python序列化及其相关模块（json,pickle,shelve,xml）详解

什么是序列化对象？

　　我们把对象（变量）从内存中编程可存储或传输的过程称之为序列化，在python中称为pickle，其他语言称之为serialization ,marshalling ,flatterning 等等，都是一个意思。

　　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（因为硬盘或网络传输时只接受bytes）。

　　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unpacking。

为什么要序列化？

　　举个例子，你在打游戏过程中，打累了，停下来，想过两天再玩，两天之后，游戏又从你上次停止的地方继续运行，你上次游戏的进度肯定保存到硬盘上了，那么是以何种形式呢？游戏过程中产生的很多临时数据是不规律的，可能在你关掉游戏时正好是10个列表，3个嵌套字典的数据集合在内存里面，需要存下来，你如何存？把列表变成文件里的多行多列形式？那嵌套字典呢？根本没法存吧，所以，若是有种办法可以直接把内存数据存到硬盘上，下次程序再启动，再从硬盘上读出来，还是原来的格式，那是最好的，所以这就是我们要说的序列化。

1、持久保存状态

　　一个软件/程序的执行就在处理一系列状态的变化，在编程语言中，‘状态’会以各种各样有结构的数据类型（也可以简单的理解为变量）的形式被保存在内存中

　　内存是无法永久保存数据的，当程序运行了一段时间，我们断电或者重启程序，内存中关于这个程序的之前一段时间的数据（有结构）都被清空了。

　　在断电或重启程序之前将程序当前内存中所有的数据都保存下来（保存到文件中），以便于下次程序执行能够从文件中载入之前的数据，然后继续执行，这就是序列化。

2、跨平台数据交互

　　序列化之后，不仅可以把序列化后的内容写入磁盘，还可以通过网络传输到别的机器上，如果收发的双方约定好使用一种序列化的格式，那么变打破了平台/语言差异化带来的限制，实现了跨平台的数据交互。

　　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.

什么可以序列化操作？

　　在python中，可以使用pickle和json两个模块对数据进行序列化操作

其中：

• json可以用于字符串或者字典等与python数据类型之间的序列化与反序列化操作
• pickle可以用于python特有类型与python数据类型之间的序列化与反序列化操作

提问：这时候有人肯定要问，两个都可以对数据进行序列化，为什么不只学习一个就好了，非要学习两个呢？

这个问题问的好，我们下面详细讲一下两个的区别。
关于json
    优点：跨语言，体积小
    缺点：只能支持int(整形)，str(字符串)，list(列表)，tuple（元祖），dict（字典）

关于pickle
    优点：专门为python设计，只支持python所有的数据类型
    缺点：只能在python中使用，存储数据占空间大

下面主要说一下json和pickle模块

json模块

什么是json？

　　JSON(JavaScript Object Notation) 是一种轻量级的数据交换格式。它使得人们很容易的进行阅读和编写。同时也方便了机器进行解析和生成。它是基于 JavaScript Programming Language, Standard ECMA-262 3rd Edition - December 1999 的一个子集。 JSON采用完全独立于程序语言的文本格式，但是也使用了类C语言的习惯（包括C, C++, C#, Java, JavaScript, Perl, Python等）。这些特性使JSON成为理想的数据交换语言。

　　如果我们要在不同的编程语言中传递对象，就必须把对象序列化称为标准格式，比如XML，但是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，可以被所有的语言读取，也可以方便的存储到磁盘或者通过网络传输。JSON不仅是标准格式，而且比XML更快，而且可以在web页面直接读取，非常方便。

1.查看json模块内的方法

import json
dir(json)
['JSONDecodeError', 'JSONDecoder', 'JSONEncoder', '__all__', '__author__', '__builtins__',
 '__cached__', '__doc__', '__file__', '__loader__', '__name__', '__package__', '__path__',
'__spec__', '__version__', '_default_decoder', '_default_encoder', 'codecs', 'decoder',
 'detect_encoding', 'dump', 'dumps', 'encoder', 'load', 'loads', 'scanner']

