跳到主要內容

Json模塊和Pickle模塊的使用

在對數據進行序列化和反序列化是常見的數據操作，Python提供了兩個模塊方便開發者實現數據的序列化操作，即 json 模塊和 pickle 模塊。這兩個模塊主要區別如下：



  • json 是一個文本序列化格式，而 pickle 是一個二進制序列化格式；

  • json 是我們可以直觀閱讀的，而 pickle 不可以；

  • json 是可互操作的，在 Python 系統之外廣泛使用，而 pickle 則是 Python 專用的；

  • 默認情況下，json 只能表示 Python 內置類型的子集，不能表示自定義的類；但 pickle 可以表示大量的 Python 數據類型。


Json 模塊


Json 是一種輕量級的數據交換格式，由於其具有傳輸數據量小、數據格式易解析等特點，它被廣泛應用於各系統之間的交互操作，作為一種數據格式傳遞數據。它包含多個常用函數，具體如下：


dumps()函數


dumps()函數可以將 Python 對象編碼成 Json 字符串。例如：


#字典轉成json字符串 加上ensure_ascii=False以後，可以識別中文， indent=4是間隔4個空格显示
 
 import json         
 d={'小明':{'sex':'男','addr':'上海','age':26},'小紅':{ 'sex':'女','addr':'上海', 'age':24},}
 print(json.dumps(d,ensure_ascii=False,indent=4))
 
 #執行結果：
 {
     "小明": {
         "sex": "男",
         "addr": "上海",
         "age": 26
     },
     "小紅": {
         "sex": "女",
         "addr": "上海",
         "age": 24
     }
 }

dump()函數


dump()函數可以將 Python對象編碼成 json 字符串，並自動寫入到文件中，不需要再單獨寫文件。例如：


#字典轉成json字符串,不需要寫文件，自動轉成的json字符串寫入到'users.json'的文件中 
 import json                                                                         
 d={'小明':{'sex':'男','addr':'上海','age':26},'小紅':{ 'sex':'女','addr':'上海', 'age':24},}
 #打開一個名字為'users.json'的空文件
 fw =open('users.json','w',encoding='utf-8')
 
 json.dump(d,fw,ensure_ascii=False,indent=4)

loads()函數


loads()函數可以將 json 字符串轉換成 Python 的數據類型。例如：


#這是users.json文件中的內容
 {
     "小明":{
         "sex":"男",
         "addr":"上海",
         "age":26
     },
     "小紅":{
         "sex":"女",
         "addr":"上海",
         "age":24
     }
 }
 
 #!/usr/bin/python3
 #把json串變成python的數據類型   
 import json  
 #打開'users.json'的json文件
 f =open('users.json','r',encoding='utf-8')
 #讀文件
 res=f.read()
 print(json.loads(res))
 
 #執行結果：
 {'小明': {'sex': '男', 'addr': '上海', 'age': 26}, '小紅': {'sex': '女', 'addr': '上海', 'age': 24}}

load()函數


load()跟loads()功能相似，load()函數可以將 json 字符串轉換成 Python 數據類型，不同的是前者的參數是一個文件對象，不需要再單獨讀此文件。例如：


#把json串變成python的數據類型：字典，傳一個文件對象，不需要再單獨讀文件 
 import json   
 #打開文件
 f =open('users.json','r',encoding='utf-8') 
 print(json.load(f))
 
 #執行結果：
 {'小明': {'sex': '男', 'addr': '上海', 'age': 26}, '小紅': {'sex': '女', 'addr': '上海', 'age': 24}}

Pickle 模塊


Pickle 模塊與 Json 模塊功能相似，也包含四個函數，即 dump()、dumps()、loads() 和 load()，它們的主要區別如下：



  • dumps 和 dump 的區別在於前者是將對象序列化，而後者是將對象序列化並保存到文件中。

  • loads 和 load 的區別在於前者是將序列化的字符串反序列化，而後者是將序列化的字符串從文件讀取並反序列化。


dumps()函數


dumps()函數可以將數據通過特殊的形式轉換為只有python語言認識的字符串，例如：


import pickle
 # dumps功能
 import pickle
 data = ['A', 'B', 'C','D']  
 print(pickle.dumps(data))
 
 b'\x80\x03]q\x00(X\x01\x00\x00\x00Aq\x01X\x01\x00\x00\x00Bq\x02X\x01\x00\x00\x00Cq\x03X\x01\x00\x00\x00Dq\x04e.'

