json与pickle的用法介绍
json是进行程序数据类型的序列化与反序列化的模块之一。利用它可以进行不同平台，不同程序下的数据交换或者是程序暂时保存数据的一种方法。下面看一看json的用法：
1 #json_序列化.py 2 import json 3 dic={ 4 "id":"123456", 5 "name":"Jack", 6 "country":"China" 7 } 8 date=json.dumps(dic) 9 with open("demo.txt","w") as f:10 f.write(date)11 12 #json_反序列化.py13 import json14 with open("demo.txt","r") as f:15 dic1=json.loads(f.read())16 print(dic1["name"])上面展示了两个文件的内容，第一个文件是将一个字典序列化成字符串（使用dumps（）方法），然后写入一个文件（demo.txt）。第二个文件是将demo.txt中的内容读取出来，然后用loads（）方法将其反序列化可以执行的那个字典对象，并且打印出字典的“name”的内容。
其实除了dumps（）和loads（）两个方法之外，json还有两个更简单的方法：dump（）和load（）。下面演示用法：
1 #json_序列化2.py 2 import json 3 dic={ 4 "id":"123456", 5 "name":"Jack", 6 "country":"China" 7 } 8 with open("demo.txt","w") as f: 9 date=json.dump(dic,f)10 11 12 13 #json_反序列化2.py14 import json15 with open("demo.txt","r") as f:16 dic1=json.load(f)17 print(dic1["name"])对比一下就知道，dump（）和load（）是将dumps（）和loads（）以及文件的读写操作进行的封装。
pickle
pickle同样拥有json的上述四种方法，并且用法一模一样，在这里我就不做演示。但是pickle的功能更加强大。json只能够序列化一些比较简单的数据对象，如列表，字典等等。而pickle则还可以序列化函数，类等复杂对象。
下面演示一下pickle怎样序列化和反序列化一个函数。
1 #pickle_序列化.py 2 import pickle 3 #定义函数hello 4 def hello(name): 5 print("hello",name) 6 #定义列表，把hello也存进去 7 dic1={ 8 "name":"Mark", 9 "func":hello10 }11 with open("demo.txt","wb") as f:12 pickle.dump(dic1,f)13 14 #pickle_反序列化.py15 import pickle16 #######################17 def hello(name):18 print("hello",name)19 #######################20 with open("demo.txt","rb")as f:21 dic2=pickle.load(f)22 dic2["func"]("Jack")上面同样展示了两个文件的内容注意。要注意以下的问题：
1.当涉及到函数，类等的序列化和反序列化的时候，在打开文件的时候都要以二进制的形式打开，注意展示中的“wb”，“rb”
2.如果要使反序列化出来的函数可以再新文件里执行的话，必须要把前面定义好的函数的源代码复制到新文件里（注意pickle_反序列化.py中的两排#行内的内容），否则将无法运行，如果没有#号内的内容的话，程序会报错：AttributeError: Can't get attribute 'hello' on <module '__main__' from 'D:/Users/LENOVO/PycharmProjects/Myfirstflask/about_json反.py'>
3.可以对复制过来的函数的源代码进行更改，只需要保证函数名与序列化时所用的函数名一致即可，更改后如果调用该函数，则按照更改后的函数执行（当然这种更改必须是有必要的）
以上就是json与pickle的用法介绍的详细内容，更多请关注其它相关文章！