python3（三十八） serialize

"""  """
__author__on__ = 'shaozhiqi  2019/9/24'

# !/usr/bin/env python3
# -*- coding: utf-8 -*-

# 在程序运行的过程中，所有的变量都是在内存中，比如，定义一个dict：
d = dict(name='Bob', age=20, score=88)
# 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pickling
# 序列化之后，就可以把序列化后的内容写入磁盘，或者通过网络传输到别的机器上。
# 反过来，把变量内容从序列化的对象重新读到内存里称之为反序列化，即unpickling。
# Python提供了pickle模块来实现序列化。
import pickle

d = dict(name='Bob', age=20, score=88)
pickle.dumps(d)
# 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。如下：
# �}q (X   nameqX   BobqX   ageqKX   scoreqKXu.

# -----------------------------------pickle反序列化------------------------------------
# 当我们要把对象从磁盘读到内存时，可以先把内容读到一个bytes，
# 然后用pickle.loads()方法反序列化出对象，也可以直接用pickle.load()方法从一个file-like Object中直接反序列化出对象。
# 我们打开另一个Python命令行来反序列化刚才保存的对象：
f = open('dump.txt', 'rb')
d = pickle.load(f)
f.close()
print(d)  # {'name': 'Bob', 'age': 20, 'score': 88}
# 当然，这个变量和原来的变量是完全不相干的对象，它们只是内容相同而已。
#
# Pickle的问题和所有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保存那些不重要的数据，不能成功地反序列化也没关系。

# ------------------------------------------json----------------------------------
# 如果我们要在不同的编程语言之间传递对象，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表示出来就是一个字符串，
# 可以被所有语言读取，也可以方便地存储到磁盘或者通过网络传输。
# JSON不仅是标准格式，并且比XML更快，而且可以直接在Web页面中读取，非常方便。

# JSON类型        Python类型
# {}            dict
# []            list
# "string"        str
# 1234.56        int或float
# true/false    True/False
# null            None

# -----------------Python对象->JSON--------------------------------------------
import json

d = dict(name='Bob', age=20, score=88)
json_d = json.dumps(d)
print(json_d)  # {"name": "Bob", "age": 20, "score": 88}
# dumps()方法返回一个str，内容就是标准的JSON。类似的，dump()方法可以直接把JSON写入一个file-like Object。

# 要把JSON反序列化为Python对象，用loads()或者对应的load()方法，前者把JSON的字符串反序列化，
# 后者从file-like Object中读取字符串并反序列化：
json_str = '{"age": 20, "score": 88, "name": "Bob"}'
dictvlaue = json.loads(json_str)
print(dictvlaue)
print(type(dictvlaue))  # <class 'dict'>
# 可以看到转化为了dict类型

# ----------------------------------------------------------------------------------
# Python的dict对象可以直接序列化为JSON的{}，
# 不过，很多时候，我们更喜欢用class表示对象，比如定义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, 88)

# print(json.dumps(s))
# TypeError: Object of type Student is not JSON serializable

# 错误的原因是Student对象不是一个可序列化为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为JSON的对象，我们只需要为Student专门写一个转换函数，再把函数传进去即可：

def student2dict(std):
    return {
        'name': std.name,
        'age': std.age,
        'score': std.score
    }

# 这样，Student实例首先被student2dict()
# 函数转换成dict，然后再被顺利序列化为JSON：
print(json.dumps(s, default=student2dict))  # {"name": "Bob", "age": 20, "score": 88}

# 那么问题来了，难道我们每转化一个类为json都需要为其写一个转化函数吗？
# 因为通常class的实例都有一个__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。
print('student:', json.dumps(s, default=lambda obj: obj.__dict__))

# student: {"name": "Bob", "age": 20, "score": 88}

# 同样的道理，如果我们要把JSON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，我们传入的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'])

json_str = '{"age": 20, "score": 88, "name": "Bob"}'
student2 = json.loads(json_str, object_hook=dict2student)
print('json-student:', student2.name)  # json-student: Bob