标签:分支 lib targe too 范围 ldap 换行符 open 举例
一 函数是第一类对象,即函数可以当作数据传递
#1 可以被引用 #2 可以当作参数传递 #3 返回值可以是函数 #3 可以当作容器类型的元素
二 利用该特性,优雅的取代多分支的if
def foo(): print(‘foo‘) def bar(): print(‘bar‘) dic={ ‘foo‘:foo, ‘bar‘:bar, } while True: choice=input(‘>>: ‘).strip() if choice in dic: dic[choice]()
一 函数的嵌套调用
def max(x,y): return x if x > y else y def max4(a,b,c,d): res1=max(a,b) res2=max(res1,c) res3=max(res2,d) return res3 print(max4(1,2,3,4))
二 函数的嵌套定义
def f1(): def f2(): def f3(): print(‘from f3‘) f3() f2() f1() f3() #报错,为何?请看下一小节
一 什么是名称空间?
#名称空间:存放名字的地方,三种名称空间,(之前遗留的问题x=1,1存放于内存中,那名字x存放在哪里呢?名称空间正是存放名字x与1绑定关系的地方)
二 名称空间的加载顺序
python test.py #1、python解释器先启动,因而首先加载的是:内置名称空间 #2、执行test.py文件,然后以文件为基础,加载全局名称空间 #3、在执行文件的过程中如果调用函数,则临时产生局部名称空间
三 名字的查找顺序
局部名称空间--->全局名称空间--->内置名称空间 #需要注意的是:在全局无法查看局部的,在局部可以查看全局的,如下示例 # max=1 def f1(): # max=2 def f2(): # max=3 print(max) f2() f1() print(max)
四 作用域
#1、作用域即范围 - 全局范围(内置名称空间与全局名称空间属于该范围):全局存活,全局有效 - 局部范围(局部名称空间属于该范围):临时存活,局部有效 #2、作用域关系是在函数定义阶段就已经固定的,与函数的调用位置无关,如下 x=1 def f1(): def f2(): print(x) return f2 x=100 def f3(func): x=2 func() x=10000 f3(f1()) #3、查看作用域:globals(),locals() LEGB 代表名字查找顺序: locals -> enclosing function -> globals -> __builtins__ locals 是函数内的名字空间,包括局部变量和形参 enclosing 外部嵌套函数的名字空间(闭包中常见) globals 全局变量,函数定义所在模块的名字空间 builtins 内置模块的名字空间
五 global与nonlocal关键字
一 什么是闭包?
#内部函数包含对外部作用域而非全局作用域的引用 #提示:之前我们都是通过参数将外部的值传给函数,闭包提供了另外一种思路,包起来喽,包起呦,包起来哇 def counter(): n=0 def incr(): nonlocal n x=n n+=1 return x return incr c=counter() print(c()) print(c()) print(c()) print(c.__closure__[0].cell_contents) #查看闭包的元素
二 闭包的意义与应用
#闭包的意义:返回的函数对象,不仅仅是一个函数对象,在该函数外还包裹了一层作用域,这使得,该函数无论在何处调用,优先使用自己外层包裹的作用域 #应用领域:延迟计算(原来我们是传参,现在我们是包起来) from urllib.request import urlopen def index(url): def get(): return urlopen(url).read() return get baidu=index(‘http://www.baidu.com‘) print(baidu().decode(‘utf-8‘))
一 为何要用装饰器
#开放封闭原则:对修改封闭,对扩展开放
二 什么是装饰器
装饰器他人的器具,本身可以是任意可调用对象,被装饰者也可以是任意可调用对象。 强调装饰器的原则:1 不修改被装饰对象的源代码 2 不修改被装饰对象的调用方式 装饰器的目标:在遵循1和2的前提下,为被装饰对象添加上新功能
三 装饰器的使用
import time def timmer(func): def wrapper(*args,**kwargs): start_time=time.time() res=func(*args,**kwargs) stop_time=time.time() print(‘run time is %s‘ %(stop_time-start_time)) return res return wrapper @timmer def foo(): time.sleep(3) print(‘from foo‘) foo() 无参装饰器
def auth(driver=‘file‘): def auth2(func): def wrapper(*args,**kwargs): name=input("user: ") pwd=input("pwd: ") if driver == ‘file‘: if name == ‘egon‘ and pwd == ‘123‘: print(‘login successful‘) res=func(*args,**kwargs) return res elif driver == ‘ldap‘: print(‘ldap‘) return wrapper return auth2 @auth(driver=‘file‘) def foo(name): print(name) foo(‘egon‘) 有参装饰器
四 装饰器语法
被装饰函数的正上方,单独一行 @deco1 @deco2 @deco3 def foo(): pass foo=deco1(deco2(deco3(foo)))
五 装饰器补充:wraps