2.json模块提供了四个常用的功能：dumps，dump，loads，load

　　其中：json.dumps()方法可以将字典等数据（特殊的形式）格式化成一个所有语言认识的字符串，这样可以方便别的编程语言调用

import json
data = {
    'roles':[
        {'role':'monster','type':'pig','life':50},
        {'role':'donkey','type':'dog','life':60},
    ]
}
j_str = json.dumps(data)
print("以前的数据类型：",type(data),data)
print("通过json转化后的数据类型",type(j_str),j_str)
# 以前的数据类型： <class 'dict'> {'roles': [{'role': 'monster', 'type': 'pig', 'life': 50}, {'role': 'donkey', 'type': 'dog', 'life': 60}]}
# 通过json转化后的数据类型 <class 'str'> {"roles": [{"role": "monster", "type": "pig", "life": 50}, {"role": "donkey", "type": "dog", "life": 60}]}

　　json.loads()方法可以进行反序列化

import json
data = {
    'roles':[
        {'role':'monster','type':'pig','life':50},
        {'role':'donkey','type':'dog','life':60},
    ]
}
j_str = json.dumps(data)
ww = json.loads(j_str)
print("原来的格式：",type(j_str),j_str)   #json把字典读成字符串
print("反序列化：",type(ww),ww)              #通过loads反序列化成字典
# 原来的格式： <class 'str'> {"roles": [{"role": "monster", "type": "pig", "life": 50}, {"role": "donkey", "type": "dog", "life": 60}]}
# 反序列化： <class 'dict'> {'roles': [{'role': 'monster', 'type': 'pig', 'life': 50}, {'role': 'donkey', 'type': 'dog', 'life': 60}]}

　　json.dump()方法可以把字典等数据类型（特殊的形式）序列化成所有程序语言认识的字符串，进入一个文件中，等待别的程序进行调用

import json

f = open('study.json','w')
dd = json.dump(data,f)
print(dd,type(dd))
#None <class 'NoneType'>   因为这个是在python读取的，它本来是大家都认识的，所以没有任何类型，
#json.dump将数据通过特殊的形式转化为所有语言都认识的字符串，并写入文件

　　json.load()方法可以读取文件中的内容

import json
f = open('study.json','r')
read_load = json.load(f)
print("读取的类型和内容 ",type(read_load),read_load)
结果：
读取的类型和内容  <class 'dict'> {'roles': [{'role': 'monster', 'type': 'pig', 'life': 50}, {'role': 'donkey', 'type': 'dog', 'life': 60}]}

易错点：如何把一个文件内的字符串形式通过json转化为相应的字典格式？

　　常见错误：

#account_file是文件的绝对路径
with open(account_file, "r", encoding="utf-8") as f:   #打开文件
　　file_data = json.load(account_file)
    print(file_data)

这样竟然出错了！！
错误信息：AttributeError: 'str' object has no attribute 'read'

　　改正后为：

#改正：
if os.path.isfile(account_file):     #如果用户文件存在(即用户存在)
    with open(account_file, "r", encoding="utf-8") as f:   #打开文件
        file_data = json.load(f)
        print(file_data)

下面我们来测试一下json字符串和json对象到底是什么？

import json
i=10
s='hello'
t=(1,4,6)
l=[3,5,7]
d={'name':"james"}

json_str1=json.dumps(i)
json_str2=json.dumps(s)
json_str3=json.dumps(t)
json_str4=json.dumps(l)
json_str5=json.dumps(d)

print(json_str1)   #'10'
print(json_str2)   #'"hello"'
print(json_str3)   #'[1, 4, 6]'
print(json_str4)   #'[3, 5, 7]'
print(json_str5)   #'{"name": "james"}'

　　这里面的json_str就是json字符串。

JSON字符串内的值：

• 数字    （整数或浮点数）
• 字符串 （在双引号中）
• 逻辑值 （true 或 false）
• 数组    （在方括号中）
• 对象    （在花括号中，引号用双引）
• null

　　请大家记住一句话：json字符串就是js对象的一种表现形式（字符串的形式）

　　JSON表示的对象就是标准的Javascripts语言的对象，JSON和Python内置的数据类型如下：

JSON类型	python类型
{}	dict
[]	list
"string"	str
"123456"	int或float
true/false	True/False
null	None

或者看下表，更清晰：

python     -->         json

dict                        object
list,tuple                 array
str,unicode             string
int,long,float           number
True                       true
False                      false
None                       null

　　下面看一个带方法的json对象：

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>Title</title>
</head>
<body>

