python序列化：json，pickle，shelve

什么是序列化

什么是序列化，把程序中的對象或者變量，從內存中轉換為可存儲或可傳輸的過程稱為序列化。在 Python 中，這個過程稱為 pickling，在其他語言中也被稱為 serialization，marshalling，flattening 等。程序中的對象（或者變量）在序列化之后，就可以直接存放到存儲設備上，或者直接發送到網絡上進行傳輸。

序列化的逆向過程，即為反序列化（unpickling），就是把序列化的對象（或者變量）重新讀到內存中~

json模塊

json 模塊就用于序列化和反序列化。對象（變量）使用json模塊序列化后，表現為一個字符串，序列化為字符串格式的好處是：序列化后的對象可以在不同的編程語言之間傳遞。
?
python 數據類型和 json 中的字符串對應關系如下：

?
json模塊常用的就4個方法：dump，dumps，load，loads~

json.dump / json.dumps

這兩個方法用于序列化對象，兩個方法的功能類似，區別在于，json.dumps 方法接收一個參數，即需要序列化的對象，其余參數為可選參數，方法執行完成后，會返回序列化后得到的字符串；json.dump 接收兩個參數，第一個參數和 dumps方法 相同，即需要序列化的對象，第二個參數為文件對象，例如 open方法 的返回對象，其余為可選參數，方法執行后，序列化后的字符串會直接寫到文件中~
?
dump / dumps 示例：

import json

d = {'name': '貝貝', '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

# 以上的輸出類型都是 class 'str' 類型，即字符串類型~

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

# 執行完成后，查看輸出的文件內容：
?  ~ cat /tmp/test_json
{"name": "\u8d1d\u8d1d", "age": 18}%   

json.load / json.loads

這兩個方法用于序列化后的字符串 反序列化，兩者的區別和 dump、dumps 類似，json.loads 接收一個字符串參數，其余參數為可選參數，json.load 也接收一個參數，該參數為包含 json 字符串的文件對象~

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)

# 輸出結果：
<class 'dict'> -- {'name': '貝貝', 'age': 18}
<class 'NoneType'> -- None
<class 'list'> -- ['a', 'b', 'c']
<class 'str'> -- hello

注意：傳遞給 json.loads 方法的參數必須用 單引號括起來，里面的字符串使用雙引號，例如不能有這樣的寫法：json.loads("hello")，json.loads("['a', 'b', 'c']")，json 字符串中不支持單引號~
?
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)

# 輸出結果：
<class 'dict'> -- {'name': '貝貝', 'age': 18}

json模塊中的字符編碼問題

我們可以看到上述示例中，字典對象中包含有中文字符，在進行序列化后，不管是使用 dumps 存放到字符串中 還是使用 dump 存放到文件中，中文字符串是使用 unicode 編碼格式存放的。
?
在Python3中，代碼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過程都不存在問題。

?
Python2中，代碼中的字符串是 str類型，str類型 和 unicode類型 的關系如下所示：

unicode -----> encode --------> str（例如為 utf-8編碼）
utf-8（例如為 utf-8編碼） --------> decode ----------> unicode

所以在Python2中，序列化過程和反序列化過程都有涉及到轉碼過程（encode和decode），序列化過程 會先將對象中的字符串 使用utf-8 進行解碼（decode），轉換為unicode類型后，再存放到文件或者字符串中，反序列化過程 會將 json字符串 使用utf-8 編碼（encode），然后存放到內存中的變量~
?
說明：在Python2中，dumps（dump）和loads（load）默認使用 utf-8 進行 encode和decode，若要使用使用其他編碼方式，可以通過 encode參數 指定；在Python3中，dumps（dump）和loads（load）方法都沒有 encode參數~
?
來看如下示例：