from functools import wraps def deco(func): @wraps(func) #加在最内层函数正上方 def wrapper(*args,**kwargs): return func(*args,**kwargs) return wrapper @deco def index(): ‘‘‘哈哈哈哈‘‘‘ print(‘from index‘) print(index.__doc__)
六 练习
一:编写函数,(函数执行的时间是随机的)
二:编写装饰器,为函数加上统计时间的功能
三:编写装饰器,为函数加上认证的功能
四:编写装饰器,为多个函数加上认证的功能(用户的账号密码来源于文件),要求登录成功一次,后续的函数都无需再输入用户名和密码
注意:从文件中读出字符串形式的字典,可以用eval(‘{"name":"egon","password":"123"}‘)转成字典格式
五:编写装饰器,为多个函数加上认证功能,要求登录成功一次,在超时时间内无需重复登录,超过了超时时间,则必须重新登录
六:编写下载网页内容的函数,要求功能是:用户传入一个url,函数返回下载页面的结果
七:为题目五编写装饰器,实现缓存网页内容的功能:
具体:实现下载的页面存放于文件中,如果文件内有值(文件大小不为0),就优先从文件中读取网页内容,否则,就去下载,然后存到文件中
扩展功能:用户可以选择缓存介质/缓存引擎,针对不同的url,缓存到不同的文件中
八:还记得我们用函数对象的概念,制作一个函数字典的操作吗,来来来,我们有更高大上的做法,在文件开头声明一个空字典,然后在每个函数前加上装饰器,完成自动添加到字典的操作
九 编写日志装饰器,实现功能如:一旦函数f1执行,则将消息2017-07-21 11:12:11 f1 run写入到日志文件中,日志文件路径可以指定
注意:时间格式的获取
import time
time.strftime(‘%Y-%m-%d %X‘)
#题目一: import time,random ran = random.random() def foo(): time.sleep(ran) print("Done") foo() #题目二: import time,random ran = random.random() def timer(func): def inner(): start_time = time.time() func() stop_time = time.time() print("TIME>> %s" %(stop_time-start_time)) return inner @timer def foo(): time.sleep(ran) print("Done") foo() #题目三: import time,random ran = random.random() def auth(bar): def inner(): info = { "lizhong":123, "hehe":234, } name = input("user>>").strip() if name in info: pwd = int(input("pwd>>").strip()) if pwd == info[name]: print("Login success") bar() else: print("Login faild") else: print("No such user") return inner def timer(func): def inner(): start_time = time.time() func() stop_time = time.time() print("TIME>> %s" %(stop_time-start_time)) return inner @auth @timer def foo(): time.sleep(ran) print("Done") while True: foo() #题目四: db=‘db.txt‘ login_status={‘user‘:None,‘status‘:False} def auth(auth_type=‘file‘): def auth2(func): def wrapper(*args,**kwargs): if login_status[‘user‘] and login_status[‘status‘]: return func(*args,**kwargs) if auth_type == ‘file‘: with open(db,encoding=‘utf-8‘) as f: dic=eval(f.read()) name=input(‘username: ‘).strip() password=input(‘password: ‘).strip() if name in dic and password == dic[name]: login_status[‘user‘]=name login_status[‘status‘]=True res=func(*args,**kwargs) return res else: print(‘username or password error‘) elif auth_type == ‘sql‘: pass else: pass return wrapper return auth2 @auth() def index(): print(‘index‘) @auth(auth_type=‘file‘) def home(name): print(‘welcome %s to home‘ %name) # index() # home(‘egon‘) #题目五 import time,random user={‘user‘:None,‘login_time‘:None,‘timeout‘:0.000003,} def timmer(func): def wrapper(*args,**kwargs): s1=time.time() res=func(*args,**kwargs) s2=time.time() print(‘%s‘ %(s2-s1)) return res return wrapper def auth(func): def wrapper(*args,**kwargs): if user[‘user‘]: timeout=time.time()-user[‘login_time‘] if timeout < user[‘timeout‘]: return func(*args,**kwargs) name=input(‘name>>: ‘).strip() password=input(‘password>>: ‘).strip() if name == ‘egon‘ and password == ‘123‘: user[‘user‘]=name user[‘login_time‘]=time.time() res=func(*args,**kwargs) return res return wrapper @auth def index(): time.sleep(random.randrange(3)) print(‘welcome to index‘) @auth def home(name): time.sleep(random.randrange(3)) print(‘welcome %s to home ‘ %name) index() home(‘egon‘) #题目六: import requests import os def wget(url): res = requests.get(url) return res print(wget("http://baidu.com/")) #题目七:简单版本 import requests import os cache_file=‘cache.txt‘ def make_cache(func): def wrapper(*args,**kwargs): if not os.path.exists(cache_file): with open(cache_file,‘w‘):pass if os.path.getsize(cache_file): with open(cache_file,‘r‘,encoding=‘utf-8‘) as f: res=f.read() else: res=func(*args,**kwargs) with open(cache_file,‘w‘,encoding=‘utf-8‘) as f: f.write(res) return res return wrapper @make_cache def get(url): return requests.get(url).text # res=get(‘https://www.python.org‘) # print(res) #题目七:扩展版本 import requests,os,hashlib engine_settings={ ‘file‘:{‘dirname‘:‘./db‘}, ‘mysql‘:{ ‘host‘:‘127.0.0.1‘, ‘port‘:3306, ‘user‘:‘root‘, ‘password‘:‘123‘}, ‘redis‘:{ ‘host‘:‘127.0.0.1‘, ‘port‘:6379, ‘user‘:‘root‘, ‘password‘:‘123‘}, } def make_cache(engine=‘file‘): if engine not in engine_settings: raise TypeError(‘egine not valid‘) def deco(func): def wrapper(url): if engine == ‘file‘: m=hashlib.md5(url.encode(‘utf-8‘)) cache_filename=m.hexdigest() cache_filepath=r‘%s/%s‘ %(engine_settings[‘file‘][‘dirname‘],cache_filename) if os.path.exists(cache_filepath) and os.path.getsize(cache_filepath): return open(cache_filepath,encoding=‘utf-8‘).read() res=func(url) with open(cache_filepath,‘w‘,encoding=‘utf-8‘) as f: f.write(res) return res elif engine == ‘mysql‘: pass elif engine == ‘redis‘: pass else: pass return wrapper return deco @make_cache(engine=‘file‘) def get(url): return requests.get(url).text # print(get(‘https://www.python.org‘)) print(get(‘https://www.baidu.com‘)) #题目八 route_dic={} def make_route(name): def deco(func): route_dic[name]=func return deco @make_route(‘select‘) def func1(): print(‘select‘) @make_route(‘insert‘) def func2(): print(‘insert‘) @make_route(‘update‘) def func3(): print(‘update‘) @make_route(‘delete‘) def func4(): print(‘delete‘) print(route_dic) #题目九 import time import os def logger(logfile): def deco(func): if not os.path.exists(logfile): with open(logfile,‘w‘):pass def wrapper(*args,**kwargs): res=func(*args,**kwargs) with open(logfile,‘a‘,encoding=‘utf-8‘) as f: f.write(‘%s %s run\n‘ %(time.strftime(‘%Y-%m-%d %X‘),func.__name__)) return res return wrapper return deco @logger(logfile=‘aaaaaaaaaaaaaaaaaaaaa.log‘) def index(): print(‘index‘) index()
一 迭代的概念
#迭代是一个重复的过程,每次重复即一次迭代,并且每次迭代的结果都是下一次迭代的初始值 while True: #只是单纯地重复,因而不是迭代 print(‘===>‘) l=[1,2,3] count=0 while count < len(l): #迭代 print(l[count]) count+=1
二 为何要有迭代器?什么是可迭代对象?什么是迭代器对象?
