Python-----序列化

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)

可以随时修改变量，比如把

name

改成

'Bill'

，但是一旦程序结束，变量所占用的内存就被操作系统全部回收。如果没有把修改后的

'Bill'

存储到磁盘上，下次重新运行程序，变量又被初始化为

'Bob'

。

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，在其他语言中也被称之为serialization，marshalling，flattening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。

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。

首先，我们尝试把一个对象序列化并写入文件：

>>> import pickle
>>> d = dict(name='Bob', age=20, score=88)>>> pickle.dumps(d)
b'\x80\x03}q\x00(X\x03\x00\x00\x00ageq\x01K\x14X\x05\x00\x00\x00scoreq\x02KXX\x04\x00\x00\x00nameq\x03X\x03\x00\x00\x00Bobq\x04u.'

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。

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()
>>> d
{'age': 20, 'score': 88, 'name': 'Bob'}

变量的内容又回来了！

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表示的对象就是标准的JavaScript语言的对象，JSON和Python内置的数据类型对应如下：

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

Python内置的

json

模块提供了非常完善的Python对象到JSON格式的转换。我们先看看如何把Python对象变成一个JSON：

>>> import json
>>> d = dict(name='Bob', age=20, score=88)>>> json.dumps(d)
'{"age": 20, "score": 88, "name": "Bob"}'

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"}'
>>> json.loads(json_str)
{'age': 20, 'score': 88, 'name': 'Bob'}

由于JSON标准规定JSON编码是UTF-8，所以我们总是能正确地在Python的

str

与JSON的字符串之间转换。

JSON进阶

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))

运行代码，毫不留情地得到一个

TypeError

：

Traceback (most recent call last):
...
TypeError: <__main__.Student object at 0x10603cc50> 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。

如果连

class

的实例对象都无法序列化为JSON，这肯定不合理！

别急，我们仔细看看

dumps()

方法的参数列表，可以发现，除了第一个必须的

obj

参数外，

dumps()

方法还提供了一大堆的可选参数：

https://docs.python.org/3/library/json.html#json.dumps

这些可选参数就是让我们来定制JSON序列化。前面的代码之所以无法把

Student

类实例序列化为JSON，是因为默认情况下，

dumps()

方法不知道如何将

Student

实例变为一个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))
{"age": 20, "name": "Bob", "score": 88}

不过，下次如果遇到一个

Teacher

类的实例，照样无法序列化为JSON。我们可以偷个懒，把任意

class

的实例变为

dict

：

print(json.dumps(s, default=lambda obj: obj.__dict__))

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。

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'])

运行结果如下：

>>> json_str = '{"age": 20, "score": 88, "name": "Bob"}'
>>> print(json.loads(json_str, object_hook=dict2student))
<__main__.Student object at 0x10cd3c190>

打印出的是反序列化的

Student

实例对象。

小结

Python语言特定的序列化模块是

pickle

，但如果要把序列化搞得更通用、更符合Web标准，就可以使用

json

模块。

json

模块的

dumps()

和

loads()

函数是定义得非常好的接口的典范。当我们使用时，只需要传入一个必须的参数。但是，当默认的序列化或反序列机制不满足我们的要求时，我们又可以传入更多的参数来定制序列化或反序列化的规则，既做到了接口简单易用，又做到了充分的扩展性和灵活性。

文章出处：http://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000/00143192607210600a668b5112e4a979dd20e4661cc9c97000