主要介绍了Python3.5 Json与pickle实现数据序列化与反序列化操作,结合实例形式分析了Python3.5使用Json与pickle模块实现json格式数据的序列化及反序列化操作相关步骤与注意事项,需要的朋友可以参考下
Python3.5中的数据序列化和反序列化是将数据对象转化为可持久化的格式，以便存储或传输。这里主要讨论两种常见的序列化库：Json和pickle。
1. Json：
Json (JavaScript Object Notation) 是一种轻量级的数据交换格式，易于人阅读和编写，同时也易于机器解析和生成。在Python3.5中，可以使用`json`模块来实现Json的序列化和反序列化操作。
- 序列化：`json.dumps()`函数用于将Python对象转化为Json字符串。例如：
```python
import json
info = {
"name": "liu",
"age": 25,
"sex": "girl"
}
# 序列化为Json字符串
json_str = json.dumps(info)
```
序列化后的Json字符串可以写入文件，便于存储或在网络中传输。
- 反序列化：`json.loads()`函数则用于将Json字符串还原为Python对象。例如：
```python
# 从文件读取Json字符串
with open("test.txt", "r") as f:
data = json.loads(f.read())
# 输出反序列化后的数据
print(data['age']) # 输出：25
```
需要注意的是，Json序列化只能处理Python的基本数据类型，如列表、字典、字符串等，并且Json字符串只能被序列化一次，反序列化一次。多次`dumps`会导致数据冗余，而多次`loads`可能导致数据错误。
2. Pickle：
Pickle是Python的内置序列化库，它可以将任意复杂的Python对象序列化为二进制流，也可以将二进制流反序列化为原来的Python对象。Pickle序列化的数据格式是Python特有的，不能跨语言使用。
- 序列化：`pickle.dumps()`用于将Python对象转化为二进制数据，可以写入文件：
```python
import pickle
def sayhi(name):
print("hello", name)
info = {
"name": "liu",
"age": 32,
"func": sayhi
}
# 使用pickle序列化
with open("test.txt", "wb") as f:
f.write(pickle.dumps(info))
```
序列化后，Python对象的信息（包括函数）都被保存下来。
- 反序列化：`pickle.loads()`用于从二进制数据恢复Python对象：
```python
# 使用pickle反序列化
with open("test.txt", "rb") as f:
data = pickle.loads(f.read())
# 调用反序列化后恢复的函数
data["func"]("liu")
```
这将重新执行序列化时保存的`sayhi`函数。
总结：
- Json适合跨语言的数据交换，格式简洁，但仅支持基本数据类型。
- Pickle是Python专用的序列化方式，能保存更复杂的数据结构，包括函数、类等，但不适用于其他语言。
- 在使用Json时，确保只序列化和反序列化一次数据，避免数据错误。
- Pickle可以用来持久化Python对象的状态，但其序列化的数据只能在Python环境中使用。
此外，如果你在处理Json数据时需要验证、美化或格式化，可以利用一些在线工具，如提供的JSON代码检验、美化、格式化工具和XML/JSON互相转换工具等，这些工具可以方便地辅助你进行数据处理。