#1、为何要有迭代器? 对于序列类型:字符串、列表、元组,我们可以使用索引的方式迭代取出其包含的元素。但对于字典、集合、文件等类型是没有索引的,若还想取出其内部包含的元素,则必须找出一种不依赖于索引的迭代方式,这就是迭代器 #2、什么是可迭代对象? 可迭代对象指的是内置有__iter__方法的对象,即obj.__iter__,如下 ‘hello‘.__iter__ (1,2,3).__iter__ [1,2,3].__iter__ {‘a‘:1}.__iter__ {‘a‘,‘b‘}.__iter__ open(‘a.txt‘).__iter__ #3、什么是迭代器对象? 可迭代对象执行obj.__iter__()得到的结果就是迭代器对象 而迭代器对象指的是即内置有__iter__又内置有__next__方法的对象 文件类型是迭代器对象 open(‘a.txt‘).__iter__() open(‘a.txt‘).__next__() #4、注意: 迭代器对象一定是可迭代对象,而可迭代对象不一定是迭代器对象
三 迭代器对象的使用
dic={‘a‘:1,‘b‘:2,‘c‘:3} iter_dic=dic.__iter__() #得到迭代器对象,迭代器对象即有__iter__又有__next__,但是:迭代器.__iter__()得到的仍然是迭代器本身 iter_dic.__iter__() is iter_dic #True print(iter_dic.__next__()) #等同于next(iter_dic) print(iter_dic.__next__()) #等同于next(iter_dic) print(iter_dic.__next__()) #等同于next(iter_dic) # print(iter_dic.__next__()) #抛出异常StopIteration,或者说结束标志 #有了迭代器,我们就可以不依赖索引迭代取值了 iter_dic=dic.__iter__() while 1: try: k=next(iter_dic) print(dic[k]) except StopIteration: break #这么写太丑陋了,需要我们自己捕捉异常,控制next,python这么牛逼,能不能帮我解决呢?能,请看for循环
四 for循环
#基于for循环,我们可以完全不再依赖索引去取值了 dic={‘a‘:1,‘b‘:2,‘c‘:3} for k in dic: print(dic[k]) #for循环的工作原理 #1:执行in后对象的dic.__iter__()方法,得到一个迭代器对象iter_dic #2: 执行next(iter_dic),将得到的值赋值给k,然后执行循环体代码 #3: 重复过程2,直到捕捉到异常StopIteration,结束循环
五 迭代器的优缺点
#优点: - 提供一种统一的、不依赖于索引的迭代方式 - 惰性计算,节省内存 #缺点: - 无法获取长度(只有在next完毕才知道到底有几个值) - 一次性的,只能往后走,不能往前退
一 什么是生成器
#只要函数内部包含有yield关键字,那么函数名()的到的结果就是生成器,并且不会执行函数内部代码 def func(): print(‘====>first‘) yield 1 print(‘====>second‘) yield 2 print(‘====>third‘) yield 3 print(‘====>end‘) g=func() print(g) #<generator object func at 0x0000000002184360>
二 生成器就是迭代器
g.__iter__ g.__next__ #2、所以生成器就是迭代器,因此可以这么取值 res=next(g) print(res)
三 练习
1、自定义函数模拟range(1,7,2)
2、模拟管道,实现功能:tail -f access.log | grep ‘404‘
#题目一: def my_range(start,stop,step=1): while start < stop: yield start start+=step #执行函数得到生成器,本质就是迭代器 obj=my_range(1,7,2) #1 3 5 print(next(obj)) print(next(obj)) print(next(obj)) print(next(obj)) #StopIteration #应用于for循环 for i in my_range(1,7,2): print(i) #题目二 import time def tail(filepath): with open(filepath,‘rb‘) as f: f.seek(0,2) while True: line=f.readline() if line: yield line else: time.sleep(0.2) def grep(pattern,lines): for line in lines: line=line.decode(‘utf-8‘) if pattern in line: yield line for line in grep(‘404‘,tail(‘access.log‘)): print(line,end=‘‘) #测试 with open(‘access.log‘,‘a‘,encoding=‘utf-8‘) as f: f.write(‘出错啦404\n‘)
