脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 脚本专栏 → python → Python3.5 Json与pickle数据序列化

Python3.5 Json与pickle实现数据序列化与反序列化操作示例

 更新时间：2019年04月29日 11:53:41   作者：loveliuzz  
这篇文章主要介绍了Python3.5 Json与pickle实现数据序列化与反序列化操作,结合实例形式分析了Python3.5使用Json与pickle模块实现json格式数据的序列化及反序列化操作相关步骤与注意事项,需要的朋友可以参考下

本文实例讲述了Python3.5 Json与pickle实现数据序列化与反序列化操作。分享给大家供大家参考，具体如下：

1、Json：不同语言之间进行数据交互。

（1）JSON数据序列化：dumps()

JSON数据是一种轻量级的数据交换格式，序列化：将内存数据对象变成字符串。

#!/usr/bin/env python
# -*- coding:utf-8 -*-
# Author:ZhengzhengLiu
import json
info = {
  "name":"liu",
  "age":25,
  "sex":"girl"
}
f = open("test.txt","w")
print(json.dumps(info))
f.write(json.dumps(info))
f.close()

运行结果如下图：

（2）JSON数据反序列化:loads()

#!/usr/bin/env python
# -*- coding:utf-8 -*-
# Author:ZhengzhengLiu
import json
f = open("test.txt","r")
data = json.loads(f.read())
print(data['age'])

运行结果 :

25

（3）Json序列化——多次dumps；反序列化——不能实现多次loads

#!/usr/bin/env python
# -*- coding:utf-8 -*-
# Author:ZhengzhengLiu
import json
info = {
  "name":"liu",
  "age":32
}
f = open("test.txt","w")
f.write(json.dumps(info))   #序列化
info["age"]= 21
f.write(json.dumps(info))
f.close()

运行结果：

总结：Json只能处理一些简单的数据类型，如：列表、字典。字符串等。XML正在被Json逐步取代。

Json以后使用只dumps一次，loads一次即可。

2、pickle：通过pickle模块的序列化操作我们能够将程序中运行的对象信息保存到文件中去，永久存储；

通过pickle模块的反序列化操作，我们能够从文件中创建上一次程序保存的对象。

只能在Python语言中用，不能用于其他的语言。

（1）pickle数据序列化：

#!/usr/bin/env python
# -*- coding:utf-8 -*-
# Author:ZhengzhengLiu
import pickle
def sayhi(name):
  print("hello",name)
info = {
  "name":"liu",
  "age":32,
  "func":sayhi
}
f = open("test.txt","wb")
print()
f.write(pickle.dumps(info))
f.close()

运行结果如下图：

（2）pickle数据反序列化：

#!/usr/bin/env python
# -*- coding:utf-8 -*-
# Author:ZhengzhengLiu
import pickle
def sayhi(name):
  print("hello",name)
f = open("test.txt","rb")
data = pickle.loads(f.read())
print(data["func"]("liu"))

运行结果：

hello liu
None

PS：这里再为大家推荐几款比较实用的json在线工具供大家参考使用：

在线JSON代码检验、检验、美化、格式化工具：
http://tools.jb51.net/code/json

JSON在线格式化工具：
http://tools.jb51.net/code/jsonformat

在线XML/JSON互相转换工具：
http://tools.jb51.net/code/xmljson

json代码在线格式化/美化/压缩/编辑/转换工具：
http://tools.jb51.net/code/jsoncodeformat

在线json压缩/转义工具：
http://tools.jb51.net/code/json_yasuo_trans

更多Python相关内容感兴趣的读者可查看本站专题：《Python操作json技巧总结》、《Python编码操作技巧总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》

希望本文所述对大家Python程序设计有所帮助。

您可能感兴趣的文章:

相关文章

  • Python简单实现词云图代码及步骤解析

    Python简单实现词云图代码及步骤解析

    这篇文章主要介绍了Python简单实现词云图代码解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2020-06-06
  • Win8.1下安装Python3.6提示0x80240017错误的解决方法

    Win8.1下安装Python3.6提示0x80240017错误的解决方法

    这篇文章主要为大家详细介绍了Win8.1下安装Python3.6提示0x80240017错误的解决方法，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
    2018-07-07
  • python利用joblib进行并行数据处理的代码示例

    python利用joblib进行并行数据处理的代码示例

    在数据量比较大的情况下,数据预处理有时候会非常耗费时间,可以利用 joblib 中的 Parallel 和 delayed 进行多CPU并行处理,文中给出了详细的代码示例,需要的朋友可以参考下
    2023-10-10
  • python做反被爬保护的方法

    python做反被爬保护的方法

    在本文里小编给大家整理了一篇关于python做反被爬保护的方法的方法，由此需求的同学参考学习下。
    2019-07-07
  • ConvNeXt实战之实现植物幼苗分类

    ConvNeXt实战之实现植物幼苗分类

    ConvNeXts由标准ConvNet模块构建，在准确性和可扩展性方面与 Transformer竞争，实现87.8% ImageNet top-1 准确率，在 COCO 检测和 ADE20K 分割方面优于 Swin Transformers。本文将利用ConvNeXt实现植物幼苗分类，需要的可以参考一下
    2022-01-01
  • Ubuntu16安装CUDA(9.1)和cuDNN的实现步骤(图文)

    Ubuntu16安装CUDA(9.1)和cuDNN的实现步骤(图文)

    本文主要介绍了Ubuntu16安装CUDA(9.1)和cuDNN，文中通过图文介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
    2021-07-07
  • Python多层嵌套list的递归处理方法(推荐)

    Python多层嵌套list的递归处理方法(推荐)

    下面小编就为大家带来一篇Python多层嵌套list的递归处理方法(推荐)。小编觉得挺不错的，现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧
    2016-06-06
  • python语音信号处理详细教程

    python语音信号处理详细教程

    在深度学习中,语音的输入都是需要处理的,下面这篇文章主要给大家介绍了关于python语音信号处理的相关资料,文中通过实例代码介绍的非常详细,需要的朋友可以参考下
    2023-01-01
  • 2021年最新用于图像处理的Python库总结

    2021年最新用于图像处理的Python库总结

    为了快速地处理大量信息,科学家需要利用图像准备工具来完成人工智能和深度学习任务.在本文中,我将深入研究Python中最有用的图像处理库,这些库正在人工智能和深度学习任务中得到大力利用.我们开始吧,需要的朋友可以参考下
    2021-06-06
  • Python中更优雅的日志记录方案详解

    Python中更优雅的日志记录方案详解

    在Python中，一般情况下我们可能直接用自带的logging模块来记录日志，但logging用起来其实并不是那么好用，其实主要还是配置较为繁琐。本文为大家介绍了Python中更优雅的日志记录方案，需要的可以参考一下
    2022-06-06

最新评论