序列化

[Teddy参与者]

转载自廖雪峰的官方网站

在程式运行的过程中，所有的变数都是在记忆体中，比如，定义一个dict：
d = dict(name='Bob', age=20, score=88)

可以随时修改变数，比如把name改成’Bill’，但是一旦程式结束，变数所占用的记忆体就被作业系统全部回收。如果没有把修改后的’Bill’存储到磁片上，下次重新运行程式，变数又被初始化为’Bob’。

我们把变数从记忆体中变成可存储或传输的过程称之为序列化，在Python中叫pickling，在其他语言中也被称之为serialization，marshalling，flattening等等，都是一个意思。

序列化之后，就可以把序列化后的内容写入磁片，或者通过网路传输到别的机器上。

反过来，把变数内容从序列化的物件重新读到记忆体里称之为反序列化，即unpickling。

Python提供了pickle模组来实现序列化。

首先，我们尝试把一个物件序列化并写入档：

>>> import pickle
>>> d = dict(name='Bob', age=20, score=88)
>>> pickle.dumps(d)
b'\x80\x03}q\x00(X\x03\x00\x00\x00ageq\x01K\x14X\x05\x00\x00\x00scoreq\x02KXX\x04\x00\x00\x00nameq\x03X\x03\x00\x00\x00Bobq\x04u.'

pickle.dumps()方法把任意物件序列化成一个bytes，然后，就可以把这个bytes写入档。或者用另一个方法pickle.dump()直接把物件序列化后写入一个file-like Object：

>>> f = open('dump.txt', 'wb')
>>> pickle.dump(d, f)
>>> f.close()

看看写入的dump.txt档，一堆乱七八糟的内容，这些都是Python保存的物件内部资讯。

当我们要把物件从磁片读到记忆体时，可以先把内容读到一个bytes，然后用pickle.loads()方法反序列化出物件，也可以直接用pickle.load()方法从一个file-like Object中直接反序列化出物件。我们打开另一个Python命令列来反序列化刚才保存的对象：

>>> f = open('dump.txt', 'rb')
>>> d = pickle.load(f)
>>> f.close()
>>> d
{'age': 20, 'score': 88, 'name': 'Bob'}

变数的内容又回来了！

当然，这个变数和原来的变数是完全不相干的物件，它们只是内容相同而已。

Pickle的问题和所有其他程式设计语言特有的序列化问题一样，就是它只能用于Python，并且可能不同版本的Python彼此都不相容，因此，只能用Pickle保存那些不重要的资料，不能成功地反序列化也没关系。

JSON

如果我们要在不同的程式设计语言之间传递物件，就必须把物件序列化为标准格式，比如XML，但更好的方法是序列化为JSON，因为JSON表示出来就是一个字串，可以被所有语言读取，也可以方便地存储到磁片或者通过网路传输。JSON不仅是标准格式，并且比XML更快，而且可以直接在Web页面中读取，非常方便。

JSON表示的物件就是标准的JavaScript语言的物件，JSON和Python内置的资料类型对应如下：
(python010.png)

Python内置的json模组提供了非常完善的Python物件到JSON格式的转换。我们先看看如何把Python物件变成一个JSON：

>>> import json
>>> d = dict(name='Bob', age=20, score=88)
>>> json.dumps(d)
'{"age": 20, "score": 88, "name": "Bob"}'

dumps()方法返回一个str，内容就是标准的JSON。类似的，dump()方法可以直接把JSON写入一个file-like Object。

要把JSON反序列化为Python物件，用loads()或者对应的load()方法，前者把JSON的字串反序列化，后者从file-like Object中读取字串并反序列化：

>>> json_str = '{"age": 20, "score": 88, "name": "Bob"}'
>>> json.loads(json_str)
{'age': 20, 'score': 88, 'name': 'Bob'}

由于JSON标准规定JSON编码是UTF-8，所以我们总是能正确地在Python的str与JSON的字串之间转换。

JSON进阶

Python的dict物件可以直接序列化为JSON的{}，不过，很多时候，我们更喜欢用class表示物件，比如定义Student类，然后序列化：

import json

class Student(object):
    def __init__(self, name, age, score):
        self.name = name
        self.age = age
        self.score = score

s = Student('Bob', 20, 88)
print(json.dumps(s))

运行代码，毫不留情地得到一个TypeError：

Traceback (most recent call last):
  ...
TypeError: <__main__.Student object at 0x10603cc50> is not JSON serializable

错误的原因是Student物件不是一个可序列化为JSON的物件。

如果连class的实例物件都无法序列化为JSON，这肯定不合理！

别急，我们仔细看看dumps()方法的参数列表，可以发现，除了第一个必须的obj参数外，dumps()方法还提供了一大堆的可选参数：
https://docs.python.org/3/library/json.html#json.dumps

这些可选参数就是让我们来定制JSON序列化。前面的代码之所以无法把Student类实例序列化为JSON，是因为预设情况下，dumps()方法不知道如何将Student实例变为一个JSON的{}物件。

可选参数default就是把任意一个物件变成一个可序列为JSON的物件，我们只需要为Student专门写一个转换函数，再把函数传进去即可：

def student2dict(std):
    return {
        'name': std.name,
        'age': std.age,
        'score': std.score
    }

这样，Student实例首先被student2dict()函数转换成dict，然后再被顺利序列化为JSON：

>>> print(json.dumps(s, default=student2dict))
{"age": 20, "name": "Bob", "score": 88}

不过，下次如果遇到一个Teacher类的实例，照样无法序列化为JSON。我们可以偷个懒，把任意class的实例变为dict：

print(json.dumps(s, default=lambda obj: obj.__dict__))

因为通常class的实例都有一个__dict__属性，它就是一个dict，用来存储执行个体变数。也有少数例外，比如定义了__slots__的class。

同样的道理，如果我们要把JSON反序列化为一个Student物件实例，loads()方法首先转换出一个dict物件，然后，我们传入的object_hook函数负责把dict转换为Student实例：

def dict2student(d):
    return Student(d['name'], d['age'], d['score'])

运行结果如下：

>>> json_str = '{"age": 20, "score": 88, "name": "Bob"}'
>>> print(json.loads(json_str, object_hook=dict2student))
<__main__.Student object at 0x10cd3c190>

列印出的是反序列化的Student实例物件。

小结

Python语言特定的序列化模组是pickle，但如果要把序列化搞得更通用、更符合Web标准，就可以使用json模组。

json模组的dumps()和loads()函数是定义得非常好的介面的典范。当我们使用时，只需要传入一个必须的参数。但是，当默认的序列化或反序列机制不满足我们的要求时，我们又可以传入更多的参数来定制序列化或反序列化的规则，既做到了介面简单易用，又做到了充分的扩展性和灵活性。

附加档案:

你必须 登入 才能查看附件档案。

[作者]

文章