python模組之sys模組和序列化模組，python序列化

python模組之sys模組和序列化模組，python序列化
sys模組

• sys模組是與python解譯器互動的一個介面

• sys.argv           命令列參數List，第一個元素是程式本身路徑sys.exit(n)        退出程式，正常退出時exit(0),錯誤退出sys.exit(1)sys.version        擷取Python解釋程式的版本資訊sys.path           返回模組的搜尋路徑，初始化時使用PYTHONPATH環境變數的值sys.platform       返回作業系統平台名稱

   

 

序列化模組

• 序列化的目的：
• 以某種儲存形式使自訂對象持久化
• 將對象從一個地方傳遞到另一個地方
• 使程式更具維護性

 

• json

 

# Json模組提供了四個功能：dumps、dump、loads、loadimport jsondic = {'k1':'v1','k2':'v2','k3':'v3'}str_dic = json.dumps(dic)  #序列化：將一個字典轉換成一個字串print(type(str_dic),str_dic)  #<class 'str'> {"k3": "v3", "k1": "v1", "k2": "v2"}#注意，json轉換完的字串類型的字典中的字串是由""表示的dic2 = json.loads(str_dic)  #還原序列化：將一個字串格式的字典轉換成一個字典#注意，要用json的loads功能處理的字串類型的字典中的字串必須由""表示print(type(dic2),dic2)  #<class 'dict'> {'k1': 'v1', 'k2': 'v2', 'k3': 'v3'}list_dic = [1,['a','b','c'],3,{'k1':'v1','k2':'v2'}]str_dic = json.dumps(list_dic) #也可以處理嵌套的資料類型 print(type(str_dic),str_dic) #<class 'str'> [1, ["a", "b", "c"], 3, {"k1": "v1", "k2": "v2"}]list_dic2 = json.loads(str_dic)print(type(list_dic2),list_dic2) #<class 'list'> [1, ['a', 'b', 'c'], 3, {'k1': 'v1', 'k2': 'v2'}]

 

import jsonf = open('json_file','w')dic = {'k1':'v1','k2':'v2','k3':'v3'}json.dump(dic,f)  #dump方法接收一個檔案控制代碼，直接將字典轉換成json字串寫入檔案f.close()f = open('json_file')dic2 = json.load(f)  #load方法接收一個檔案控制代碼，直接將檔案中的json字串轉換成資料結構返回f.close()print(type(dic2),dic2)

import jsonf = open('file','w')json.dump({'國籍':'中國'},f)ret = json.dumps({'國籍':'中國'})f.write(ret+'\n')json.dump({'國籍':'美國'},f,ensure_ascii=False)ret = json.dumps({'國籍':'美國'},ensure_ascii=False)f.write(ret+'\n')f.close()ensure_ascii關鍵字參數

 

 

• pickle
  • json & pickle
    • • json，用於字串 和 python資料類型間進行轉換
      • pickle，用於python特有的類型 和 python的資料類型間進行轉換

 

# pickle模組提供了四個功能：dumps、dump(序列化，存）、loads（還原序列化，讀）、load  （不僅可以序列化字典，列表...可以把python中任意的資料類型序列化import pickledic = {'k1':'v1','k2':'v2','k3':'v3'}str_dic = pickle.dumps(dic)print(str_dic)  #一串二進位內容dic2 = pickle.loads(str_dic)print(dic2)    #字典import timestruct_time  = time.localtime(1000000000)print(struct_time)f = open('pickle_file','wb')pickle.dump(struct_time,f)f.close()f = open('pickle_file','rb')struct_time2 = pickle.load(f)print(struct_time2.tm_year)

 

• shelve

# shelve也是python提供給我們的序列化工具，比pickle用起來更簡單一些。# shelve只提供給我們一個open方法，是用key來訪問的，使用起來和字典類似。import shelvef = shelve.open('shelve_file')f['key'] = {'int':10, 'float':9.5, 'string':'Sample data'}  #直接對檔案控制代碼操作，就可以存入資料f.close()import shelvef1 = shelve.open('shelve_file')existing = f1['key']  #取出資料的時候也只需要直接用key擷取即可，但是如果key不存在會報錯f1.close()print(existing)

 

# 這個模組有個限制，它不支援多個應用同一時間往同一個DB進行寫操作。所以當我們知道我們的應用如果只進行讀操作，我們可以讓shelve通過唯讀方式開啟DBimport shelvef = shelve.open('shelve_file', flag='r')existing = f['key']f.close()print(existing)

 

 

# 由於shelve在預設情況下是不會記錄待持久化對象的任何修改的，所以我們在shelve.open()時候需要修改預設參數，否則對象的修改不會儲存。import shelvef1 = shelve.open('shelve_file')print(f1['key'])f1['key']['new_value'] = 'this was not here before'f1.close()f2 = shelve.open('shelve_file', writeback=True)print(f2['key'])f2['key']['new_value'] = 'this was not here before'f2.close()"""writeback方式有優點也有缺點。優點是減少了我們出錯的機率，並且讓對象的持久化對使用者更加的透明了；但這種方式並不是所有的情況下都需要，首先，使用writeback以後，shelf在open()的時候會增加額外的記憶體消耗，並且當DB在close()的時候會將緩衝中的每一個對象都寫入到DB，這也會帶來額外的等待時間。因為shelve沒有辦法知道緩衝中哪些對象修改了，哪些對象沒有修改，因此所有的對象都會被寫入。"""