


Bagaimanakah saya boleh menjadikan objek tersuai JSON boleh bersiri tanpa subkelas `json.JSONEncoder`?
Menjadikan objek JSON boleh bersiri dengan pengekod biasa
Cara lalai untuk mensirikan objek tidak boleh bersiri tersuai kepada JSON ialah dengan mensubkelas json.JSONEncoder dan menghantar pengekod tersuai kepada json.dumps(). Ini biasanya kelihatan seperti berikut:
<code class="python">class CustomEncoder(json.JSONEncoder): def default(self, obj): if isinstance(obj, Foo): return obj.to_json() return json.JSONEncoder.default(self, obj) print(json.dumps(obj, cls=CustomEncoder))</code>
Walau bagaimanapun, bagaimana jika anda mahu menjadikan objek boleh bersiri dengan pengekod lalai? Selepas menyemak kod sumber modul json, nampaknya memanjangkan pengekod secara langsung tidak akan memenuhi keperluan ini.
Sebaliknya, anda boleh menggunakan teknik yang dipanggil "monkey-patching" dalam skrip permulaan __init__.py pakej anda. Ini memberi kesan kepada semua siri modul JSON yang berikutnya kerana modul biasanya dimuatkan sekali sahaja dan hasilnya dicache dalam sys.modules.
Tampalan akan mengubah suai kaedah lalai pengekod JSON lalai untuk menyemak kaedah "to_json" yang unik dan gunakannya untuk mengekod objek jika ditemui.
Berikut ialah contoh yang dilaksanakan sebagai modul kendiri untuk kesederhanaan:
<code class="python"># Module: make_json_serializable.py from json import JSONEncoder def _default(self, obj): return getattr(obj.__class__, "to_json", _default.default)(obj) _default.default = JSONEncoder.default # Save unmodified default. JSONEncoder.default = _default # Replace it.</code>
Menggunakan tampung ini mudah: hanya import modul untuk menggunakan monyet -patch.
<code class="python"># Sample client script import json import make_json_serializable # apply monkey-patch class Foo(object): def __init__(self, name): self.name = name def to_json(self): # New special method. """Convert to JSON format string representation.""" return '{"name": "%s"}' % self.name foo = Foo('sazpaz') print(json.dumps(foo)) # -> '{"name": "sazpaz"}'</code>
Untuk mengekalkan maklumat jenis objek, kaedah to_json boleh memasukkannya dalam rentetan yang dikembalikan:
<code class="python">def to_json(self): """Convert to JSON format string representation.""" return '{"type": "%s", "name": "%s"}' % (self.__class__.__name__, self.name)</code>
Ini menghasilkan JSON yang termasuk nama kelas:
{"type": "Foo", "name": "sazpaz"}
Magick Berada Di Sini
Pendekatan yang lebih hebat ialah dengan menggunakan kaedah lalai penggantian mensiri kebanyakan objek Python secara automatik, termasuk contoh kelas yang ditentukan pengguna, tanpa memerlukan kaedah unik.
Setelah meneliti beberapa alternatif, pendekatan berikut berdasarkan jeruk kelihatan paling hampir dengan ideal ini:
<code class="python"># Module: make_json_serializable2.py from json import JSONEncoder import pickle def _default(self, obj): return {"_python_object": pickle.dumps(obj)} JSONEncoder.default = _default # Replace with the above.</code>
Walaupun tidak semuanya boleh dijeruk (cth., jenis sambungan), jeruk menyediakan kaedah untuk mengendalikannya melalui protokol menggunakan kaedah yang unik. Walau bagaimanapun, pendekatan ini merangkumi lebih banyak kes.
Deserializing
Menggunakan protokol jeruk memudahkan pembinaan semula objek Python asal dengan menyediakan hujah fungsi object_hook tersuai kepada json.loads() apabila menemui "_python_object" kunci dalam kamus.
<code class="python">def as_python_object(dct): try: return pickle.loads(str(dct['_python_object'])) except KeyError: return dct pyobj = json.loads(json_str, object_hook=as_python_object)</code>
Ini boleh dipermudahkan kepada fungsi pembungkus:
<code class="python">json_pkloads = functools.partial(json.loads, object_hook=as_python_object) pyobj = json_pkloads(json_str)</code>
Kod ini tidak berfungsi dalam Python 3 kerana json.dumps() mengembalikan objek bait yang JSONEncoder tidak boleh mengendalikan. Walau bagaimanapun, pendekatan ini kekal sah dengan pengubahsuaian berikut:
<code class="python">def _default(self, obj): return {"_python_object": pickle.dumps(obj).decode('latin1')} def as_python_object(dct): try: return pickle.loads(dct['_python_object'].encode('latin1')) except KeyError: return dct</code>
Atas ialah kandungan terperinci Bagaimanakah saya boleh menjadikan objek tersuai JSON boleh bersiri tanpa subkelas `json.JSONEncoder`?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas











