json & pickle 模块(序列化)
json和pickle都是序列化内存数据到文件
json和pickle的区别是：
- json是所有语言通用的，但是只能序列化最基本的数据类型（字符串、字典、列表），像函数、类、python日期都不能序列化
- pickle可以序列化python几乎所有的数据类型
如果两个程序都需要交互内存数据，如果都是python语言的情况下，复杂的交互用pickle。
用于序列化的两个模块
- json，用于字符串 和 python数据类型间进行转换
- pickle，用于python特有的类型 和 python的数据类型间进行转换
Json模块提供了四个功能：dumps、dump、loads、load
pickle模块提供了四个功能：dumps、dump、loads、load
dumps和dump区别：
pickle.dump(info,f) #print(pickle.dumps(info))
#f.write(pickle.dumps(info))
loads和load区别：
data_from_atm=pickle.load(f) #data_from_atm=pickle.loads(f.read())
pickle（python中独有，支持所有python数据类型）
将字典转化为字符串
import pickle
f= open("user_acc.txt","wb") info={
"alex":"",
"jack":""
} f.write(pickle.dumps(info))
f.close()
序列化
将字符串转化为字典
import pickle
f= open("user_acc.txt","rb") data_from_atm=pickle.loads(f.read()) print(data_from_atm)
反序列化
json(是所有语言通用的，支持字典，列表，元组)
将字典转化为字符串
import pickle
import json
f= open("user_acc.txt","w") info={
"alex":"",
"jack":""
} f.write(json.dumps(info))
f.close()
序列化
将字符串转化为字典
import pickle,json
f= open("user_acc.txt","r") data_from_atm=json.loads(f.read()) print(data_from_atm)
反序列化
实例：
常用模块之shelve模块
shelve模块是一个简单的k,v将内存数据通过文件持久化的模块，可以持久化任何pickle可支持的python数据格式
import shelve
d = shelve.open('shelve_test') #打开一个文件
class Test(object):
def __init__(self,n):
self.n = n
t = Test(123)
t2 = Test(123334)
name = ["alex","rain","test"]
d["test"] = name #持久化列表
d["t1"] = t #持久化类
d["t2"] = t2
d.close()
shelve和pickle的区别是：
shelve比pickle模块简单，只有一个open函数，返回类似字典的对象，可读可写，另外shelve想重复dump多少个对象都可以
常用模块之xml处理
xml是实现不同语言或程序之间进行数据交换的协议，跟json差不多，但json使用起来更简单，不过，古时候，在json还没诞生的黑暗年代，大家只能选择用xml呀，至今很多传统公司如金融行业的很多系统的接口还主要是xml。
xml的格式如下，就是通过<>节点来区别数据结构的:
<?xml version="1.0"?>
<data>
<country name="Liechtenstein">
<rank updated="yes">2</rank>
<year>2008</year>
<gdppc>141100</gdppc>
<neighbor name="Austria" direction="E"/>
<neighbor name="Switzerland" direction="W"/>
</country>
<country name="Singapore">
<rank updated="yes">5</rank>
<year>2011</year>
<gdppc>59900</gdppc>
<neighbor name="Malaysia" direction="N"/>
</country>
<country name="Panama">
<rank updated="yes">69</rank>
<year>2011</year>
<gdppc>13600</gdppc>
<neighbor name="Costa Rica" direction="W"/>
<neighbor name="Colombia" direction="E"/>
</country>
</data>
xml协议在各个语言里的都 是支持的，在python中可以用以下模块操作xml
import xml.etree.ElementTree as ET
tree = ET.parse("xmltest.xml")
root = tree.getroot()
print(root.tag)
#遍历xml文档
for child in root:
print(child.tag, child.attrib)
for i in child:
print(i.tag,i.text)
#只遍历year 节点
for node in root.iter('year'):
print(node.tag,node.text)
修改和删除xml文档内容
import xml.etree.ElementTree as ET
tree = ET.parse("xmltest.xml")
root = tree.getroot()
#修改
for node in root.iter('year'):
new_year = int(node.text) + 1
node.text = str(new_year)
node.set("updated","yes")
tree.write("xmltest.xml")
#删除node
for country in root.findall('country'):
rank = int(country.find('rank').text)
if rank > 50:
root.remove(country)
tree.write('output.xml')
自己创建xml文档
import xml.etree.ElementTree as ET
new_xml = ET.Element("namelist")
name = ET.SubElement(new_xml,"name",attrib={"enrolled":"yes"})
age = ET.SubElement(name,"age",attrib={"checked":"no"})
sex = ET.SubElement(name,"sex")
sex.text = '33'
name2 = ET.SubElement(new_xml,"name",attrib={"enrolled":"no"})
age = ET.SubElement(name2,"age")
age.text = '19'
et = ET.ElementTree(new_xml) #生成文档对象
et.write("test.xml", encoding="utf-8",xml_declaration=True)
ET.dump(new_xml) #打印生成的格式