Python中的序列化详细解析
1.什么是数据序列化？
序列化 (Serialization)，是指把程序中的一个类转化成一个标准化的格式。
标准化的意义是这个格式可以跨程序，跨平台的被使用，而且保持其原有的内容，规范。
2.为什么要进行数据序列化呢？
（1）一致性
我们将要保存的数据，序列化成标准的格式（Json格式或者Pickle格式）。之后再反序列化回来，数据依然是原来的。保持了数据的一致性。
（2）有效性
序列化之后，可以减少内存和网络资源的占用。
（3）兼容性
将数据序列化之后，Json格式或者Pickle格式，我可以在其他平台（其他操作系统的电脑）上依然使用。 我用python对数据进行了序列化，我之后可以使用java等其他语言，对其进行反序列，然后进行使用，数据并没有发生改变。
3.数据序列化的应用
（1）应用一
你的程序需要和其他程序交流，例如 平台 API, 网页请求
（2）应用二
串行任务流，每一个任务结束之后数据通过序列化传递到下一个任务。
4.JSON
JSON 是一个文件格式，也是一个标准化的数据传输方案，通常网站的后端和前端的交流，移动 APP 和云服务器的交流方式都是通过 JSON。
（1）序列化
# 导入json模块
import json
simple_dict = {'name': 'zxy', 'age': 21}
with open('simple_dict.txt', 'w') as file_to_write:
# 进行json序列化,然后写入simple_dict.txt文件中
json.dump(simple_dict, file_to_write)
（2）反序列化
with open('simple_dict.txt', 'r') as file_to_read:
loaded_simple_dict = json.load(file_to_read)
print(loaded_simple_dict)
print(type(loaded_simple_dict))
（3）Json 方法的弊端
当遇到一些 Python 特定的高级数据类型的时候，Json 会因为没有标准而无法进行序列化。 会报如下错误：
5.Pickle
Pickle 和 Json 不同的是，Pickle 是 Python 专属的序列化方案，可以转化大多数 Python 的数据类型，并且储存方式是二进制(Byte Code)。二进制的储存方式只有机器才能理解，但是同时也保证了一定的数据隐秘性和高效性。
（1）序列化
import pickle
import datetime
abc_dict = {datetime.datetime(2019, 7, 18, 0, 0): 9682.24,
datetime.datetime(2019, 7, 17, 0, 0): 9411.61,
datetime.datetime(2019, 7, 16, 0, 0): 10858.7,
datetime.datetime(2019, 7, 15, 0, 0): 10195.0,
datetime.datetime(2019, 7, 14, 0, 0): 11378.23,
datetime.datetime(2019, 7, 13, 0, 0): 11810.0,
datetime.datetime(2019, 7, 12, 0, 0): 11338.9,
datetime.datetime(2019, 7, 11, 0, 0): 12090.99,
datetime.datetime(2019, 7, 10, 0, 0): 12577.85}
with open('abc.pk', 'wb') as file_to_write:
pickle.dump(abc_dict, file_to_write)
二进制的储存方式只有机器才能理解，保证了一定的数据隐秘性和高效性。
（2）反序列化
import pickle
import datetime
abc_dict = {datetime.datetime(2019, 7, 18, 0, 0): 9682.24,
datetime.datetime(2019, 7, 17, 0, 0): 9411.61,
datetime.datetime(2019, 7, 16, 0, 0): 10858.7,
datetime.datetime(2019, 7, 15, 0, 0): 10195.0,
datetime.datetime(2019, 7, 14, 0, 0): 11378.23,
datetime.datetime(2019, 7, 13, 0, 0): 11810.0,
datetime.datetime(2019, 7, 12, 0, 0): 11338.9,
datetime.datetime(2019, 7, 11, 0, 0): 12090.99,
datetime.datetime(2019, 7, 10, 0, 0): 12577.85}
with open('abc.pk', 'wb') as file_to_write:
# pickle序列化，然后以二进制的形式存入文件中
pickle.dump(abc_dict, file_to_write)
with open('abc.pk', 'rb') as file_to_read:
# 以二进制的形式进行读取文件
abc_dict_pk = pickle.load(file_to_read)
print(abc_dict_pk)
print(type(abc_dict_pk))
6.总结
这里两个方法的行为都是在序列化数据，所以在调用函数上感觉完全一样。
但是本质上 Json 写入文件的是字符串，而 Pickle 则是把数据转化成了二进制，两个是完全不同的处理方案。
到此这篇关于Python中的序列化详细解析的文章就介绍到这了,更多相关Python中的序列化内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
虽然在第一部分中，已经零星涉及到语句问题，并且在不同场合也进行了一些应用。毕竟不那么系统。本部分，就比较系统地介绍python中的语句。2014-09-09
这篇文章主要介绍了Python3访问并下载网页内容的方法,实例分析了Python页面抓取及写入文件的实现技巧,具有一定参考借鉴价值,需要的朋友可以参考下2015-07-07
这篇文章主要介绍了Python和GO语言实现的消息摘要算法示例,本文讲解了python消息摘要示例、go语言消息摘要示例及各自的运行效果,需要的朋友可以参考下2015-03-03
python 实现图与图之间的间距调整subplots_adjust
这篇文章主要介绍了python 实现图与图之间的间距调整subplots_adjust，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2021-05-05
这篇文章主要介绍了python教程对函数中的参数进行排序的方法讲解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2021-09-09
这篇文章主要介绍了python实现输入三角形边长自动作图求面积案例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-04-04
哈沙德数（Harshad Number）,又称Niven数,是指一个自然数,它可以被它的各位数字之和整除,本文将探讨如何使用多种不同的方法来判断一个数字是否是哈沙德数,感兴趣的可以了解下2024-01-01
这篇文章主要介绍了python 内存优化的相关资料，帮助大家更好的理解和学习python，感兴趣的朋友可以了解下2020-08-08
在Python中，字符串是不可变类型，即无法直接修改字符串的某一位字符。这篇文章主要介绍了Python中修改字符串的四种方法,需要的朋友可以参考下2018-11-11
今天小编就为大家分享一篇python 实现GUI(图形用户界面)编程详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-07-07
最新评论