序列化 · python3 入门教程

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)[https://docs.python.org/3/library/json.html#json.dumps](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。 ### 参考源码 [use_pickle.py](https://github.com/michaelliao/learn-python3/blob/master/samples/io/use_pickle.py) [use_json.py](https://github.com/michaelliao/learn-python3/blob/master/samples/io/use_json.py)