Python 序列化与反序列化

1、基本概念

2、JSON模块

2.1、dumps() 与 loads() 函数

2.2、dump() 与 load() 函数

2.3、bool 、None 类型的序列化与反序列化

3、pickle模块

3.1、dumps() 与 loads() 函数

3.2、dump() 与 load() 函数

1、基本概念

说明：通过文件操作，可将字符串写入到一个本地文件，但是无法将一个对象，如字典，列表，元组直接写入到一个文件里，这是就需要将这个对象进行序列化，然后写入文件。
序列化：把内存中的数据转换为字节序列，保存到文件。

反序列化：从文件的字节序列恢复到内存中。

类比：字符串与 byte 类型之间互相转换常用的 encode() 函数、与 decode() 函数，分别代表着编码与解码。

Python中可序列化数据类型

可序列化：number、str、list、tuple、dict 字典是最常用的序列化数据类型
不可序列化：class 、def (函数与实例化对象)、set 是无法进行序列化的

在Python中有两个模块可以实现序列化和非序列化，分别是json 和 pickle，下面分别说明两者的使用和区别

2、JSON模块

JSON一种轻量级的数据交换标准，JSON的本质是字符串。也是一个通用的序列化模块，通过它可以完成通用化的序列化与反序列化操作。因为几乎所有的编程语言都有json模块，而且他们序列化与反序列化的规则是统一的。

2.1、dumps() 与 loads() 函数

注意：这两个函数不能直接和文件交互，需要将对象序列化后再写入文件，将原数据从文件中读出后再进行反序列化操作。

示例1：序列化操作

import json# 定义 整型、字符串、列表、元组、字典 五种数据类型 ，用于序列化测试
int_test = 666
str_test = 'test_string'
list_test = [1, 2, 3]
tuple_test = (4, 5, 6)
dict_test = {'Name': '林一', 'Sex': '男', 'Age': '20'}int_test_json = json.dumps(int_test)
print(int_test_json) # 666str_test_json = json.dumps(str_test)
print(str_test_json) # "test_string"list_test_json = json.dumps(list_test)
print(list_test_json) # [1, 2, 3]tuple_test_json = json.dumps(tuple_test)
print(tuple_test_json) # [4, 5, 6]dict_test_json = json.dumps(dict_test)
print(dict_test_json) # {"Name": "\u6797\u4e00", "Sex": "\u7537", "Age": "20"}

从执行结果可以看出字典类型的数据类型，经过序列化后。字典变成了字符串的同时，且字典内的单引号变成了双引号，中文也变成了比特类型，并且进行了 encode 。

示例2：反序列化操作

# 反序列化操作
print(json.loads(int_test_json)) # 666
print(json.loads(str_test_json)) # test_string
print(json.loads(list_test_json)) # [1, 2, 3]
print(json.loads(tuple_test_json)) # [4, 5, 6]
print(json.loads(dict_test_json)) # {'Name': '林一', 'Sex': '男', 'Age': '20'}

注意：元组类型经过序列化处理后再通过反序列化还原数据时，会变为列表数据类型。

这是因为元组类型是 python 语言中特有的数据类型，json 作为一个通用格式，无法识别元组类型。所以在针对元组类型进行序列化的时候，会先将元组类型，先转为列表，再进行序列化处理；同样的在进行反序列化处理时，就会将序列化后的元组类型，又转成了列表类型。（类型的转换，不影响对数据的使用）

2.2、dump() 与 load() 函数

作用：可以直接和文件交互

示例1：序列化

dict_test = {"Name": "hello", "Sex": "女", "Age": 18}
with open("json_test.txt", "w") as f:json.dump(dict_test, f)

示例2：反序列化

with open("json_test.txt", "r") as f:content = json.load(f)print(f"文件类型是： {type(content)}, 文件内容为： {content}")

2.3、bool 、None 类型的序列化与反序列化

import json
print("-------------------序列化----------------------------")
print(json.dumps(True)) # true
print(json.dumps(False)) # false
print(json.dumps(None)) # nullprint("-------------------反序列化----------------------------")
print(json.loads(json.dumps(True))) # True
print(json.loads(json.dumps(False))) # False
print(json.loads(json.dumps(None))) # None

说明：从上述运行结果来看，bool 类型经过序列化处理后，变成了小写的 true、false；而 None 类型则变成了小写的 null 。经过反序列化之后，bool、None 类型又被还原成了 python 可读的状态。

注意：大多数的编程语言中， bool 类型都是小写的 true、false 。json 作为一个通用的序列化模块，也同样遵循着这种规则。(小写的 true、false 依然是字符串类型。 )

3、pickle模块

说明：pickle模块与json模块一样可以进行序列化与反序列化，区别在于 pickle 是 Python 内置的序列化模块，它只能用于 python 自身来使用，而json模块更加通用，但pickle模块的性能是要比 json 更好的。所以实际使用根据自身需求选择对应的模块进行使用。

3.1、dumps() 与 loads() 函数

注意：区别于 json 模块，pickle 模块的 dumps() 函数返回的是 byte 类型，而 loads() 函数也仅支持 byte 类型的 pickle 序列进行反序列化的操作。

示例1：序列化与反序列化

import pickle# 定义 字符串、元组、字典 三种数据类型 ，用于序列化测试
print("-------------------序列化----------------------------")
str_test = 'test_string'
tuple_test = (4, 5, 6)
dict_test = {'Name': '林一', 'Sex': '男', 'Age': '20'}str_test_pickle = pickle.dumps(str_test)
print(str_test_pickle)tuple_test_pickle = pickle.dumps(tuple_test)
print(tuple_test_pickle)dict_test_pickle = pickle.dumps(dict_test)
print(dict_test_pickle)print("-------------------反序列化----------------------------")
print(pickle.loads(str_test_pickle))
print(pickle.loads(tuple_test_pickle))
print(pickle.loads(dict_test_pickle))

3.2、dump() 与 load() 函数

作用：dump()函数能一个接着一个地将几个对象序列化存储到同一个文件中，随后调用load()来以同样的顺序反序列化读出这些对象。

参数protocol：是序列化模式，默认是0（ASCII协议，表示以文本的形式进行序列化），protocol的值还可以是1和2（1和2表示以二进制的形式进行序列化。其中，1是老式的二进制协议；2是新二进制协议）。

示例：序列化与反序列化

import pickle
dict_test = {"Name": "hello", "Sex": "女", "Age": 18}
with open("pickle_test.txt", "wb") as f:pickle.dump(dict_test, f, 0)with open("pickle_test.txt", "rb") as f:content = pickle.load(f)print(f"文件类型是： {type(content)}, 文件内容为： {content}")

注意：