# -*- coding:utf-8 -*-
d = {'name': '貝貝', '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

# 結果輸出：
<type 'str'> -- {"age": 18, "name": "\u8d1d\u8d1d"}
<type 'dict'> -- {u'age': 18, u'name': u'\u8d1d\u8d1d'}

如上過程，序列化和反序列化都沒有問題，這是因為，文件的開頭指定了 ‘# -- coding:utf-8 --’，程序中的字符串（str類型）就是使用utf-8編碼后存放于內存中~
?
現在修改一下文件開頭的編碼：

# -*- coding:gbk -*-
d = {'name': '貝貝', '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

這個時候就會報出如下錯誤信息，很簡單，utf-8 無法解碼 gbk編碼的字符串（'貝貝'）

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

解決方法就是，在 dumps 過程中指定使用 gbk 進行解碼，然后輸出就正常了~

# -*- coding:gbk -*-
d = {'name': '貝貝', '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

# 輸出結果：
<type 'str'> -- {"age": 18, "name": "\u8d1d\u8d1d"}
<type 'dict'> -- {u'age': 18, u'name': u'\u8d1d\u8d1d'}

注意：這里 loads 過程不需要指定編碼格式，因為反序列化之后存放到內存中的依舊是unicode格式的字符串~
?
還有一種更簡單的解決方式，即在中文字符前加 u

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

pickle 模塊

pickle 模塊也用于序列化和反序列化Python對象（變量），其用法和 json 模塊的使用基本一致。pickle 模塊 和 json 模塊 區別在于：pickle 模塊 僅用于Python的數據類型，序列化后的對象不能再不同的編程語言之間傳遞，但是 pickle 模塊 可序列化幾乎所有的Python數據類型，包括時間對象，函數，類…
?

序列化基本數據類型

import pickle

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

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

# 結果輸出：
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 輸出的是 byte 類型（即python2中的str類型）
<class 'dict'> -- {'name': '貝貝', 'age': 18}

####################################
lst = [1, 2, 3]
with open('/tmp/test_pickle', mode='wb') as f:     # 打開文件的模式為二進制寫
    pickle.dump(lst, f)

with open('/tmp/test_pickle', mode='rb') as f:       # 打開文件的模式為二進制讀
    lst_load = pickle.load(f)
    print(type(lst_load), '--', lst_load)

# 結果輸出：
<class 'list'> -- [1, 2, 3]

# 存放序列化對象的文件：
?  ~ cat /tmp/test_pickle 
q(KKKe.% 

可以看到 pickle序列化后的數據，可讀性差，不像json那樣一目了然~

序列化類class對象

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('貝貝', 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()

# 輸出結果：
hello 貝貝

注意：中途不能del Person，不然會出現如下錯誤

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

shelve 模塊

shelve 模塊也用于序列化，shelve 模塊是在 pickle 模塊上做了一層封裝，也僅支持兩個Python程序之間進行交換~，優點是 shelve 模塊 可以序列化 Python 的所有數據類型~
?
shelve 模塊比 pickle 模塊更加簡單，只有一個 open函數，返回類似字典的對象，可讀可寫，當為某個 key 賦值時，這個值會被序列化，并進行存儲；通過某個 key 讀出對應的值時，即是一個反序列化過程，其中 key 必須為字符串，而值可以是python所支持的數據類型。
?
shelve 模塊存取過程：

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('貝貝', 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()

如上過程，class對象和基本數據類型會被序列化并存放在文件 '/tmp/test_shelve' 中，f.get() 取出過程即是一個反序列化過程~
?

若是一個可變對象，使用 shelve 模塊序列化之后存放到文件中，然后取出（get）對可變對象進行更改，這個時候，已經改變的可變對象只是保存在內存中，不會被寫入到文件中，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'))

# 輸出結果：
[1, 2, 3]

若要進行更改需要重新寫入，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'))

# 輸出結果：
[1, 2, 3, 4]

或者在使用 shelve 打開文件時，設置 writeback 為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'))

# 輸出結果：
[1, 2, 3, 4]

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