一、json和pickle模塊
1.1 序列化
把對象(變量)從內存中變成可存儲或傳輸的過程稱之為序列化，在Python中叫pickling，在其他語言中也被稱之為serialization，marshalling，flattening。
序列化的優點：
- 持久保存狀態：內存是無法永久保存數據的，當程序運行了一段時間，我們斷電或者重啟程序，內存中關於這個程序的之前一段時間的數據（有結構）都被清空了。但是在斷電或重啟程序之前將程序當前內存中所有的數據都保存下來（保存到文件中），以便於下次程序執行能夠從文件中載入之前的數據，然后繼續執行，這就是序列化。
- 跨平台數據交互：序列化時不僅可以把序列化后的內容寫入磁盤，還可以通過網絡傳輸到別的機器上，如果收發的雙方約定好實用一種序列化的格式，那么便打破了平台/語言差異化帶來的限制，實現了跨平台數據交互。
1.2 json
Json序列化並不是python獨有的，json序列化在java等語言中也會涉及到，因此使用json序列化能夠達到跨平台傳輸數據的目的。
json數據類型和python數據類型對應關系表
| Json類型 | Python類型 |
|---|---|
| {} | dict |
| [] | list |
| "string" | str |
| 520.13 | int或float |
| true/false | True/False |
| null | None |
json模塊序列化和反序列化的一個過程如下圖所示
import json
struct_data = {'name': 'json', 'age': 23, 'sex': 'male'}
print(struct_data, type(struct_data))
{'name': 'json', 'age': 23, 'sex': 'male'} <class 'dict'>
data = json.dumps(struct_data)
print(data, type(data))
{"name": "json", "age": 23, "sex": "male"} <class 'str'>
# 注意：無論數據是怎樣創建的，只要滿足json格式（如果是字典，則字典內元素都是雙引號），就可以json.loads出來,不一定非要dumps的數據才能loads
data = json.loads(data)
print(data, type(data))
{'name': 'json', 'age': 23, 'sex': 'male'} <class 'dict'>
# 序列化
with open('Json序列化對象.json', 'w') as fw:
json.dump(struct_data, fw)
# 反序列化
with open('Json序列化對象.json') as fr:
data = json.load(fr)
print(data)
{'name': 'json', 'age': 23, 'sex': 'male'}
1.3 pickle
Pickle序列化和所有其他編程語言特有的序列化問題一樣，它只能用於Python，並且可能不同版本的Python彼此都不兼容，因此，只能用Pickle保存那些不重要的數據，即不能成功地反序列化也沒關系。但是pickle的好處是可以存儲Python中的所有的數據類型，包括對象，而json不可以。
pickle模塊序列化和反序列化的過程如下圖所示
import pickle
struct_data = {'name': 'json', 'age': 23, 'sex': 'male'}
print(struct_data, type(struct_data))
{'name': 'json', 'age': 23, 'sex': 'male'} <class 'dict'>
data = pickle.dumps(struct_data)
print(data, type(data))
b'\x80\x03}q\x00(X\x04\x00\x00\x00nameq\x01X\x04\x00\x00\x00jsonq\x02X\x03\x00\x00\x00ageq\x03K\x17X\x03\x00\x00\x00sexq\x04X\x04\x00\x00\x00maleq\x05u.' <class 'bytes'>
data = pickle.loads(data)
print(data, type(data))
{'name': 'json', 'age': 23, 'sex': 'male'} <class 'dict'>
# 序列化(注意：pickle模塊需要使用二進制存儲，即'wb'模式存儲)
with open('Pickle序列化對象.pkl', 'wb') as fw:
pickle.dump(struct_data, fw)
# 反序列化
with open('Pickle序列化對象.pkl', 'rb') as fr:
pickle = pickle.load(fr)
print(data)
{'name': 'json', 'age': 23, 'sex': 'male'}