| Python | JSON |
| dict | object |
| list, tuple | array |
| str | string |
| int, float | number |
| True | true |
| False | false |
| None | null |Python可序列化的数据类型
2.1 json模块
Json模块提供了四个功能：dumps、dump、loads、load
importjson
dic= {'k1':'v1','k2':'v2','k3':'v3'}
str_dic= json.dumps(dic) #序列化：将一个字典转换成一个字符串
print(type(str_dic),str_dic) # {"k3": "v3", "k1": "v1", "k2": "v2"}#注意，json转换完的字符串类型的字典中的字符串是由""表示的
dic2= json.loads(str_dic) #反序列化：将一个字符串格式的字典转换成一个字典#注意，要用json的loads功能处理的字符串类型的字典中的字符串必须由""表示
print(type(dic2),dic2) # {'k1': 'v1', 'k2': 'v2', 'k3': 'v3'}
list_dic= [1,['a','b','c'],3,{'k1':'v1','k2':'v2'}]
str_dic= json.dumps(list_dic) #也可以处理嵌套的数据类型
print(type(str_dic),str_dic) # [1, ["a", "b", "c"], 3, {"k1": "v1", "k2": "v2"}]
list_dic2 =json.loads(str_dic)print(type(list_dic2),list_dic2) # [1, ['a', 'b', 'c'], 3, {'k1': 'v1', 'k2': 'v2'}]
loads和dumps
importjson
f= open('json_file','w')
dic= {'k1':'v1','k2':'v2','k3':'v3'}
json.dump(dic,f)#dump方法接收一个文件句柄，直接将字典转换成json字符串写入文件
f.close()
f= open('json_file')
dic2= json.load(f) #load方法接收一个文件句柄，直接将文件中的json字符串转换成数据结构返回
f.close()print(type(dic2),dic2)
dump load
Serialize obj to a JSON formatted str.(字符串表示的json对象)
Skipkeys：默认值是False，如果dict的keys内的数据不是python的基本类型(str,unicode,int,long,float,bool,None)，设置为False时，就会报TypeError的错误。此时设置成True，则会跳过这类key
ensure_ascii:，当它为True的时候，所有非ASCII码字符显示为\uXXXX序列，只需在dump时将ensure_ascii设置为False即可，此时存入json的中文即可正常显示。)
If check_circularis false, then the circular reference check for container types will be skipped and a circular reference will result in an OverflowError (orworse).
If allow_nanis false, then it will be a ValueError to serialize out of range float values (nan, inf, -inf) in strict compliance of the JSON specification, instead of using the JavaScript equivalents (NaN, Infinity, -Infinity).
indent：应该是一个非负的整型，如果是0就是顶格分行显示，如果为空就是一行最紧凑显示，否则会换行且按照indent的数值显示前面的空白分行显示，这样打印出来的json数据也叫pretty-printed json
separators：分隔符，实际上是(item_separator, dict_separator)的一个元组，默认的就是(‘,’,’:’)；这表示dictionary内keys之间用“,”隔开，而KEY和value之间用“：”隔开。
default(obj)is a function that should return a serializable version of obj or raiseTypeError. The default simply raises TypeError.
sort_keys：将数据根据keys的值进行排序。
To use a custom JSONEncoder subclass (e.g. one that overrides the .default() method to serialize additional types), specify it with the cls kwarg; otherwise JSONEncoderis used.
其他参数说明
importjson
data= {'username':['李华','二愣子'],'sex':'male','age':16}
json_dic2= json.dumps(data,sort_keys=True,indent=2,separators=(',',':'),ensure_ascii=False)print(json_dic2)json 格式化输出
2.2 pickle模块
用于序列化的两个模块
json，用于字符串 和 python数据类型间进行转换
pickle，用于python特有的类型 和 python的数据类型间进行转换
pickle模块提供了四个功能：dumps、dump(序列化，存)、loads(反序列化，读)、load (不仅可以序列化字典，列表...可以把python中任意的数据类型序列化)
importpickle
dic= {'k1':'v1','k2':'v2','k3':'v3'}
str_dic=pickle.dumps(dic)print(str_dic) #一串二进制内容
dic2=pickle.loads(str_dic)print(dic2) #字典
importtime
struct_time= time.localtime(1000000000)print(struct_time)
f= open('pickle_file','wb')
pickle.dump(struct_time,f)
f.close()
f= open('pickle_file','rb')
struct_time2=pickle.load(f)print(struct_time2.tm_year)
pickle这时候机智的你又要说了，既然pickle如此强大，为什么还要学json呢？
这里我们要说明一下，json是一种所有的语言都可以识别的数据结构。
如果我们将一个字典或者序列化成了一个json存在文件里，那么java代码或者js代码也可以拿来用。
但是如果我们用pickle进行序列化，其他语言就不能读懂这是什么了～
所以，如果你序列化的内容是列表或者字典，我们非常推荐你使用json模块
但如果出于某种原因你不得不序列化其他的数据类型，而未来你还会用python对这个数据进行反序列化的话，那么就可以使用pickle
2.3 shelve模块
shelve也是python提供给我们的序列化工具，比pickle用起来更简单一些。
shelve只提供给我们一个open方法，是用key来访问的，使用起来和字典类似。
importshelve
f= shelve.open('shelve_file')
f['key'] = {'int':10, 'float':9.5, 'string':'Sample data'} #直接对文件句柄操作，就可以存入数据
f.close()importshelve
f1= shelve.open('shelve_file')
existing= f1['key'] #取出数据的时候也只需要直接用key获取即可，但是如果key不存在会报错
f1.close()print(existing)
View Code这个模块有个限制，它不支持多个应用同一时间往同一个DB进行写操作。所以当我们知道我们的应用如果只进行读操作，我们可以让shelve通过只读方式打开DB
importshelve
f= shelve.open('shelve_file', flag='r')
existing= f['key']
f.close()print(existing)
View Code由于shelve在默认情况下是不会记录待持久化对象的任何修改的，所以我们在shelve.open()时候需要修改默认参数，否则对象的修改不会保存。
importshelve
f1= shelve.open('shelve_file')print(f1['key'])
f1['key']['new_value'] = 'this was not here before'f1.close()
f2= shelve.open('shelve_file', writeback=True)print(f2['key'])
f2['key']['new_value'] = 'this was not here before'f2.close()设置writeback
writeback方式有优点也有缺点。优点是减少了我们出错的概率，并且让对象的持久化对用户更加的透明了；但这种方式并不是所有的情况下都需要，首先，使用writeback以后，shelf在open()的时候会增加额外的内存消耗，并且当DB在close()的时候会将缓存中的每一个对象都写入到DB，这也会带来额外的等待时间。因为shelve没有办法知道缓存中哪些对象修改了，哪些对象没有修改，因此所有的对象都会被写入。