Python cemerlang dalam permainan dan pembangunan GUI. 1) Pembangunan permainan menggunakan pygame, menyediakan lukisan, audio dan fungsi lain, yang sesuai untuk membuat permainan 2D. 2) Pembangunan GUI boleh memilih tkinter atau pyqt. TKInter adalah mudah dan mudah digunakan, PYQT mempunyai fungsi yang kaya dan sesuai untuk pembangunan profesional.

Python lebih mudah dipelajari dan digunakan, manakala C lebih kuat tetapi kompleks. 1. Sintaks Python adalah ringkas dan sesuai untuk pemula. Penaipan dinamik dan pengurusan memori automatik menjadikannya mudah digunakan, tetapi boleh menyebabkan kesilapan runtime. 2.C menyediakan kawalan peringkat rendah dan ciri-ciri canggih, sesuai untuk aplikasi berprestasi tinggi, tetapi mempunyai ambang pembelajaran yang tinggi dan memerlukan memori manual dan pengurusan keselamatan jenis.

Untuk memaksimumkan kecekapan pembelajaran Python dalam masa yang terhad, anda boleh menggunakan modul, masa, dan modul Python. 1. Modul DateTime digunakan untuk merakam dan merancang masa pembelajaran. 2. Modul Masa membantu menetapkan kajian dan masa rehat. 3. Modul Jadual secara automatik mengatur tugas pembelajaran mingguan.

Python lebih baik daripada C dalam kecekapan pembangunan, tetapi C lebih tinggi dalam prestasi pelaksanaan. 1. Sintaks ringkas Python dan perpustakaan yang kaya meningkatkan kecekapan pembangunan. 2. Ciri-ciri jenis kompilasi dan kawalan perkakasan meningkatkan prestasi pelaksanaan. Apabila membuat pilihan, anda perlu menimbang kelajuan pembangunan dan kecekapan pelaksanaan berdasarkan keperluan projek.

Pythonlistsarepartofthestandardlibrary, sementara

Python cemerlang dalam automasi, skrip, dan pengurusan tugas. 1) Automasi: Sandaran fail direalisasikan melalui perpustakaan standard seperti OS dan Shutil. 2) Penulisan Skrip: Gunakan Perpustakaan Psutil untuk memantau sumber sistem. 3) Pengurusan Tugas: Gunakan perpustakaan jadual untuk menjadualkan tugas. Kemudahan penggunaan Python dan sokongan perpustakaan yang kaya menjadikannya alat pilihan di kawasan ini.

Adakah cukup untuk belajar Python selama dua jam sehari? Ia bergantung pada matlamat dan kaedah pembelajaran anda. 1) Membangunkan pelan pembelajaran yang jelas, 2) Pilih sumber dan kaedah pembelajaran yang sesuai, 3) mengamalkan dan mengkaji semula dan menyatukan amalan tangan dan mengkaji semula dan menyatukan, dan anda secara beransur-ansur boleh menguasai pengetahuan asas dan fungsi lanjutan Python dalam tempoh ini.

Python dan C masing -masing mempunyai kelebihan sendiri, dan pilihannya harus berdasarkan keperluan projek. 1) Python sesuai untuk pembangunan pesat dan pemprosesan data kerana sintaks ringkas dan menaip dinamik. 2) C sesuai untuk prestasi tinggi dan pengaturcaraan sistem kerana menaip statik dan pengurusan memori manual.
