一、什么是序列化？

　　我們把對象(變量)從內存中變成可存儲或傳輸的過程稱之為序列化，在Python中叫pickling，在其他語言中也被稱之為serialization，marshalling，flattening等等，都是一個意思。

　　為什么要序列化？

　　1、持久保存狀態

　　需知一個軟件/程序的執行就在處理一系列狀態的變化，在編程語言中，'狀態'會以各種各樣有結構的數據類型(也可簡單的理解為變量)的形式被保存在內存中。

內存是無法永久保存數據的，當程序運行了一段時間，我們斷電或者重啟程序，內存中關于這個程序的之前一段時間的數據（有結構）都被清空了。

在斷電或重啟程序之前將程序當前內存中所有的數據都保存下來（保存到文件中），以便于下次程序執行能夠從文件中載入之前的數據，然后繼續執行，這就是序列化。

具體的來說，如，虛擬機狀態的掛起等。

　　2、跨平臺數據交互

序列化之后，不僅可以把序列化后的內容寫入磁盤，還可以通過網絡傳輸到別的機器上，如果收發的雙方約定好實用一種序列化的格式，那么便打破了平臺/語言差異化帶來的限制，實現了跨平臺數據交互。

反過來，把變量內容從序列化的對象重新讀到內存里稱之為反序列化，即unpickling。

　　如果我們要在不同的編程語言之間傳遞對象，就必須把對象序列化為標準格式，比如XML，但更好的方法是序列化為JSON，因為JSON表示出來就是一個字符串，可以被所有語言讀取，也可以方便地存儲到磁盤或者通過網絡傳輸。JSON不僅是標準格式，并且比XML更快，而且可以直接在Web頁面中讀取，非常方便。

JSON表示的對象就是標準的JavaScript語言的對象，JSON和Python內置的數據類型對應如下：

二、json序列化

1、dumps序列化和loads反序列化

dumps()序列化?

import json #導入json模塊 info = {'name':"qianduoduo","age":22, } with open("test.json","w") as f: #以普通模式寫入 f.write(json.dumps(info)) #把內存對象轉為字符串 #寫到文件中 #test.json文件中的內容 {"name": "qianduoduo", "age": 22}

loads()反序列化

import json #導入json模塊 with open("test.json","r") as f: #以普通模式讀 data = json.loads(f.read()) #用loads反序列化 print(data["age"]) #date.get("age") 一樣的 #輸出 22

2、dump序列化和load反序列化

dump()序列化

import jsoninfo = {'name':"qianduoduo","age":22 } with open("test.json","w") as f: #文件以寫的方式打開json.dump(info,f) #第1個參數是內存的數據對象 ，第2個參數是文件句柄 #test.json文件中的內容 {"name": "qianduoduo", "age": 22}

?load()反序列化

import jsonwith open("text.txt","r") as f: #以讀的方式打開文件data = json.load(f) #輸入文件對象 print(data.get("age")) #date["age"] #輸出 22

3、序列化函數（不支持的，直接報錯）

總結：

　　1、dumps和loads是成對使用的，dump和load是成對使用的。

　　2、dumps和loads由于序列化的是內容，所以后面要加s，但是dump和load序列化的內容是對象，所以單數。

　　3、json只能處理簡單的數據類型，例如：字典、列表、字符串等，不能處理函數等復雜的數據類型。

　　為什么不能處理復雜的因為python 和別的語言定義函數，類完全不一樣，特性也不一樣

　　4、json是所有語言通用的，所有語言都支持json，如果我們需要python跟其他語言進行數據交互，那么就用json格式。

三、pickle序列化

1、dumps序列化和loads反序列化

dumps()序列化

import pickleinfo = {'name':"qianduoduo","age":22, } with open("test.json","wb") as f: #以二進制的形式寫入data = pickle.dumps(info) #序列化成字符串f.write(data) #寫入text.txt 文件中 #輸出到test.json文件中的內容 我們看不懂的二級制 �}q (X nameqX qianduoduoqX ageqKu.

loads()反序列化

import picklewith open("text.txt","rb") as f: #以二進制的模式讀data = pickle.loads(f.read()) #反序列化操作 print(data.get("age")) #date["age"] 是一樣的 #輸出 22

2、dump序列化和load反序列化

dump()序列化

import pickleinfo = {'name':"qianduoduo","age":22, } with open("text.txt","wb") as f:pickle.dump(info,f) #序列化 #輸出 �}q (X nameqX qianduoduoqX ageqKu.

load()反序列化

import picklewith open("text.txt","rb") as f:data = pickle.load(f) #反序列化成內存對象 print(data.get("age")) #or date["age"] 一樣的 #輸出 22

3、序列化函數

序列化

import pickledef sayhi(name): #函數print("hello:",name) info = {'name':"duoduo","age":22,"func":sayhi #"func"對應的值sayhi，是函數名 如果sayhi加()就執行這個函數 } with open("test.json","wb") as f:data = pickle.dumps(info)f.write(data) #輸出test.json �}q (X nameqX qianduoduoqX ageqKX funcqc__main__ sayhi

反序列化

import pickledef sayhi(name): #在反序列化中必須寫上此函數，不然會報錯，因為在加載的時候，函數沒有加載到內存print("hello:",name)with open("test.json","rb") as f:data = pickle.loads(f.read())print(data["age"]) data.get("func")("qianduoduo") #執行函數sayhi #輸出 22 hello: qianduoduo #輸出的函數體中的邏輯也是可以變的，但是函數名必須要相同，這又是要注意的地方

?小結：

　　1、json值支持簡單的數據類型，pickle支持python所有的數據類型。

　　2、pickle只能支持python本身的序列化和反序列化，不能用作和其他語言做數據交互，而json可以。

　　3、pickle序列化的是整個的數據對象，所以反序列化函數時，函數體中的邏輯變了，是跟著新的函數體邏輯。

　　4、pickle和json在3.0中只能dump一次和load一次，dump在2.7里面可以dump多次，load多次，anyway，以后只記住，只需要dump一次，load一次就可以了。

? ? Pickle的問題和所有其他編程語言特有的序列化問題一樣，就是它只能用于Python，并且可能不同版本的Python彼此都不兼容，因此，只能用Pickle保存那些不重要的數據，不能成功地反序列化也沒關系。

轉載于:https://www.cnblogs.com/ManyQian/p/8733209.html

總結

以上是生活随笔為你收集整理的python全栈开发-json和pickle模块(数据的序列化)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。