Exemple de sérialisation de données en mémoire

1. Objectif

Nous devons sérialiser les données en mémoire, c'est-à-dire que lors de l'écriture dans un fichier, le type écrit ne peut être qu'une chaîne ou un type binaire. Mais si nous voulons sérialiser des types de données plus complexes, tels que des listes, des dictionnaires ou des fonctions, nous devons utiliser json ou pickle.

2. Sérialisation JSON

1. Sérialisation des dumps et désérialisation des charges

les dumps convertissent le type de données en chaîne

import json

info = {
    'name': 'The Count of Monte Cristo',
    'type': 'Movie'
}

data = json.dumps(info)
print(data)
print(type(data))

# 输出
{"name": "The Count of Monte Cristo", "type": "Movie"}
<class &#39;str&#39;>

loads convertit la chaîne en un type de données

import json

get_info = json.loads(data)
print(get_info['name'])
print(get_info)
print(type(get_info))

#输出
The Count of Monte Cristo
{'name': 'The Count of Monte Cristo', 'type': 'Movie'}
<class &#39;dict&#39;>　

2. une chaîne et la stocke dans le fichier

import json

info = {
    'name': 'The Count of Monte Cristo',
    'type': 'Movie'
}

with open("test.txt", "w", encoding="utf-8") as f:
    json.dump(info, f)  # 第一个参数是内存中的数据对象，第二个参数是文件句柄

#写入文件中的内容
{"name": "The Count of Monte Cristo", "type": "Movie"}

load ouvre le fichier et convertit la chaîne en un type de données

import json


with open("test.txt", "r", encoding="utf-8") as f:
    data_from_file = json.load(f)

print(data_from_file['name'])
print(data_from_file)
print(type(data_from_file))

#输出
The Count of Monte Cristo
{'name': 'The Count of Monte Cristo', 'type': 'Movie'}
<class &#39;dict&#39;>

3.json sérialise une fonction

import json

def test(name):
    print("hello,{}".format(name))

info = {
    'name': 'The Count of Monte Cristo',
    'type': 'Movie',
    'func': test
}

data = json.dumps(info)

#输出
 File "G:/python/untitled/study6/json&pickle模块.py", line 22, in <module>
    data = json.dumps(info)
  File "G:\python\install\lib\json\__init__.py", line 230, in dumps
    return _default_encoder.encode(obj)
  File "G:\python\install\lib\json\encoder.py", line 198, in encode
    chunks = self.iterencode(o, _one_shot=True)
  File "G:\python\install\lib\json\encoder.py", line 256, in iterencode
    return _iterencode(o, 0)
  File "G:\python\install\lib\json\encoder.py", line 179, in default
    raise TypeError(repr(o) + " is not JSON serializable")
TypeError: <function test at 0x0000021B13C57F28> is not JSON serializable

1. json ne peut gérer que des types de données simples. Par exemple : dictionnaires, listes, les chaînes, etc., ne peuvent pas gérer les types de données complexes tels que les fonctions.

2.

json est commun à tous les langages, et tous les langages prennent en charge json. Si nous avons besoin de python pour interagir avec d'autres langages pour les données, utilisez le format json .

3. Sérialisation de Pickle

L'utilisation de pickle est la même que ci-dessus, mais le type de données après la sérialisation de pickle est binaire, et pickle ne peut être que utilisé en python.

1.dumps && chargements

import pickle


def test(name):
    print("hello,{}".format(name))

info = {
    'name': 'The Count of Monte Cristo',
    'type': 'Movie',
    'func': test
}

data = pickle.dumps(info)
print(data)
print(type(data))

#输出
b'\x80\x03}q\x00(X\x04\x00\x00\x00nameq\x01X\x19\x00\x00\x00The Count of Monte Cristoq\x02X\x04\x00\x00\x00typeq\x03X\x05\x00\x00\x00Movieq\x04X\x04\x00\x00\x00funcq\x05c__main__\ntest\nq\x06u.'

<class &#39;bytes&#39;>

import pickle

get_data = pickle.loads(data)
get_data['func']('cat')
print(get_data)

#输出
hello,cat
{&#39;name&#39;: &#39;The Count of Monte Cristo&#39;, &#39;type&#39;: &#39;Movie&#39;, &#39;func&#39;: <function test at 0x00000235350A7F28>}

　

2. && charger

import pickle


def test(name):
    print("hello,{}".format(name))

info = {
    'name': 'The Count of Monte Cristo',
    'type': 'Movie',
    'func': test
}

with open('test.txt', 'wb') as f:
    pickle.dump(info, f)

# 写入test.txt文件中的内容

�}q (X   typeqX   MovieqX   funcqc__main__
test
qX   nameqX   The Count of Monte Cristoqu.

　

import pickle

with open('test.txt', 'rb') as f:
    get_data = pickle.load(f)
print(get_data)

# 输出

{&#39;name&#39;: &#39;The Count of Monte Cristo&#39;, &#39;func&#39;: <function test at 0x000001BA2AB4D510>, &#39;type&#39;: &#39;Movie&#39;}

　

Résumé :

la valeur json prend en charge les types de données simples et pickle prend en charge tous les types de données.
pickle ne peut prendre en charge que la sérialisation et la désérialisation de python lui-même, et ne peut pas être utilisé pour l'interaction de données avec d'autres langages, contrairement à json.
pickle sérialise l'intégralité de l'objet de données, donc lors de la désérialisation d'une fonction, la logique dans le corps de la fonction change et suit le corps de la fonction d'origine.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!