Python 文件存储:pickle 和 json 库的使用

简介: 在 Python 中, 可以通过第三方库 json 方便地实现 JSON 格式字符串与 Python 字典和列表的相互转换。JSON(javascript object notation)是一种和语言无关的轻量级数据交换格式, 采用文本格式来存储和表示数据。模块能够将 Python 对象直接存储到文件中。在需要使用数据时,直接从文件中读取,并还原为 Python 对象。因此, 存储的文件如果直接使用文本编辑器,则打开无法查看具体内容。在 Python 中, 提供的。相反,将上面代码中的。
✅作者简介:人工智能专业本科在读,喜欢计算机与编程,写博客记录自己的学习历程。
🍎个人主页: 小嗷犬的博客
🍊个人信条:为天地立心,为生民立命,为往圣继绝学,为万世开太平。
🥭本文内容:Python 文件存储:pickle 和 json 库的使用

1.使用 pickle 存储 Python 对象

在 Python 中, 提供的 pickle 模块能够将 Python 对象直接存储到文件中。 在需要使用数据时,直接从文件中读取,并还原为 Python 对象。

注意,pickle 操作的不是文本文件, 而是二进制文件。 因此, 存储的文件如果直接使用文本编辑器,则打开无法查看具体内容。

将 Python 对象存储到 pickle 文件的语法是:

pickle.dump(obj, file)
pickle 文件中将二进制数据读取出来重建为 Python 对象的语法是:
pickle.load(file)
将列表 ls 使用 pickle 模块存储在二进制文件 test.pkl 中,然后再次从文件中读取数据,重建为列表后打印:
import pickle
ls = ['Python', 'Java', 'C', 'Golang', 'C++', 'C#']
file1 = open('test.pkl', 'wb')
pickle.dump(ls, file1)
file1.close()
file2 = open('test.pkl', 'rb')
new_ls = pickle.load(file2)
print(new_ls)

2.使用 json 存储 Python 对象

JSON(javascript object notation)是一种和语言无关的轻量级数据交换格式, 采用文本格式来存储和表示数据。这种格式便于阅读和编写,也易于程序的解析和生成。

JSON 语法规则与 Python 中的字典和列表非常相似:

  1. 利用一对方括号 [] 表示数组;
  2. 利用一对花括号 {} 表示对象;
  3. 利用冒号分割键值对;
  4. 利用逗号分隔数组的元素或对象的键值对。

在 Python 中, 可以通过 json 库方便地实现 JSON 格式字符串与 Python 字典和列表的相互转换。 将 Python 对象转换为 JSON 格式字符串的语法是:

json.dumps(obj, ensure_ascii=True)
将 JSON 格式字符串转换为 Python 对象的语法是:
json.loads(s)
将列表 ls 转换为 JSON 格式字符串的代码如下所示:
import json
ls = ['Python', 'Java', 'C', 'Golang', 'C++', 'C#']
json_str = json.dumps(ls, ensure_ascii=False)
print(type(json_str))
print(json_str)
相反,将上面代码中的 json_str 转换为 Python 列表的代码如下所示:
import json
ls = ['Python', 'Java', 'C', 'Golang', 'C++', 'C#']
json_str = json.dumps(ls, ensure_ascii=False)
new_ls = json.loads(json_str)
print(type(new_ls))
print(new_ls)

目录
相关文章
|
1天前
|
数据可视化 数据挖掘 API
使用Python进行数据可视化:探索Matplotlib和Seaborn库
【9月更文挑战第19天】在数据科学领域,将复杂的数据集转换成直观、易懂的图形是一项基本而关键的技能。本文旨在通过Python编程语言介绍两个强大的数据可视化库——Matplotlib和Seaborn,以及它们如何帮助数据分析师和研究人员揭示数据背后的故事。我们将从基础概念讲起,逐步深入到高级技巧,确保无论读者的背景如何,都能获得必要的知识和启发,以在自己的项目中实现有效的数据可视化。
|
1天前
|
机器学习/深度学习 JSON API
HTTP协议实战演练场:Python requests库助你成为网络数据抓取大师
在数据驱动的时代,网络数据抓取对于数据分析、机器学习等至关重要。HTTP协议作为互联网通信的基石,其重要性不言而喻。Python的`requests`库凭借简洁的API和强大的功能,成为网络数据抓取的利器。本文将通过实战演练展示如何使用`requests`库进行数据抓取,包括发送GET/POST请求、处理JSON响应及添加自定义请求头等。首先,请确保已安装`requests`库,可通过`pip install requests`进行安装。接下来,我们将逐一介绍如何利用`requests`库探索网络世界,助你成为数据抓取大师。在实践过程中,务必遵守相关法律法规和网站使用条款,做到技术与道德并重。
7 2
|
4天前
|
SQL 前端开发 数据可视化
Rodeo支持多种Python库
Rodeo支持多种Python库
16 5
|
3天前
|
数据采集 存储 JSON
从零到一构建网络爬虫帝国:HTTP协议+Python requests库深度解析
在网络数据的海洋中,网络爬虫遵循HTTP协议,穿梭于互联网各处,收集宝贵信息。本文将从零开始,使用Python的requests库,深入解析HTTP协议,助你构建自己的网络爬虫帝国。首先介绍HTTP协议基础,包括请求与响应结构;然后详细介绍requests库的安装与使用,演示如何发送GET和POST请求并处理响应;最后概述爬虫构建流程及挑战,帮助你逐步掌握核心技术,畅游数据海洋。
18 3
|
8天前
|
数据采集 网络协议 API
HTTP协议大揭秘!Python requests库实战,让网络请求变得简单高效
【9月更文挑战第13天】在数字化时代,互联网成为信息传输的核心平台,HTTP协议作为基石,定义了客户端与服务器间的数据传输规则。直接处理HTTP请求复杂繁琐,但Python的`requests`库提供了一个简洁强大的接口,简化了这一过程。HTTP协议采用请求与响应模式,无状态且结构化设计,使其能灵活处理各种数据交换。
37 8
|
12天前
|
JSON API 开发者
Python网络编程新纪元:urllib与requests库,让你的HTTP请求无所不能
【9月更文挑战第9天】随着互联网的发展,网络编程成为现代软件开发的关键部分。Python凭借简洁、易读及强大的特性,在该领域展现出独特魅力。本文介绍了Python标准库中的`urllib`和第三方库`requests`在处理HTTP请求方面的优势。`urllib`虽API底层但功能全面,适用于深入控制HTTP请求;而`requests`则以简洁的API和人性化设计著称,使HTTP请求变得简单高效。两者互补共存,共同推动Python网络编程进入全新纪元,无论初学者还是资深开发者都能从中受益。
31 7
|
19天前
|
机器学习/深度学习 PyTorch 算法框架/工具
python这些库和框架哪个更好
【9月更文挑战第2天】python这些库和框架哪个更好
32 6
|
13天前
|
存储 JSON API
Python编程:解析HTTP请求返回的JSON数据
使用Python处理HTTP请求和解析JSON数据既直接又高效。`requests`库的简洁性和强大功能使得发送请求、接收和解析响应变得异常简单。以上步骤和示例提供了一个基础的框架,可以根据你的具体需求进行调整和扩展。通过合适的异常处理,你的代码将更加健壮和可靠,为用户提供更加流畅的体验。
39 0
|
JSON 数据格式 Python
装饰器、生成器,迭代器、Json & pickle 数据序列化
1、 列表生成器:代码例子 1 a=[i*2 for i in range(10)] 2 print(a) 3 4 运行效果如下: 5 D:\python35\python.exe D:/python培训/s14/day4/列表生成式.
1073 0