四 协程函数
#yield关键字的另外一种使用形式:表达式形式的yield def eater(name): print(‘%s 准备开始吃饭啦‘ %name) food_list=[] while True: food=yield food_list print(‘%s 吃了 %s‘ % (name,food)) food_list.append(food) g=eater(‘egon‘) g.send(None) #对于表达式形式的yield,在使用时,第一次必须传None,g.send(None)等同于next(g) g.send(‘蒸羊羔‘) g.send(‘蒸鹿茸‘) g.send(‘蒸熊掌‘) g.send(‘烧素鸭‘) g.close() g.send(‘烧素鹅‘) g.send(‘烧鹿尾‘)
五 练习
1、编写装饰器,实现初始化协程函数的功能
2、实现功能:grep -rl ‘python‘ /etc
#题目一: def init(func): def wrapper(*args,**kwargs): g=func(*args,**kwargs) next(g) return g return wrapper @init def eater(name): print(‘%s 准备开始吃饭啦‘ %name) food_list=[] while True: food=yield food_list print(‘%s 吃了 %s‘ % (name,food)) food_list.append(food) g=eater(‘egon‘) g.send(‘蒸羊羔‘) #题目二: #注意:target.send(...)在拿到target的返回值后才算执行结束 import os def init(func): def wrapper(*args,**kwargs): g=func(*args,**kwargs) next(g) return g return wrapper @init def search(target): while True: filepath=yield g=os.walk(filepath) for dirname,_,files in g: for file in files: abs_path=r‘%s\%s‘ %(dirname,file) target.send(abs_path) @init def opener(target): while True: abs_path=yield with open(abs_path,‘rb‘) as f: target.send((f,abs_path)) @init def cat(target): while True: f,abs_path=yield for line in f: res=target.send((line,abs_path)) if res: break @init def grep(pattern,target): tag=False while True: line,abs_path=yield tag tag=False if pattern.encode(‘utf-8‘) in line: target.send(abs_path) tag=True @init def printer(): while True: abs_path=yield print(abs_path) g=search(opener(cat(grep(‘你好‘,printer())))) # g.send(r‘E:\CMS\aaa\db‘) g=search(opener(cat(grep(‘python‘,printer())))) g.send(r‘E:\CMS\aaa\db‘)
六 yield总结
#1、把函数做成迭代器 #2、对比return,可以返回多次值,可以挂起/保存函数的运行状态
#1、首先强调:面向过程编程绝对不是用函数编程这么简单,面向过程是一种编程思路、思想,而编程思路是不依赖于具体的语言或语法的。言外之意是即使我们不依赖于函数,也可以基于面向过程的思想编写程序 #2、定义 面向过程的核心是过程二字,过程指的是解决问题的步骤,即先干什么再干什么 基于面向过程设计程序就好比在设计一条流水线,是一种机械式的思维方式 #3、优点:复杂的问题流程化,进而简单化 #4、缺点:可扩展性差,修改流水线的任意一个阶段,都会牵一发而动全身 #5、应用:扩展性要求不高的场景,典型案例如linux内核,git,httpd #6、举例 流水线1: 用户输入用户名、密码--->用户验证--->欢迎界面 流水线2: 用户输入sql--->sql解析--->执行功能
name=input(‘姓名>>: ‘) res=‘SB‘ if name == ‘alex‘ else ‘NB‘ print(res)
