任何语言，都有自己的数据类型，那么不同的语言怎么找到一个通用的标准？
比如，后端用Python写的，前端是js，那么后端如果传一个dic字典给前端，前端肯定不认。
所以就有了序列化这个概念。
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。
序列化之后，就可以把序列化后的内容写入磁盘，或者通过网络传输进行前后端交互。
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。
json、pickle模板都可以实现序列化和反序列化，而我们知道的eval则是反序列化。
json.dumps()：将Python对象通通转为字符串
import jsona = 11 ??????????????????????????#---->‘11‘s = ‘hello‘ ?????????????????????#---->"hello"------>‘"hello"‘l = [1,2] ????????????????????????#---->"[1,2]"dic = {‘name‘:‘nick‘} ??????????#---->{"name":"nick"}----->‘{"name":"nick"}‘print(json.dumps(a))print(json.dumps(s))print(json.dumps(l))print(json.dumps(dic))
结果：11 #这四个结果都是字符串
"hello"
[1, 2]
{"name": "nick"}
json.dumps()实际干的两件事：
1.把这个数据中的所有的单引号变为双引号（有单引号就改为双引号，没有就不动）
2.把这个数据变为字符串（在最外面加一对单引号）
json.loads()：将字符串转为Python对象（与eval相似）
所以，用json现实文件存储：
import jsondic = {‘name‘:‘nick‘}str_dic = json.dumps(dic) ?????????#转为字符串f_write = open(‘123.txt‘,‘w‘)f_write.write(str_dic)f_read = open(‘123.txt‘,‘r‘)data = f_read.read() ???data = json.loads(data) ???????????#转回字典print(type(data))print(data)
结果：<class ‘dict‘>
{‘name‘: ‘nick‘}
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。
注意，只有符合json标准格式规范的字符串，才能被解析。在字符串中，json只认双引号，如下
123.txt：{"name": "nick"} ?????????????????????????with open(‘123.txt‘,‘r‘) as f_read: ???res = f_read.read() ???res = json.loads(res) ???print(type(res)) ???print(res)结果：<class ‘dict‘> ???????{‘name‘: ‘nick‘}123.txt：{‘name‘: "nick"} ?????????????????????????#单引号不符合json的标准格式with open(‘123.txt‘,‘r‘) as f_read: ???res = f_read.read() ???res = json.loads(res) ???print(type(res)) ???print(res)结果：报错pickle
pickle和json的用法几乎一样，只是json是将Python对象转为字符串去存储或传输，而pickle是将Python对象转为字节去存储或传输，所以pickle适用的数据类型更多，比如类、对象。但是这样的需求场景很少，所以一般来说，我们还是用json。
用pickle现实文件存储：
import pickledic = {‘name‘:‘nick‘}byte_dic = pickle.dumps(dic)print(byte_dic)with open(‘aaa.txt‘,‘wb‘) as f_write: ???????????#由于是byte，所以这里要+b ???f_write.write(byte_dic)with open(‘aaa.txt‘,‘rb‘) as f_read: ???date = f_read.read() ???print(type(date)) ???date = pickle.loads(date) ???print(type(date)) ???print(date)
结果：b‘\x80\x03}q\x00X\x04\x00\x00\x00nameq\x01X\x04\x00\x00\x00nickq\x02s.‘
<class ‘bytes‘>
<class ‘dict‘>
{‘name‘: ‘nick‘}
用eval内置方法可以将一个字符串转成python对象
用eval现实文件存储：
dic = {‘name‘:‘nick‘,‘age‘:20}f_write = open(‘123.txt‘,‘w‘)f_write.write(str(dic)) ?????????#写入时直接f_write.write(dic)是报错的，必须转为strf_read = open(‘123.txt‘,‘r‘)data = f_read.read()print(type(data)) ???????????????#读取是字符串data = eval(data) ???????????????#eval转为字典print(type(data))print(data)
结果：<class ‘str‘>
<class ‘dict‘>
{‘age‘: 20, ‘name‘: ‘nick‘}
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，所以就要用json。
用json.dumps()将字典转为字符串是序列化，用json.loads()将字符串转回字典是反序列化
用pickle.dumps()将字典转为字节是序列化，用pickle.loads()将字节转回字典是反序列化
用str()将字典转为字符串是序列化，用eval()将字符串转为字典也是反序列化
shelve
最后，简单了解一下shelve模板，shelve和json、pickle属于同一类，也是用于数据存储和传输。
shelve是将pickle模板再进一步封装，目的就是方便我们使用，可以直接把文件当做一个字典来读和写，也就是直接操作键值对
shelve模块只有一个open函数，返回类似字典的对象，可读可写;key必须为字符串，而值可以是python所支持的数据类型
import shelve ???????????????????????#写f = shelve.open(r‘abc.txt‘) ?????????#返回一个类似字典的文件对象f[‘name‘] = ‘nick‘ ??????????????????#插入键值对f[‘info‘] = {‘age‘:20,‘num‘:123321} ?#value是一个字典f.close()f = shelve.open(r‘abc.txt‘) ?????????#读print(f[‘info‘][‘age‘]) ?????????????#直接当做一个字典来读，二级字典print(f[‘name‘])json与pickle模块
原文地址：https://www.cnblogs.com/xulan0922/p/10204034.html