</body>

<script>
    var person = {
        "name":"james",
        "sex":"men",
        "teacher":{
            "name":"denken",
            "sex":"male",
        },
        "boddy":["basketball","running"],
        "getName":function () {
            return 80;
        }
    };
    alert(person.name);
    alert(person.getName());
    alert(person.teacher.name);
    alert(person.boddy[0]);

</script>
</html>

parse()

parse()  用于从一个json字符串中解析出json对象

如：var str = '{"name":"james","age":"23"}'

结果：JSON.parse(str)     ------>  Object  {age: "23",name: "james"}　

.stringify()

stringify() 用于从一个json对象解析成json字符串

如   var c = {a:1 , b:2 }

结果： JSON.stringify(c)     ------>      '{"a":1,"b":2}'

注意事项

注意1：单引号写在{}外，每个属性名都必须用双引号，否则会抛出异常。

a={name:"james"};   //ok
b={'name':'james'}; //ok
c={"name":"james"}; //ok

alert(a.name);  //ok
alert(a[name]); //undefined
alert(a['name']) //ok

pickle模块

1.查看pickle模块内的方法

import pickle
dir(pickle)
['ADDITEMS', 'APPEND', 'APPENDS', 'BINBYTES', 'BINBYTES8', 'BINFLOAT', 'BINGET',
'BININT', 'BININT1', 'BININT2', 'BINPERSID', 'BINPUT', 'BINSTRING', 'BINUNICODE',
'BINUNICODE8', 'BUILD', 'DEFAULT_PROTOCOL', 'DICT', 'DUP', 'EMPTY_DICT', 'EMPTY_LIST',
'EMPTY_SET', 'EMPTY_TUPLE', 'EXT1', 'EXT2', 'EXT4', 'FALSE', 'FLOAT', 'FRAME', 'FROZENSET',
 'FunctionType', 'GET', 'GLOBAL', 'HIGHEST_PROTOCOL', 'INST', 'INT', 'LIST', 'LONG',
 'LONG1', 'LONG4', 'LONG_BINGET', 'LONG_BINPUT', 'MARK', 'MEMOIZE', 'NEWFALSE',
 'NEWOBJ', 'NEWOBJ_EX', 'NEWTRUE', 'NONE', 'OBJ', 'PERSID', 'POP', 'POP_MARK', 'PROTO',
'PUT', 'PickleError', 'Pickler', 'PicklingError', 'PyStringMap', 'REDUCE', 'SETITEM', 'SETITEMS',
 'SHORT_BINBYTES', 'SHORT_BINSTRING', 'SHORT_BINUNICODE', 'STACK_GLOBAL', 'STOP',
'STRING', 'TRUE', 'TUPLE', 'TUPLE1', 'TUPLE2', 'TUPLE3', 'UNICODE', 'Unpickler',
 'UnpicklingError', '_Framer', '_Pickler', '_Stop', '_Unframer', '_Unpickler', '__all__',
'__builtins__', '__cached__', '__doc__', '__file__', '__loader__', '__name__', '__package__',
 '__spec__', '_compat_pickle', '_dump', '_dumps', '_extension_cache', '_extension_registry',
'_getattribute', '_inverted_registry', '_load', '_loads', '_test', '_tuplesize2code', 'bytes_types',
 'codecs', 'compatible_formats', 'decode_long', 'dispatch_table', 'dump', 'dumps',
 'encode_long', 'format_version', 'io', 'islice', 'load', 'loads', 'maxsize', 'pack', 'partial',
're', 'sys', 'unpack', 'whichmodule']

2.想查看某个方法的帮助文档

help(pickle.modules_name)  #就是help（）+pickle.模块名
#这样就可以得到模块方法的帮助文档

3.pickle模块常用的方法有：dumps,loads,dump,load

　　pickle.dumps对数据进行序列化操作

import pickle
data = {
    'roles':[
        {'role':'monster','type':'pig','life':50},
        {'role':'donkey','type':'dog','life':60},
    ]
}
lis = [1,2,3,4,'rain']
res_lis = pickle.dumps(lis)
res_dic = pickle.dumps(data)
print(type(res_lis),res_lis)
print(type(res_dic),res_dic)
# <class 'bytes'> b'\x80\x03]q\x00(K\x01K\x02K\x03K\x04X\x04\x00\x00\x00rainq\x01e.'
# <class 'bytes'> b'\x80\x03}q\x00X\x05\x00\x00\x00rolesq\x01]q\x02(}q\x03(X\x04\x00\x00\x00roleq\x04X\x07\x00\x00\x00monsterq\x05X\x04\x00\x00\x00typeq\x06X\x03\x00\x00\x00pigq\x07X\x04\x00\x00\x00lifeq\x08K2u}q\t(h\x04X\x06\x00\x00\x00donkeyq\nh\x06X\x03\x00\x00\x00dogq\x0bh\x08K<ues.'
#将data写入文件中
pk = open('data.pkl','wb')
print(type(pk),pickle.dump(data,pk))
# <class '_io.BufferedWriter'> None