dump()函數


dump()函數可以將數據通過特殊的形式轉換為只有python語言認識的字符串，並寫入文件。例如：


# dump功能
 with open('test.txt', 'wb') as f:
     pickle.dump(data, f)
 print('寫入成功')
 
 寫入成功

loads()函數


loads()函數可以將pickle數據轉換為python的數據結構。例如：


# loads功能
 msg = pickle.loads(datastr)
 print(msg)
 
 ['A', 'B', 'C', 'D']

load()函數


load()函數可以從數據文件中讀取數據，並轉換為python的數據結構。例如：


# load功能
 with open('test.txt', 'rb') as f:
    data = pickle.load(f)
 print(data)
 
 ['A', 'B', 'C', 'D']
本站聲明:網站內容來源於博客園,如有侵權,請聯繫我們,我們將及時處理【其他文章推薦】

※帶您來了解什麼是 USB CONNECTOR  ?



※自行創業 缺乏曝光? 下一步"網站設計"幫您第一時間規劃公司的門面形象



※如何讓商品強力曝光呢? 網頁設計公司幫您建置最吸引人的網站，提高曝光率!!



※綠能、環保無空污,成為電動車最新代名詞，目前市場使用率逐漸普及化



※廣告預算用在刀口上，網站設計公司幫您達到更多曝光效益



Orignal From: Json模塊和Pickle模塊的使用

留言

張貼留言

這個網誌中的熱門文章

Python 併發總結，多線程，多進程，異步IO

1 測量函數運行時間 import time def profile(func): def wrapper(*args, ** kwargs): import time start = time.time() func( *args, ** kwargs) end = time.time() print ' COST: {} ' .format(end - start) return wrapper @profile def fib(n): if n<= 2 : return 1 return fib(n-1) + fib(n-2 ) fib( 35 )   2 啟動多個線程，並等待完成   2.1 使用threading.enumerate() import threading for i in range(2 ): t = threading.Thread(target=fib, args=(35 ,)) t.start() main_thread = threading.currentThread() for t in threading.enumerate(): if t is main_thread: continue t.join()   2.2 先保存啟動的線程 threads = [] for i in range(5 ): t = Thread(target=foo, args= (i,)) threads.append(t) t.start() for t in threads: t.join()   3 使用信號量，限制同時能有幾個線程訪問臨界區 from threading import Semaphore import time sema = Semaphor...
張貼留言
閱讀完整內容

