1、序列化的概念：

序列：就是字符串。

序列化：将原本的字典、列表等内容转换成一个字符串数据类型的过程就叫做序列化。

反序列化：从字符串到数据类型的过程。

2、序列化的目的：

1、以某种存储形式使自定义的数据持久化；

2、将对象从一个地方传递到另外一个地方；

3、使程序更具维护性；

3、Json模块和Pickle模块：

Json：和别人数据交互的时候使用。Json就是一种通话的序列化格式，是一个沟通的桥梁。只有很少的一部分数据类型可以通过Json转成字符串类型。

Pickle：所有的Python中的数据类型都可以转化成字符串形式。Pickle序列化的内容只有Python能理解。且部分反序列化依赖代码。

Shelve: 序列化句柄，使用句柄直接操作，非常方便。

4、Json的dumps和loads，直接操作内存中的数据类型：

数字、字符串、列表、字典、元组：这几种数据类似可以序列化。Json只能转化很少的数据类型。

import json

# dumps 序列化方法
dic = {'k1': 'v1'}
print(type(dic))
str_d = json.dumps(dic)
print(type(str_d), str_d)

# loads 反序列化方法
dic_d = json.loads(str_d)
print(type(dic_d), dic_d)

输出结果：

说明，序列化的字符串，在大括号里面的都是双引号，这是一个特点。

5、Json dump和load是文件中写和读：

import json

dic = {1: 'a', 2: 'b'}

# json.dump 序列化数据到文件中
f = open('log', 'w', encoding='utf-8')
json.dump(dic, f)
f.close()

# json.load 从数据文件执行反序列化
f = open('log', 'r', encoding='utf-8')
res = json.load(f)
print(type(res), res)
f.close()

 log文件，我通过notepad++工具打开可查看到其中的内容，在Pycharm中还查看不了。

6、如果字典中含有中文字符：

import json

dic = {1: '中国', 2: 'b'}

# json.dump 序列化数据到文件中
f = open('log', 'w', encoding='utf-8')
json.dump(dic, f)
f.close()

# json.load 从数据文件执行反序列化
f = open('log', 'r', encoding='utf-8')
res = json.load(f)
print(type(res), res)
f.close()

log中的文件变成了bytes： 

 

我们将代码进行修改：

 

 

7、再进一步：

import json

lst = [{'k1': '111'}, {'k2': '222'}, {'k3': '333'}]

f = open('log', 'w', encoding='utf-8')
for dic in lst:
    str_d = json.dumps(dic)     # 在内存中对每个字典进行序列化
    f.write(str_d + '\n')       # 然后再将序列化的字符串末尾添加\n
f.close()

 文件中将显示多行信息：

 

import json

l_dest = []
f = open('log')
for line in f:
    dic = json.loads(line.strip())
    l_dest.append(dic)
f.close()

print(l_dest)

结果：

 

8、pickle模块：提供了四个功能：dump、dumps（序列化、存）、loads（反序列化、读）可以把Python中的任意的数据类型序列化。

1）pickle dumps和loads：直接内存操作：

import pickle

dic = {'k1': 'v1', 'k2': 'v2', 'k3': 'v3'}
str_dic = pickle.dumps(dic)    # 显示bytes类型
print(str_dic)

dic2 = pickle.loads(str_dic)
print(dic2)                    # 字典类型

结果：

 

2） pickle dump和load：跟文件操作有关。

import pickle
import time

struct_time = time.localtime(1670000000)
print(struct_time)
f = open('pickle_file', 'wb')      # wb
pickle.dump(struct_time, f)
f.close()

f = open('pickle_file', 'rb')      # rb
struct_time2 = pickle.load(f)
print(struct_time2.tm_year)
f.close()

 结果：

 再进一步：分步dump和load：json是做不到这个功能的。

import pickle
import time

struct_time1 = time.localtime(1600000000)
struct_time2 = time.localtime(1670000000)

f = open('pickle_file', 'wb')      # wb
pickle.dump(struct_time1, f)
pickle.dump(struct_time2, f)

f.close()

f = open('pickle_file', 'rb')      # rb

struct_time1 = pickle.load(f)
struct_time2 = pickle.load(f)

print(struct_time1.tm_year)
print(struct_time2.tm_year)

f.close()

总结：

1）可以序列化任意数据类型；

2）文件读取模式要加b；

3）可以分步dump和load；

4）pickle_file保存的信息都是乱码；