　　使用pickle.loads进行反序列化操作

import pickle
data = {
    'roles':[
        {'role':'monster','type':'pig','life':50},
        {'role':'donkey','type':'dog','life':60},
    ]
}
lis = [1,2,3,4,'rain']
res_lis = pickle.dumps(lis)
res_dic = pickle.dumps(data)
back_reslis = pickle.loads(res_lis)
back_resdic = pickle.loads(res_dic)
print(type(back_reslis),back_reslis)
print(type(back_resdic),back_resdic)
# <class 'list'> [1, 2, 3, 4, 'rain']
# <class 'dict'> {'roles': [{'role': 'monster', 'type': 'pig', 'life': 50}, {'role': 'donkey', 'type': 'dog', 'life': 60}]}

　　pickle.dump() 将数据通过特殊的形式转化为只有python语言认识的字符串，并写入文件

import pickle
data = {
    'roles':[
        {'role':'monster','type':'pig','life':50},
        {'role':'donkey','type':'dog','life':60},
    ]
}
pk = open('data.pkl','wb')
print(type(pk),pickle.dump(data,pk))

　　pickle.load()对文件进行反序列化，得到文件里面保存的数据

import pickle
data = {
    'roles':[
        {'role':'monster','type':'pig','life':50},
        {'role':'donkey','type':'dog','life':60},
    ]
}

with open('data.pkl','rb') as f:
    result  = pickle.load(f)
    print(result)
    # {'roles': [{'role': 'monster', 'type': 'pig', 'life': 50}, {'role': 'donkey', 'type': 'dog', 'life': 60}]}

shelve模块

shelve模块是一个简单的k,v将内存数据通过文件持久化的模块，返回类似于字典的对象，可读可写；key必须是字符串，二值可以持久化任何pickle可支持的python数据格式　　

shelve模块很简单，只有一个open函数，json和pickle模块只能dumps和loads只能一次，但是shelve就能dumps多次。这就是shelve存在的必要性，其中shelve对pickle进行了包装，是一个键值对的形式。

序列化

import shelve
f = shelve.open('shelve_test')
names = ['laex','howard','batumu']
info = {'name':'howard','age':22}

f['names'] = names     #持久化列表
f['info_dic'] = info

f.close()

反序列化

import shelve

d = shelve.open('shelve_test')   #打开一个文件

print(d['name'])
print(d['info_dic'])

# del d['test']  #还可以删除
# ['laex', 'howard', 'batumu']
# {'name': 'howard', 'age': 22}

xml模块

什么是xml模块呢？

　　xml是实现不同语言或程序之间进行数据交换的协议，跟json差不多，但json使用起来更简单，不过，古时候，在json还没诞生的黑暗年代，大家只能选择用xml呀，至今很多传统公司如金融行业的很多系统的接口还主要是xml。

xml的格式如下，就是通过<>节点来区别数据结构的：

xml数据

<?xml version="1.0"?>
<data>
    <country name="Liechtenstein">
        <rank updated="yes">2</rank>
        <year>2008</year>
        <gdppc>141100</gdppc>
        <neighbor name="Austria" direction="E"/>
        <neighbor name="Switzerland" direction="W"/>
    </country>
    <country name="Singapore">
        <rank updated="yes">5</rank>
        <year>2011</year>
        <gdppc>59900</gdppc>
        <neighbor name="Malaysia" direction="N"/>
    </country>
    <country name="Panama">
        <rank updated="yes">69</rank>
        <year>2011</year>
        <gdppc>13600</gdppc>
        <neighbor name="Costa Rica" direction="W"/>
        <neighbor name="Colombia" direction="E"/>
    </country>
</data>

xml协议在各个语言里的都 是支持的，在python中可以用以下模块操作xml：

import xml.etree.ElementTree as ET

tree = ET.parse("xmltest.xml")
root = tree.getroot()
print(root.tag)

