序列化是指將"結構化數據"轉換成"可存儲格式"的過程，逆向轉換過程被稱為逆序列化。

比如在 Python 中，結構化數據對象 dict 并不能直接存儲到文件中:

a = {

"Type": "A",

"field1": "value1",

"field2": "value2",

"field3": "value3",

}

with open('./file.txt', 'w') as f:

f.write(a)

#> TypeError: write() argument must be str, not dict

但是我們可以通過序列化操作，將 dict 對象轉換為某種可存儲格式。比如可以通過序列化操作將 dict 對象轉換為字符串序列，從而實現對 dict 對象的存儲:

a = {

"Type": "A",

"field1": "value1",

"field2": "value2",

"field3": "value3",

}

print(repr(a)) # 可將repr()理解為一種序列化方法

#> {'Type': 'A', 'field1': 'value1', 'field2': 'value2', 'field3': 'value3'}

with open('./file.txt', 'w') as f:

f.write(repr(a)) # 序列化后的dict對象，可寫入文件

import ast

with open('./file.txt', 'r') as f:

b = ast.literal_eval(f.readline())

print(f'{type(b)}:')

#> :{'Type': 'A', 'field1': 'value1', 'field2': 'value2', 'field3': 'value3'}

在某些情況下，序列化的第二個目的是減少數據大小，從而減小對磁盤和帶寬的要求。

Flat vs. Nested data

在開始序列化數據之前，我們需要先了解一下序列化之后會得到何種格式的序列(扁平或嵌套)，下面展示了這兩種風格的序列:

扁平(flat)風格，經序列化后的數據將位于一個物理行中:

{ "Type" : "A", "field1": "value1", "field2": "value2", "field3": "value3" }

嵌套(nested)風格，經序列化后的數據會分散在多個物理行中:

{"A":

{ "field1": "value1", "field2": "value2", "field3": "value3" } }

序列化格式

"結構化數據"經序列化后，會得到兩種序列化格式(serialization format):

文本序列化格式，如 JSON

二進制序列化格式，如 pickle

文本序列化格式

簡單文件(扁平數據)

repr()

repr() 函數以單個對象作為參數，并生成一個可被解釋器讀取的字符串表示形式。我們可利用 repr() 將對象轉換為可存儲的扁平風格字符串扁平風格:

a = {

"Type": "A",

"field1": "value1",

"field2": "value2",

"field3": "value3",

}

print(repr(a)) # 可打印序列化后的內容

#> {'Type': 'A', 'field1': 'value1', 'field2': 'value2', 'field3': 'value3'}

with open('./file.txt', 'w') as f:

f.write(repr(a)) # 可將序列化后的內容寫入文件

ast.literal_eval()

literal_eval() 方法可安全地解析 Python 數據類型表達式并求值，支持的數據類型有：字符串、數字、元組、列表、字典、布爾和None。

我們可以使用 literal_eval() 對簡單文件中的內容進行逆序列化，從而獲得 Python 對象:

import ast

with open('./file.txt', 'r') as f:

inp = ast.literal_eval(f.read())

print(f'{type(inp)}:{inp}')

#> :{'Type': 'A', 'field1': 'value1', 'field2': 'value2', 'field3': 'value3'}

CSV 文件 (扁平數據)

Python 中的 CSV 模塊實現了讀取和寫入CSV形式的表格數據的類。

讀取的簡單例子：

# 從文件中讀取CSV數據

import csv

with open('/tmp/file.csv', newline='') as f:

reader = csv.reader(f)

for row in reader:

print(row)

寫入的簡單例子：

# 將CSV數據寫入文件

import csv

with open('/temp/file.csv', 'w', newline='') as f:

writer = csv.writer(f)

writer.writerows(iterable)

該模塊的內容、函數和例子可以在 Python 文檔中 查閱。

YAML (嵌套數據)

Python 中有許多第三方庫用來解析和讀取/寫入 YAML 文件，例子如下：

# 使用load方法從文件中讀取 YAML 內容

import yaml

with open('/tmp/file.yaml', 'r', newline='') as f:

try:

print(yaml.load(f))

except yaml.YAMLError as ymlexcp:

print(ymlexcp)

第三方庫的文檔可以在 PyYAML 文檔 中查閱。

JSON 文件 (嵌套數據)

Python 的 JSON 模塊可以用來讀取和寫入 JSON 模塊。示例如下：

讀取：

# 從文件中讀取 JSON 內容

import json

with open('/tmp/file.json', 'r') as f:

data = json.load(f)

寫入：

# 使用 dump 方法將 JSON 內容寫入文件

import json

with open('/tmp/file.json', 'w') as f:

json.dump(data, f, sort_keys=True)

XML (嵌套數據)

Python 中 XML 的解析可以使用 xml 庫。

示例：

# 從文件中讀取 XML 內容

import xml.etree.ElementTree as ET

tree = ET.parse('country_data.xml')

root = tree.getroot()

使用 xml.dom 和 xml.sax 包的更多文檔可以在 Python XML 庫文檔 中找到。

二進制序列化格式

NumPy Array (扁平數據)

Python 的 NumPy 數組可以將數據序列化成字節形式，或從字節形式的數據反序列化。

示例：

import NumPy as np

# 將 NumPy 數組轉換為字節形式

byte_output = np.array([ [1, 2, 3], [4, 5, 6], [7, 8, 9] ]).tobytes()

# 將字節形式轉換回 NumPy 數組

array_format = np.frombuffer(byte_output)

Pickle (扁平數據)

Python原生的數據序列化模塊稱為 Pickle 。

示例：

import pickle

# 示例字典

grades = { 'Alice': 89, 'Bob': 72, 'Charles': 87 }

# 使用 dumps 將對象轉換為序列化字符串

serial_grades = pickle.dumps( grades )

# 使用 loads 反序列化為對象

received_grades = pickle.loads( serial_grades )

Protobuf

如果您正在尋找支持多種語言的序列化模塊，那么 Google 的 Protobuf 庫就是一個選擇。

歡迎關注公眾號: import hello

總結

以上是生活随笔為你收集整理的python封装函数、实现将任意的对象序列化到磁盘上_序列化(serialization)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。