#1、示例 egg_list=[] for i in range(10): egg_list.append(‘鸡蛋%s‘ %i) egg_list=[‘鸡蛋%s‘ %i for i in range(10)] #2、语法 [expression for item1 in iterable1 if condition1 for item2 in iterable2 if condition2 ... for itemN in iterableN if conditionN ] 类似于 res=[] for item1 in iterable1: if condition1: for item2 in iterable2: if condition2 ... for itemN in iterableN: if conditionN: res.append(expression) #3、优点:方便,改变了编程习惯,可称之为声明式编程
#1、把列表推导式的[]换成()就是生成器表达式 #2、示例:生一筐鸡蛋变成给你一只老母鸡,用的时候就下蛋,这也是生成器的特性 >>> chicken=(‘鸡蛋%s‘ %i for i in range(5)) >>> chicken <generator object <genexpr> at 0x10143f200> >>> next(chicken) ‘鸡蛋0‘ >>> list(chicken) #因chicken可迭代,因而可以转成列表 [‘鸡蛋1‘, ‘鸡蛋2‘, ‘鸡蛋3‘, ‘鸡蛋4‘,] #3、优点:省内存,一次只产生一个值在内存中
1、将names=[‘egon‘,‘alex_sb‘,‘wupeiqi‘,‘yuanhao‘]中的名字全部变大写
2、将names=[‘egon‘,‘alex_sb‘,‘wupeiqi‘,‘yuanhao‘]中以sb结尾的名字过滤掉,然后保存剩下的名字长度
3、求文件a.txt中最长的行的长度(长度按字符个数算,需要使用max函数)
4、求文件a.txt中总共包含的字符个数?思考为何在第一次之后的n次sum求和得到的结果为0?(需要使用sum函数)
5、思考题
with open(‘a.txt‘) as f: g=(len(line) for line in f) print(sum(g)) #为何报错?
6、文件shopping.txt内容如下
求总共花了多少钱?
打印出所有商品的信息,格式为[{‘name‘:‘xxx‘,‘price‘:333,‘count‘:3},...]
求单价大于10000的商品信息,格式同上
#题目一 names=[‘egon‘,‘alex_sb‘,‘wupeiqi‘,‘yuanhao‘] names=[name.upper() for name in names] #题目二 names=[‘egon‘,‘alex_sb‘,‘wupeiqi‘,‘yuanhao‘] names=[len(name) for name in names if not name.endswith(‘sb‘)] #题目三 with open(‘a.txt‘,encoding=‘utf-8‘) as f: print(max(len(line) for line in f)) #题目四 with open(‘a.txt‘, encoding=‘utf-8‘) as f: print(sum(len(line) for line in f)) print(sum(len(line) for line in f)) #求包换换行符在内的文件所有的字符数,为何得到的值为0? print(sum(len(line) for line in f)) #求包换换行符在内的文件所有的字符数,为何得到的值为0? #题目五(略) #题目六:每次必须重新打开文件或seek到文件开头,因为迭代完一次就结束了 with open(‘a.txt‘,encoding=‘utf-8‘) as f: info=[line.split() for line in f] cost=sum(float(unit_price)*int(count) for _,unit_price,count in info) print(cost) with open(‘a.txt‘,encoding=‘utf-8‘) as f: info=[{ ‘name‘: line.split()[0], ‘price‘: float(line.split()[1]), ‘count‘: int(line.split()[2]), } for line in f] print(info) with open(‘a.txt‘,encoding=‘utf-8‘) as f: info=[{ ‘name‘: line.split()[0], ‘price‘: float(line.split()[1]), ‘count‘: int(line.split()[2]), } for line in f if float(line.split()[1]) > 10000] print(info)
之前我们学习过用eval内置方法可以将一个字符串转成python对象,不过,eval方法是有局限性的,对于普通的数据类型,json.loads和eval都能用,但遇到特殊类型的时候,eval就不管用了,所以eval的重点还是通常用来执行一个字符串表达式,并返回表达式的值。
import json x="[null,true,false,1]" print(eval(x)) #报错,无法解析null类型,而json就可以 print(json.loads(x))
什么是序列化?