#遍历xml文档
for child in root:
    print(child.tag, child.attrib)
    for i in child:
        print(i.tag,i.text)

#只遍历year 节点
for node in root.iter('year'):
    print(node.tag,node.text)
#---------------------------------------

import xml.etree.ElementTree as ET

tree = ET.parse("xmltest.xml")
root = tree.getroot()

#修改
for node in root.iter('year'):
    new_year = int(node.text) + 1
    node.text = str(new_year)
    node.set("updated","yes")

tree.write("xmltest.xml")

#删除node
for country in root.findall('country'):
   rank = int(country.find('rank').text)
   if rank > 50:
     root.remove(country)

tree.write('output.xml')

自己创建的xml文档

创建xml文档

import xml.etree.ElementTree as ET

new_xml = ET.Element("namelist")
name = ET.SubElement(new_xml,"name",attrib={"enrolled":"yes"})
age = ET.SubElement(name,"age",attrib={"checked":"no"})
sex = ET.SubElement(name,"sex")
sex.text = '33'
name2 = ET.SubElement(new_xml,"name",attrib={"enrolled":"no"})
age = ET.SubElement(name2,"age")
age.text = '19'

et = ET.ElementTree(new_xml) #生成文档对象
et.write("test.xml", encoding="utf-8",xml_declaration=True)

ET.dump(new_xml) #打印生成的格式

　　注意：自己创建xml文档的时候一定不要把代码文件名称命名为xml.py，不然会报错，因为Python引用包的时候应该是先在代码文件所在的文件夹查找，把文件名命名为xml.py时，import xml.etree.Element 这一句就在当前文件夹找到了自身源文件，自己写的xml.py里面根本就没有etree.Element这些模块，当然是要报错了。

Json和XML的比较

一，可读性

　　JSON和XML的可读性可谓不相上下，一边是简易的语法，一边是规范的标签形式，很难分出胜负。

二，可扩展性

　　XML天生有很好的扩展性，JSON当然也有，没有什么是XML可以扩展而JSON却不能扩展的。不过JSON在Javascript主场作战，可以存储Javascript复合对象，有着xml不可比拟的优势。

三，编码难度

　　XML有丰富的编码工具，比如Dom4j、JDom等，JSON也有提供的工具。无工具的情况下，相信熟练的开发人员一样能很快的写出想要的xml文档和JSON字符串，不过，xml文档要多很多结构上的字符。

四，解码难度

XML的解析方式有两种：

• 一是通过文档模型解析，也就是通过父标签索引出一组标记。例如：xmlData.getElementsByTagName("tagName")，但是这样是要在预先知道文档结构的情况下使用，无法进行通用的封装。
• 另外一种方法是遍历节点（document 以及 childNodes）。这个可以通过递归来实现，不过解析出来的数据仍旧是形式各异，往往也不能满足预先的要求。

凡是这样可扩展的结构数据解析起来一定都很困难。

　　JSON也同样如此。如果预先知道JSON结构的情况下，使用JSON进行数据传递简直是太美妙了，可以写出很实用美观可读性强的代码。如果你是纯粹的前台开发人员，一定会非常喜欢JSON。但是如果你是一个应用开发人员，就不是那么喜欢了，毕竟xml才是真正的结构化标记语言，用于进行数据传递。

　　而如果不知道JSON的结构而去解析JSON的话，那简直是噩梦。费时费力不说，代码也会变得冗余拖沓，得到的结果也不尽人意。但是这样也不影响众多前台开发人员选择JSON。因为json.js中的toJSONString()就可以看到JSON的字符串结构。当然不是使用这个字符串，这样仍旧是噩梦。常用JSON的人看到这个字符串之后，就对JSON的结构很明了了，就更容易的操作JSON。

　　以上是在Javascript中仅对于数据传递的xml与JSON的解析。在Javascript地盘内，JSON毕竟是主场作战，其优势当然要远远优越于xml。如果JSON中存储Javascript复合对象，而且不知道其结构的话，我相信很多程序员也一样是哭着解析JSON的。

　　除了上述之外，JSON和XML还有另外一个很大的区别在于有效数据率。JSON作为数据包格式传输的时候具有更高的效率，这是因为JSON不像XML那样需要有严格的闭合标签，这就让有效数据量与总数据包比大大提升，从而减少同等数据流量的情况下，网络的传输压力。