标签：object enc tree 数据结构 使用方法 名称 个数 student 规范
一. 各种序列化模块
一. pickle 模块
pickle是一个用来序列化的模块
序列化是什么?
指的是将内存中的数据结构转化为一种中间格式, 并储存到硬盘上,
反序列化?
将硬盘上存储的中间格式数据在还原为内存中的数据结构
为什么要序列化?
就是为了将数据持久储存
之前学过的文件也能完成持久化存储, 但是操作起来非常麻烦
pickle模块的主要功能
dump load dumps loads
dump 是序列化. load是反序列化
不带s的是帮你封装好 write 和 read 的, 它更加方便
load 函数可以多次执行, 每次load都是往后再读一个对象, 如果没有了就抛出异常 Ran out of input
示例:
# pickle支持python中所有的数据类型
user = {‘name‘:name , ‘password‘:password , ‘height‘:height , ‘hobby‘:hobby}
# 序列化的过程
with open(‘userdb.pkl‘,‘ab‘) as f :
userbytes = pickle.dumps(user)
f. write(userbytes)
#反序列化的过程
with open(‘userdb.pkl‘,‘rb‘) as f :
userbytes = f.read()
user = pickle.loads(userbytes)
print(user)
# dump 直接序列化到文件
with open(‘userdb.pkl‘,‘ab‘) as f:
pickle.dump(user.f)
# load 从文件反序列化
with open(‘userdb.pkl‘,‘rb‘) as f:
user = pickle.load(f)
print(user)
print(pickle.load(f))
2. shelve 模块
shelve模块 也用于序列化,
它与pickle不同之处在于 : 不需要关心文件模式什么的. 直接把它当成一个字典来看待
它可以直接对数据进行修改 而不用覆盖原来的数据
而pickle 你想要修改只能 用wb模式来覆盖
示例:
import shelve
user = {‘name‘:‘高根‘}
s = shelve.open(‘userdb.shv‘)
s[‘user‘] = user
s.close()
s = shelve.open(‘userdb.shv‘,writeback = True)
print(s[‘user‘])
s[‘user‘][‘age‘] = 20
s.close()
总结: 可以储存python所有基础数据类型,
只需要指定文件名字即可, 使用方法与字典类型相同
其实该模块是对pickle模块的封装, 使用起来更加简单
3. json 模块
pickle 和 shevle 序列化后的得到的数据 只有python才能解析,
通常企业开发不可能做一个单机程序, 都需要联网进行计算机的交互,
我们必须保证这个数据能够跨平台使用
JSON是什么? java script object notation 就是对象表示法.
var obj = {‘name‘ : ‘egon‘}
对于我们开发而言 json就是一种通用的数据格式 任何语言都能解析
json中的数据类型 python中的数据类型 它俩的对应关系
{ } 字典 {}
[ ] 列表 []
string " " str ‘ ‘
int / float int / float 整型, 浮点型
true / false True / False 布尔值
null None 表示空
json 格式的语法规范 :
最外层通常是一个字典或列表 (字典用的最多)
{ } or [ ]
只要你想写一个json格式的数据. 那么最外层直接写 { }
字符串必须是双引号
你可以在里面套任意多的层次
json 模块的核心功能
dump dumps load loads 不带s的就是封装 write 和 read 的
示例:
# 反序列化
1. loads 模式
import json
with open(‘a.json‘,‘rt‘,encoding=‘utf-8‘) as f :
res = json.loads(f.read())
print(res)
2. load 模式
import json
with open(‘a.json‘,‘rt‘,encoding=‘utf-8‘) as f :
print(json.load(f))
# 序列化
1. dumps 模式
with open(‘b.json‘,‘wt‘,encoding=‘utf-8‘) as f:
f.write(json.dumps(‘传入的字符串‘))
2. dump 模式
with open(‘b.json‘,‘wt‘,encoding=‘utf-8‘) as f :
json.dump(‘传入的字符串‘ , f)
# 小练习 : 从网上找一段数据 自己解析一下,
把数据复制到一个 json文件里面.
示例:
with open (‘new.json‘,‘rt‘,encoding=‘utf-8‘) as f:
res = json.load(f)
print(res) # 想要改变格式的话,就用下面这种
for dic in res[‘第一层的名字‘][‘想要打印出来的名字‘] :
for key in dic:
print(‘%s:%s‘ %(key, dic[key]))
4. XML 模块
什么是xml:
是一种标记语言 (计算机能识别的文本)
xml 有什么用?
制定了一种文本书写规范,使得计算机能够轻松识别这些数据 就和python一样
为什么不直接用python语言来进行传输?
计算机识别起来太费劲(语法太多.变化太复杂) 所以需要一种更加简单的解决方案
学习的重点还是语法格式
1. 任何的起始标签都必须有一个结束标签.
