Python - 序列化

---

---

Python 中的序列化

序列化是指将对象转换为以后可以轻松存储、传输或重建的格式的过程。在 Python 中，这涉及将复杂的数据结构（例如对象或字典）转换为字节流。

我们为什么使用序列化？

序列化允许数据轻松保存到磁盘或通过网络传输，然后重建回其原始形式。它对于保存游戏状态、存储用户首选项或在不同系统之间交换数据等任务非常重要。

Python 中的序列化库

Python 提供了多个用于序列化的库，每个库都有自己的优势。以下是 Python 中一些常用序列化库的详细概述 -

• Pickle - 这是 Python 的内置模块，用于序列化和反序列化 Python 对象。它易于使用，但特定于 Python，如果与不受信任的数据一起使用，可能会产生安全隐患。
• JSON − JSON（JavaScript 对象表示法）是一种轻量级数据交换格式，可读且易于解析。它是 Web API 和跨平台通信的理想选择。
• YAML - YAML：YAML（YAML Ain't Markup Language）是一种人类可读的数据序列化标准，人类和机器也都易于读写。它支持复杂的数据结构，经常在配置文件中使用。

使用 pickle 模块进行序列化

Python 中的 pickle 模块用于序列化和反序列化对象。序列化，也称为 pickling，涉及将 Python 对象转换为字节流，然后可以将其存储在文件中或通过网络传输。

反序列化 或 unpickling 是相反的过程，将字节流转换回 Python 对象。

序列化对象

我们可以使用 dump（） 函数序列化对象并将其写入文件。文件必须以二进制写入模式 （'wb'） 打开。

例

在以下示例中，将字典序列化并写入名为“data.pkl”的文件中 -

import pickle

data = {'name': 'Alice', 'age': 30, 'city': 'New York'}

# Open a file in binary write mode
with open('data.pkl', 'wb') as file:
	 	# Serialize the data and write it to the file
	 	pickle.dump(data, file)
	 	print ("File created!!") 		

当执行上述代码时，字典对象的字节表示将存储在 data.pkl 文件中。

反序列化对象

要反序列化或解封对象，你可以使用 load（） 函数。文件必须以二进制读取模式 （'rb'） 打开，如下所示 -

import pickle

# Open the file in binary read mode
with open('data.pkl', 'rb') as file:
	 	# Deserialize the data
	 	data = pickle.load(file)
print(data)

这将从 “data.pkl” 中读取字节流并将其转换回原始字典，如下所示 -

Pickle 协议

协议是构造和解构 Python 对象到二进制数据或从二进制数据解构 Python 对象时使用的约定。

pickle 模块支持不同的序列化协议，更高的协议通常会提供更多的功能和更好的性能。目前 pickle 模块定义了 6 种不同的协议，如下所示 -

协议	描述
Protocol version 0	原始的 “human-readable” 协议向后兼容早期版本。
Protocol version 1	旧的二进制格式也与早期版本的 Python 兼容。
Protocol version 2	在 Python 2.3 中引入，提供了对新式类的高效封存。
Protocol version 3	在 Python 3.0 中添加。当需要与其他 Python 3 版本兼容时推荐使用。
Protocol version 4	在 Python 3.4 中引入。它增加了对非常大对象的支持。
Protocol version 5	在 Python 3.8 中引入。它增加了对带外数据的支持。

您可以通过将协议作为参数传递给 pickle.dump（） 函数来指定协议。

要了解 Python 安装的最高和默认协议版本，请使用 pickle 模块中定义的以下常量 -

>>> import pickle
>>> pickle.HIGHEST_PROTOCOL
5
>>> pickle.DEFAULT_PROTOCOL
4

Pickler 和 Unpickler 类

Python 中的 pickle 模块还定义了 Pickler 和 Unpickler 类，以便更详细地控制序列化和反序列化过程。“Pickler” 类将 pickle 数据写入文件，而 “Unpickler” 类从文件中读取二进制数据并重建原始 Python 对象。

使用 Pickler 类

要使用 Pickler 类序列化 Python 对象，您可以按照以下步骤操作 -

from pickle import Pickler

# Open a file in binary write mode
with open("data.txt", "wb") as f:
	 	# Create a dictionary
	 	dct = {'name': 'Ravi', 'age': 23, 'Gender': 'M', 'marks': 75}
	 	# Create a Pickler object and write the dictionary to the file
	 	Pickler(f).dump(dct)
	 	print ("Success!!")

