常用模組(json/pickle/shelve/XML)

摘要： 一、json模組（重點） 一種跨平臺的資料格式 也屬於序列化的一種方式 介紹模組之前，三個問題： 序列化是什麼? 我們把物件(變數)從記憶體中變成可儲存或傳輸的過程稱之為序列化。 反序列化...

一、json模組（重點）

一種跨平臺的資料格式

也屬於序列化的一種方式

介紹模組之前，三個問題：

序列化是什麼?

我們把物件(變數)從記憶體中變成可儲存或傳輸的過程稱之為序列化。

反序列化又是什麼?

將硬碟上儲存的中間格式資料在還原為記憶體中的資料結構

為什麼要序列化?

1、持久保持狀態

2、跨平臺資料的互動

JSON是什麼? java script object notation 就是物件表示法

var obj = {"name":"egon"}

對於我們開發而言 json就是一種通用的資料格式 任何語言都能解析

js中的資料型別        在python中資料型別的對應關係

{}字典
[]list
string ""str
int/floatint/float
true/falseTrue/False
nullNone

json格式的語法規範

最外層通常是一個字典或列表

{} or []

只要你想寫一個json格式的資料 那麼最外層直接寫{}

字串必須是 雙引號

你可以在裡面套任意多的層次

json模組的核心功能

dump

dumps

load

loads

不帶s: 封裝了write 和 read

但多數實際開發中 用dumps 和 loads 較多

import json

#序列化
# dic = {"a": '香港', "b": "重慶", "c": "上海"}
# with open("c.json","wt",encoding="utf-8") as f:
#f.write(json.dumps(dic))
# print(repr(s), type(s))

反序列化
# with open("c.json","rt",encoding="utf-8") as f:
## print(f.read())
#d = json.loads(f.read())
#print(d)

兩個eg：

jsontext = """{
"users": [{
"name": "agon",
"age": 68
},
{
"name": "alex",
"age": 57
}
]
}"""

# res = json.loads(jsontext)
# print(res)

mydic = {
"users": [{
"name": "agon",
"age": 68
},
{
"name": "alex",
"age": 57
}
]
}
# with open("b.json","wt",encoding="utf-8") as f:
#f.write(json.dumps(mydic))

# with open("b.json", "wt", encoding="utf-8") as f:
#json.dump(mydic, f)

二、pickle模組

專用於python語言的序列化

pickle模組主要功能

dump

load

dumps

loads

dump是序列化

load反序列化

不帶s的是幫你封裝write read 更方便

load函式可以多次執行  每次load 都是往後在讀一個物件 如果沒有了就丟擲異常Ran out of input。

eg：

import pickle
# 使用者註冊後得到的資料
name = "wwl"
password = "123"
height = 1.8
hobby = ["吃","喝","賭","飄",{1,2,3}]


# with open("userdb.txt","wt",encoding="utf-8") as f:
#text = "|".join([name,password,str(height)])
#f.write(text)

# pickle支援python中所有的資料型別
user = {"name":name,"password":password,"height":height,"hobby":hobby,"test":3}

序列化的過程

# with open("userdb.pkl","ab") as f:
#userbytes = pickle.dumps(user)
#f.write(userbytes)

反序列化過程

# with open("userdb.pkl","rb") as f:
#userbytes = f.read()
#user = pickle.loads(userbytes)
#print(user)
#print(type(user))

#dump 直接序列化到檔案
# with open("userdb.pkl","ab") as f:
#pickle.dump(user,f)

#load 從檔案反序列化
with open("userdb.pkl","rb") as f:
user = pickle.load(f)
print(user)
print(pickle.load(f))
print(pickle.load(f))
print(pickle.load(f))

Conclusion：

json vs pickle:

json:

優點：跨語言、體積小

缺點：只能支援int\str\list\tuple\dict

Pickle:

優點：專為python設計，支援python所有的資料型別

缺點：只能在python中使用，儲存資料佔空間大

三、shelve模組

shelve模組 也用於序列化

它於pickle不同之處在於 不需要關心檔案模式什麼的 直接把它當成一個字典來看待

它可以直接對資料進行修改 而不用覆蓋原來的資料

而pickle 你想要修改只能 用wb模式來覆蓋

序列化

import shelve

f = shelve.open('shelve_test')# 開啟一個檔案



names = ["alex", "rain", "test"]
info = {'name':'alex','age':22}


f["names"] = names# 持久化列表
f['info_dic'] = info

f.close()