我们把对象(变量)从内存中变成可存储或传输的过程称之为序列化,在Python中叫pickling,在其他语言中也被称之为serialization,marshalling,flattening等等,都是一个意思。
为什么要序列化?
1:持久保存状态
需知一个软件/程序的执行就在处理一系列状态的变化,在编程语言中,‘状态‘会以各种各样有结构的数据类型(也可简单的理解为变量)的形式被保存在内存中。
内存是无法永久保存数据的,当程序运行了一段时间,我们断电或者重启程序,内存中关于这个程序的之前一段时间的数据(有结构)都被清空了。
在断电或重启程序之前将程序当前内存中所有的数据都保存下来(保存到文件中),以便于下次程序执行能够从文件中载入之前的数据,然后继续执行,这就是序列化。
具体的来说,你玩使命召唤闯到了第13关,你保存游戏状态,关机走人,下次再玩,还能从上次的位置开始继续闯关。或如,虚拟机状态的挂起等。
2:跨平台数据交互
序列化之后,不仅可以把序列化后的内容写入磁盘,还可以通过网络传输到别的机器上,如果收发的双方约定好实用一种序列化的格式,那么便打破了平台/语言差异化带来的限制,实现了跨平台数据交互。
反过来,把变量内容从序列化的对象重新读到内存里称之为反序列化,即unpickling。
如何序列化之json和pickle:
json
如果我们要在不同的编程语言之间传递对象,就必须把对象序列化为标准格式,比如XML,但更好的方法是序列化为JSON,因为JSON表示出来就是一个字符串,可以被所有语言读取,也可以方便地存储到磁盘或者通过网络传输。JSON不仅是标准格式,并且比XML更快,而且可以直接在Web页面中读取,非常方便。
JSON表示的对象就是标准的JavaScript语言的对象,JSON和Python内置的数据类型对应如下:
import json dic={‘name‘:‘alvin‘,‘age‘:23,‘sex‘:‘male‘} print(type(dic))#<class ‘dict‘> j=json.dumps(dic) print(type(j))#<class ‘str‘> f=open(‘序列化对象‘,‘w‘) f.write(j) #-------------------等价于json.dump(dic,f) f.close() #-----------------------------反序列化<br> import json f=open(‘序列化对象‘) data=json.loads(f.read())# 等价于data=json.load(f)
pickle
import pickle dic={‘name‘:‘alvin‘,‘age‘:23,‘sex‘:‘male‘} print(type(dic))#<class ‘dict‘> j=pickle.dumps(dic) print(type(j))#<class ‘bytes‘> f=open(‘序列化对象_pickle‘,‘wb‘)#注意是w是写入str,wb是写入bytes,j是‘bytes‘ f.write(j) #-------------------等价于pickle.dump(dic,f) f.close() #-------------------------反序列化 import pickle f=open(‘序列化对象_pickle‘,‘rb‘) data=pickle.loads(f.read())# 等价于data=pickle.load(f) print(data[‘age‘])
Pickle的问题和所有其他编程语言特有的序列化问题一样,就是它只能用于Python,并且可能不同版本的Python彼此都不兼容,因此,只能用Pickle保存那些不重要的数据,不能成功地反序列化也没关系。
标签:分支 lib targe too 范围 ldap 换行符 open 举例
原文地址:http://www.cnblogs.com/ximalaya/p/7598987.html