执行上述代码后，字典对象的字节表示将存储在 “data.txt” 文件中。

使用 Unpickler 类

要使用 Unpickler 类从二进制文件反序列化数据，可以执行以下操作 -

from pickle import Unpickler

# Open the file in binary read mode
with open("data.txt", "rb") as f:
	 	# Create an Unpickler object and load the dictionary from the file
	 	dct = Unpickler(f).load()
	 	# Print the dictionary
	 	print(dct)

我们得到的输出如下 -

封存自定义类对象

pickle 模块还可以序列化和反序列化自定义类。类定义在 pickling 和 unpickling 时都必须可用。

例

在此示例中，对 “Person” 类的实例进行序列化，然后进行反序列化，从而保持对象的状态 -

import pickle
class Person:
	 	def __init__(self, name, age, city):
	 	 	 self.name = name
	 	 	 self.age = age
	 	 	 self.city = city

# Create an instance of the Person class
person = Person('Alice', 30, 'New York')

# Serialize the person object
with open('person.pkl', 'wb') as file:
	 	pickle.dump(person, file)

# Deserialize the person object
with open('person.pkl', 'rb') as file:
	 	person = pickle.load(file)

print(person.name, person.age, person.city)

执行上述代码后，我们得到以下输出 -

Python 标准库还包括 marshal 模块，该模块用于 Python 对象的内部序列化。与专为通用用途而设计的 pickle 不同，marshal 主要供 Python 本身使用（例如，用于编写 .pyc 文件）。

由于 Python 版本之间可能存在兼容性问题，因此通常不建议将其用于通用序列化。

使用 JSON 进行序列化

JSON（JavaScript 对象表示法）是一种流行的数据交换格式。它是人类可读的，易于编写且独立于语言，使其成为序列化的理想选择。

Python 通过 json 模块提供对 JSON 的内置支持，该模块允许您将数据序列化为 JSON 格式或从 JSON 格式反序列化数据。

序列化

序列化是将 Python 对象转换为 JSON 字符串或将其写入文件的过程。

示例：将数据序列化为 JSON 字符串

在下面的示例中，我们使用 json.dumps（） 函数将 Python 字典转换为 JSON 字符串 -

import json

# Create a dictionary
data = {"name": "Alice", "age": 25, "city": "San Francisco"}

# Serialize the dictionary to a JSON string
json_string = json.dumps(data)
print(json_string) 	

以下是上述代码的输出 -

示例：序列化数据并写入文件

在这里，我们使用 json.dump（） 函数将序列化的 JSON 数据直接写入文件 -

import json

# Create a dictionary
data = {"name": "Alice", "age": 25, "city": "San Francisco"}

# Serialize the dictionary and write it to a file
with open("data.json", "w") as f:
	 	json.dump(data, f)
	 	print ("Success!!")

反序列化

反序列化是将 JSON 字符串转换回 Python 对象或从文件中读取它的过程。

示例：反序列化 JSON 字符串

在以下示例中，我们使用 json.loads（） 函数将 JSON 字符串转换回 Python 字典 -

import json

# JSON string
json_string = '{"name": "Alice", "age": 25, "city": "San Francisco"}'

# Deserialize the JSON string into a Python dictionary
loaded_data = json.loads(json_string)
print(loaded_data) 	

它将产生以下输出 -

示例：从文件中反序列化数据

在这里，我们使用 json.load（） 函数从文件中读取 JSON 数据并将其转换为 Python 字典 -

import json

# Open the file and load the JSON data into a Python dictionary
with open("data.json", "r") as f:
	 	loaded_data = json.load(f)
	 	print(loaded_data) 	

获得的输出如下 -

使用 YAML 进行序列化

YAML （YAML Ain't Markup Language） 是一种人类可读的数据序列化标准，通常用于配置文件和数据交换。

Python 通过 pyyaml 包支持 YAML 序列化和反序列化，需要先安装，如下所示 -

示例：序列化数据并写入 YAML 文件

在下面的示例中，yaml.dump（） 函数将 Python 字典数据转换为 YAML 字符串，并将其写入文件 “data.yaml”。

“default_flow_style”参数可确保 YAML 输出在扩展格式下更具人类可读性 -

import yaml

# Create a Python dictionary
data = {"name": "Emily", "age": 35, "city": "Seattle"}

# Serialize the dictionary and write it to a YAML file
with open("data.yaml", "w") as f:
	 	yaml.dump(data, f, default_flow_style=False)
	 	print("Success!!")

示例：从 YAML 文件反序列化数据

在这里，yaml.safe_load（） 函数用于安全地从“data.yaml”加载 YAML 数据并将其转换为 Python 字典 （loaded_data） -

import yaml

# Deserialize data from a YAML file
with open("data.yaml", "r") as f:
	 	loaded_data = yaml.safe_load(f)
	 	print(loaded_data) 	

生成的输出如下所示 -