... TypeError: <__main__.Student object at 0x10603cc50> is not JSON serializable
错误原因是Student不是一个可序列化对象。
如果连class的实例对象都不能序列化为JSON,这肯定是不合理的。
dumps()方法还提供了一大堆可选参数:
这些参数允许我们定制JSON序列化。前面代码之所以不能把Student类实例序列化为JSON,是因为默认情况下,dumps()方法不知道如何将Student实例变为一个JSON的{}对象。
可选参数default就是把任意一个对象变成一个可序列化的JSON对象。我们只需要对Student()写一个专门的转换函数,再把函数传入即可:
def student2dict(std):
return{
'name':std.name
'age':std.age
'score':std.score
}
这样,Studnet实例首先被student2dict()函数转换成dict,然后再被顺利序列化JSON:
>>>print(json.dumps(s,default =student2dict))
{"age" :20 "name" :"Bob","score" :80}
不过,下次如果遇到一个Teacher类的实例,照样无法序列化为JSON。我们可以偷个懒,把任意class实例变为dict:
print(json.dumps(s,default =lambda obj: obj.__dict__))
因为class的实例通常有一个dict属性,它就是一个dict,用来存储实例变量。也有少数例外,比如定义了__slots__的class.
同样的道理,如果我们要把一个JSON实例反序列化为一个Student对象实例,loads()方法首先转换出一个dict对象,然后我们传入object_hook函数负责把dict转换为Student实例。
def dict2student(d):
return Student(d['name'],d['age'],d['score'])
运行结果如下:
>>> json_str = '{"age": 20, "score": 88, "name": "Bob"}' >>> print(json.loads(json_str, object_hook=dict2student)) <__main__.Student object at 0x10cd3c190>
打印出的是反序列化的Student实例对象。
小结:
Python特定的序列化模块是pickle,但是如果要把序列化搞得更通用、更符合Web标准,就可以使用json模块。
json模块的dumps()和loads()函数是定义的非常好的接口典范。当我们使用时,只需要传入一个必须的参数。但是,当默认的序列化或反序列化不能满足我们的需求时,我们又可以传入更多的参数来定制序列化或反序列化的规则,既做到了接口的简单易用,又做到了充分地扩展性和灵活性。