< > </>
2.可以采用另一种简化语法, 可以在一个标签中同时表示起始和结束标签,
这种语法是在大于号之前紧跟着一个斜线</>, xml解析器会将其翻译成 <xxx><xxx/>.
例如 :<百度百科词条/>
3.标签必须按合适的顺序进行 行行嵌套. 所以结束标签必须按镜像顺序匹配
起始标签, 这好比是将起始和结束标签看作是数学中的左右括号 :在没有关闭所有的
内部括号之前, 是不能关闭外面的括号的.
4.所有的特性都必须有值
5.所有的特性都必须在值的周围加上双引号.
一个标签的组成部分 :
<tagename 属性名="属性值">文本内容
</tagename>
单标签的写法:
<tagename 属性名 = "属性值"/>
镜像关闭的顺序示例:
<a>
<b>
<c>
</c>
</b>
</a>
把你左右的同学的信息写成xml
<studentinfo>
<张三>
<age>22</age>
<gender>man</gender>
</张三>
<李四>
<age>23</age>
<gender>man</gender>
</李四>
</studentinfo>
总结 : xml也是一种中间格式. 也属于序列化方式之一
与json相比较 : 同样的数据, json 会比 xml 更小,效率更高
xml 需要根据文档结构 手动解析 而json 直接转对象
示例:
import xml.etree.ElementTree as ElementTree
# 解析xml 文件
tree = ElementTree.parse(‘d.xml‘)
print(tree)
#获取根标签
rootTree = tree.getroot()
三种获取标签的方式:
获取所有人的年龄 iter是用于在全文范围获取标签
for item in rootTree.iter ("age") :
# 一个标签的三个组成部分分别是:
print(item.tag) #标签名称
print(item.attrib) #标签的属性
print(item.text) #文本内容
第二种 从当前标签的字标签中找到一个名称为age的标签 如果有多个, 找到的是第一个
print(rootTree.find("age").attrib)
第三种 从当前标签的子标签中找到所有名称为age的标签
print(rootTree.findall("age"))
获取单个属性 :
stu = rootTree.find("stu")
print(stu.get("age"))
删除子标签
rootTree.remove(stu)
添加子标签 (首先要创建一个子标签)
newTag = ElementTree.Element("这是一个新标签",{"一个属性" : "属性值"})
rootTree.append(newTag)
写入文件内
tree.write(‘f.xml‘ , encoding=‘utf-8‘)
xml 的练习 (取出文件里的stu下的值.和girlfriend的值)
import xml.etree.ElementTree as ElementTree
tree = ElementTree.parse("f.xml")
rootTree = tree.getroot()
users = [ ]
for item in rootTree.iter(‘stu‘) :
user = item.attrib
print(user)
gitem = item.find(‘girlfrieng‘)
user[‘girlfriend‘] = gitem.attrib
users.append(user)
print(users)
5. config parser 模块
用于解析配置文件的模块
何为配置文件 ?
包含配置程序信息的文件就成为配置文件
什么样的数据应作为配置信息
需要改, 但是不经常改的信息. 例如数据文件的路径. DB_PATH
配置文件中, 只有两种内容
一种是 section 分区
一种是 option 选项 (就是一个key = value形式)
我们用的最多的就是get功能 用来从配置文件获取一个配置选项
示例:
import configparser
# 创建一个解析器
config = configparser.ConfigParser()
# 读取并解析 test.cfg
config.read(‘test.cfg‘,encoding=‘utf-8‘)
#获取需要的信息
#获取所有分区
print(config.sections(‘user‘))
#获取所有选项
print(config.options(‘user‘))
#获取某个选项的值
print(config.get(‘path‘,‘DB_PATH‘))
# get返回的都是字符串类型 如果需要转换类型 直接使用 get+对应的类型(bool int float)
print(config.getint(‘user‘,‘age‘)) #返回的是整数类型
# 是否存在某个选项
config.has_option(‘想要找的选项‘)
# 是否存在某个分区
config.has_section(‘想要找的分区‘)
不太常用的功能:
# 添加
config.add_section(‘想要添加的分区‘)
config.set(‘server‘,‘url‘,‘192.168.1.2‘) (添加选项和选项的值, 跟修改是一样的代码)
# 删除
config.remove_option(‘user‘,‘age‘) #把user分区下的 age选项给删除了
# 修改
config.set(‘server‘,‘url‘,‘192.168.1.2‘) #把url选项的值给改了.
# 写回文件中
with open(‘test.cfg‘,‘wt‘,encoding=‘utf-8‘) as f:
config.write(f)
# 根据当前平台的默认编码来设定写入的格式. win默认为 GBK.
标签：object enc tree 数据结构 使用方法 名称 个数 student 规范
原文地址：https://www.cnblogs.com/lvyipin1/p/9807288.html