韋伯連續劇終於更新 期待第一季順利完結

　　地球天文學界的跳票大王詹姆斯·韋伯空間望遠鏡 (James Webb Space Telescope，縮寫為 JWST)自 1996 年以來斷斷續續不按劇本演出的連續劇終於讓焦慮的觀眾們又等到了一次更新：五層遮陽罩測試順利完成。 裝配完成的韋伯望遠鏡與好夥伴遮陽罩同框啦。Credit: NASA 　　嚴格的測試是任何空間任務順利成功的重中之重。遮陽罩，這個韋伯望遠鏡異常重要的親密夥伴，要是無法正常運轉的話，韋伯的這一季天文界連續劇說不準就要一直拖更了。 　　詹姆斯·韋伯空間望遠鏡是歷史上造出的最先進的空間望遠鏡。它不僅是一架紅外望遠鏡，還具有特別高的靈敏度。但想要達到辣么高的靈敏度來研究系外行星和遙遠的宇宙童年，韋伯童鞋必須非常"冷靜"，體溫升高的話，靈敏度會大大折損。這個時候，遮陽罩就要大顯身手啦。 　　遮陽罩在韋伯的設計中至關重要。韋伯望遠鏡會被發射到拉格朗日 L2 點，運行軌道很高，遠離太陽、地球與月球。太陽是韋伯的主要熱量干擾的來源，其次是地球與月球。遮陽罩會有效阻斷來自這三大熱源的能量並保護韋伯維持在工作溫度正常運轉。這個工作溫度指的是零下 220 攝氏度(-370 華氏度；50 開爾文)。 上圖中我們可以看出，韋伯望遠鏡的配置大致可分為兩部分：紅色較熱的一面溫度為 85 攝氏度，藍色較冷的一面溫度達到零下 233 攝氏度。紅色的這部分中，儀器包括太陽能板、通信設備、計算機、以及轉向裝置。藍色部分的主要裝置包括鏡面、探測器、濾光片等。Credit: STSci. 　　遮陽罩的那一部分和望遠鏡的鏡面這部分可以產生非常極端的溫差。遮陽的這面溫度可以達到 110 攝氏度，足以煮熟雞蛋，而背陰處的部分溫度極低，足以凍結氧氣。 　　工程師們剛剛完成了五層遮陽罩的測試，按照韋伯在 L2 時的運行狀態安裝了遮陽罩。L2 距離地球約 160 萬公里。NASA 表示這些測試使用了航天器的自帶系統來展開遮陽罩，測試目前都已成功完成。韋伯望遠鏡遮陽罩負責人 James Cooper 介紹說這是遮陽罩"第一次在望遠鏡系統的电子設備的控制下展開。儘管這個任務非常艱巨，難度高，但測試順利完成，遮陽罩展開時的狀態非常驚艷"。 　　遮陽罩由五層 Kapton 製成。Kapton 是一種聚酰亞胺薄膜材料， 耐高溫絕...
張貼留言
閱讀完整內容

LINE 發票管家「一鍵分享發票」新功能，聚餐AA更好算帳

» » LINE 發票管家「一鍵分享發票」新功能，聚餐AA更好算帳 消費明細好清楚，不怕算錯錢啦！ by in , 讀取中... 之前介紹過的「LINE 發票管家」，除了能對統一發票、管理消費紀錄，現在還能分享消費明細給其他朋友囉！趕快來看看該如何分享吧！讓大家在聚餐過後，不用再截圖、拍照把消費明細記錄下來分享到 LINE 好友群組，只要用 LINE發票管家就可以隨時一鍵分享消費明細，包括店家、消費時間、消費項目、金額通通都有，聚餐 AA 也更好算帳。 LINE 發票管家「一鍵分享發票」新功能，聚餐AA更好算帳 朋友聚餐完，經常會先由其中一位買單再事後收帳，不過難免擔心忘記拍照紀錄下消費明細，導致算帳變得很麻煩。但是，現在只要用 LINE發票管家，不僅能將發票存入載具後直接匯入發票，進而更方便管理每月的消費情況，現在還能用它來分享消費明細到 LINE 聊天室，不需要截圖，整個流程超級簡單！ ▲圖片來源： 當使用 LINE發票管家並且綁定載具後，只要日常消費有將發票存入載具就通通會自動匯入 LINE發票管家。如果想暸解自己近期的消費情況，也能在 LINE發票管家點選「發票明細」查詢所有消費紀錄。 ＊小提醒：存入手機條碼的發票，待財政部 1-2 日作業時間將發票資料匯入後， 打開單筆消費後分享到指定對象或群組。 像是朋友聚餐或其它購物消費，就能在 LINE發票管家查看每一筆消費的所有消費明細，每一項餐點的項目、價格通通一目了然。如果想將該筆消費內容分享給好友收帳，只要點選該筆消費明細後，接著點選畫面右上角的「分享」按鈕。 網頁設計 最專業,超強功能平台可客製,窩窩以「數位行銷」「品牌經營」「網站與應用程式」「印刷品設計」等四大主軸，為每一位客戶客製建立行銷脈絡及洞燭市場先機,請問 台中電動車 哪裡在賣比較便宜可以到台中景泰電動車門市去看看總店：臺中市潭子區潭秀里雅潭路一段102-1號。 電動車補助 推薦評價好的 iphone維修 中心擁有專業的維修技術團隊，同時聘請資深iphone手機維修專家，現場說明手機問題，快速修理，沒修好不收錢住家的頂樓裝 太陽光電 聽說可發揮隔熱功效一線推薦東陽能源擁有核心技術、...
張貼留言
閱讀完整內容