反序列化

import shelve

d = shelve.open('shelve_test'，,writeback=True)# 開啟一個檔案

print(d['names'])
print(d['info_dic'])
d['names'].append('wwl')
d.close()


#del d['test'] #還可以刪除

四、XML模組 (可擴充套件的標記語言 )

也是一種通用的資料格式

之所用用它也是因為跨平臺

xml是實現不同語言或程式之間進行資料交換的協議，跟json差不多，但json使用起來更簡單，不過，古時候，在json還沒誕生的黑暗年代，大家只能選擇用xml呀，至今很多傳統公司如金融行業的很多系統的介面還主要是xml。

例如:

<?xml version="1.0"?>
<data>
<country name="Liechtenstein">
<rank updated="yes">2</rank>
<year>2008</year>
<gdppc>141100</gdppc>
<neighbor name="Austria" direction="E"/>
<neighbor name="Switzerland" direction="W"/>
</country>
<country name="Singapore">
<rank updated="yes">5</rank>
<year>2011</year>
<gdppc>59900</gdppc>
<neighbor name="Malaysia" direction="N"/>
</country>
<country name="Panama">
<rank updated="yes">69</rank>
<year>2011</year>
<gdppc>13600</gdppc>
<neighbor name="Costa Rica" direction="W"/>
<neighbor name="Colombia" direction="E"/>
</country>
</data>

重點還是語法格式

一、任何的起始標籤都必須有一個結束標籤。

<> </>

二、可以採用另一種簡化語法，可以在一個標籤中同時表示起始和結束標

籤。這種語法是在於符號之前緊跟一個斜線（/），XML

解析器會將其翻譯成<百度百科詞條></百度百科詞條>。

例如<百度百科詞條/>。

三、標籤必須按合適的順序進行行巢狀，所以結束標籤必須按映象順序匹配

起始標籤。這好比是將起始和結束標籤看作是數學中的左右括號：在沒有關閉所有

的內部括號之前，是不不能關閉外面的括號的。

四、所有的特性都必須有值。

五、所有的特性都必須在值的周圍加上雙引號。

一個標籤的組成部分

<tagename 屬性名稱="屬性值">文字內容

</tagname>

單標籤的寫法

<tagename 屬性名稱="屬性值"/>

# 映象關閉順序例項

<a>
<b>
<c>
</c>
</b>
</a>

把朋友的資訊寫成xml
<studentinfo>
<張三>
<age>20</age>
<gender>man</gender>
</張三>
<李四>
<age>20</age>
<gender>man</gender>
</李四>
</studentinfo>

用法：

import xml.etree.ElementTree as ElementTree
# 解析d.xml
tree = ElementTree.parse("d.xml")
print(tree)
# 獲取根標籤
rootTree = tree.getroot()

# 三種獲取標籤的方式
# 獲取所有人的年齡 iter是用於在全文範圍獲取標籤
# for item in rootTree.iter("age"):
## 一個標籤三個組成部分
#print(item.tag) # 標籤名稱
#print(item.attrib) # 標籤的屬性
#print(item.text) # 文字內容

# 第二種 從當前標籤的子標籤中找到一個名稱為age的標籤如果有多個 找到的是第一個
# print(rootTree.find("age").attrib)
# 第三種 從當前標籤的子標籤中找到所有名稱為age的標籤
# print(rootTree.findall("age"))

# 獲取單個屬性
stu = rootTree.find("stu")
print(stu.get("age"))
print(stu.get("name"))

# 刪除子標籤
rootTree.remove(stu)


# 新增子標籤
# 要先建立一個子標籤
newTag = ElementTree.Element("這是新標籤",{"一個屬性":"值"})
rootTree.append(newTag)

# 寫入檔案
tree.write("f.xml",encoding="utf-8")

練習：

import xml.etree.ElementTree as ElementTree
tree = ElementTree.parse("f.xml")

rootTree = tree.getroot()
users = []
for item in rootTree.iter("stu"):
user = item.attrib
print(user)
gitem = item.find("girlfriend")
user["girlfriend"] = gitem.attrib
users.append(user)
print(users)

Conclusion:

xml也是一種中間格式 也屬於序列化方式之一

與json相比較

同樣的資料json會比xml 更小 效率更高

xml 需要根據文件結構 手動解析 而 json 直接轉物件