python模塊之sys模塊和序列化模塊(實(shí)例講解)
sys模塊
sys模塊是與python解釋器交互的一個(gè)接口
sys.argv 命令行參數(shù)List,第一個(gè)元素是程序本身路徑 sys.exit(n) 退出程序,正常退出時(shí)exit(0),錯(cuò)誤退出sys.exit(1) sys.version 獲取Python解釋程序的版本信息 sys.path 返回模塊的搜索路徑,初始化時(shí)使用PYTHONPATH環(huán)境變量的值 sys.platform 返回操作系統(tǒng)平臺(tái)名稱
序列化模塊
序列化的目的:
以某種存儲(chǔ)形式使自定義對(duì)象持久化
將對(duì)象從一個(gè)地方傳遞到另一個(gè)地方
使程序更具維護(hù)性
json
# Json模塊提供了四個(gè)功能:dumps、dump、loads、load import json dic = {'k1':'v1','k2':'v2','k3':'v3'} str_dic = json.dumps(dic) #序列化:將一個(gè)字典轉(zhuǎn)換成一個(gè)字符串 print(type(str_dic),str_dic) #<class 'str'> {"k3": "v3", "k1": "v1", "k2": "v2"} #注意,json轉(zhuǎn)換完的字符串類型的字典中的字符串是由""表示的 dic2 = json.loads(str_dic) #反序列化:將一個(gè)字符串格式的字典轉(zhuǎn)換成一個(gè)字典 #注意,要用json的loads功能處理的字符串類型的字典中的字符串必須由""表示 print(type(dic2),dic2) #<class 'dict'> {'k1': 'v1', 'k2': 'v2', 'k3': 'v3'} list_dic = [1,['a','b','c'],3,{'k1':'v1','k2':'v2'}] str_dic = json.dumps(list_dic) #也可以處理嵌套的數(shù)據(jù)類型 print(type(str_dic),str_dic) #<class 'str'> [1, ["a", "b", "c"], 3, {"k1": "v1", "k2": "v2"}] list_dic2 = json.loads(str_dic) print(type(list_dic2),list_dic2) #<class 'list'> [1, ['a', 'b', 'c'], 3, {'k1': 'v1', 'k2': 'v2'}]
import json f = open('json_file','w') dic = {'k1':'v1','k2':'v2','k3':'v3'} json.dump(dic,f) #dump方法接收一個(gè)文件句柄,直接將字典轉(zhuǎn)換成json字符串寫入文件 f.close() f = open('json_file') dic2 = json.load(f) #load方法接收一個(gè)文件句柄,直接將文件中的json字符串轉(zhuǎn)換成數(shù)據(jù)結(jié)構(gòu)返回 f.close() print(type(dic2),dic2)
import json f = open('file','w') json.dump({'國籍':'中國'},f) ret = json.dumps({'國籍':'中國'}) f.write(ret+'\n') json.dump({'國籍':'美國'},f,ensure_ascii=False) ret = json.dumps({'國籍':'美國'},ensure_ascii=False) f.write(ret+'\n') f.close() ensure_ascii關(guān)鍵字參數(shù)
pickle
json & pickle
json,用于字符串 和 python數(shù)據(jù)類型間進(jìn)行轉(zhuǎn)換
pickle,用于python特有的類型 和 python的數(shù)據(jù)類型間進(jìn)行轉(zhuǎn)換
# pickle模塊提供了四個(gè)功能:dumps、dump(序列化,存)、loads(反序列化,讀)、load (不僅可以序列化字典,列表...可以把python中任意的數(shù)據(jù)類型序列化 import pickle dic = {'k1':'v1','k2':'v2','k3':'v3'} str_dic = pickle.dumps(dic) print(str_dic) #一串二進(jìn)制內(nèi)容 dic2 = pickle.loads(str_dic) print(dic2) #字典 import time struct_time = time.localtime(1000000000) print(struct_time) f = open('pickle_file','wb') pickle.dump(struct_time,f) f.close() f = open('pickle_file','rb') struct_time2 = pickle.load(f) print(struct_time2.tm_year)
shelve
# shelve也是python提供給我們的序列化工具,比pickle用起來更簡單一些。 # shelve只提供給我們一個(gè)open方法,是用key來訪問的,使用起來和字典類似。 import shelve f = shelve.open('shelve_file') f['key'] = {'int':10, 'float':9.5, 'string':'Sample data'} #直接對(duì)文件句柄操作,就可以存入數(shù)據(jù) f.close() import shelve f1 = shelve.open('shelve_file') existing = f1['key'] #取出數(shù)據(jù)的時(shí)候也只需要直接用key獲取即可,但是如果key不存在會(huì)報(bào)錯(cuò) f1.close() print(existing)
# 這個(gè)模塊有個(gè)限制,它不支持多個(gè)應(yīng)用同一時(shí)間往同一個(gè)DB進(jìn)行寫操作。所以當(dāng)我們知道我們的應(yīng)用如果只進(jìn)行讀操作,我們可以讓shelve通過只讀方式打開DB import shelve f = shelve.open('shelve_file', flag='r') existing = f['key'] f.close() print(existing)
# 由于shelve在默認(rèn)情況下是不會(huì)記錄待持久化對(duì)象的任何修改的,所以我們?cè)趕helve.open()時(shí)候需要修改默認(rèn)參數(shù),否則對(duì)象的修改不會(huì)保存。 import shelve f1 = shelve.open('shelve_file') print(f1['key']) f1['key']['new_value'] = 'this was not here before' f1.close() f2 = shelve.open('shelve_file', writeback=True) print(f2['key']) f2['key']['new_value'] = 'this was not here before' f2.close() """ writeback方式有優(yōu)點(diǎn)也有缺點(diǎn)。優(yōu)點(diǎn)是減少了我們出錯(cuò)的概率,并且讓對(duì)象的持久化對(duì)用戶更加的透明了;但這種方式并不是所有的情況下都需要,首先,使用writeback以后,shelf在open()的時(shí)候會(huì)增加額外的內(nèi)存消耗,并且當(dāng)DB在close()的時(shí)候會(huì)將緩存中的每一個(gè)對(duì)象都寫入到DB,這也會(huì)帶來額外的等待時(shí)間。因?yàn)閟helve沒有辦法知道緩存中哪些對(duì)象修改了,哪些對(duì)象沒有修改,因此所有的對(duì)象都會(huì)被寫入。 """
以上這篇python模塊之sys模塊和序列化模塊(實(shí)例講解)就是小編分享給大家的全部內(nèi)容了,希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。
相關(guān)文章
Python使用flask作為web服務(wù)器的代碼實(shí)現(xiàn)
Python Flask 框架是一個(gè)輕量級(jí)的 Web 框架,它簡單易用,靈活多變,非常適合用于構(gòu)建小型到中型規(guī)模的 Web 應(yīng)用程序,本文給大家介紹了Python使用flask作為web服務(wù)器的代碼實(shí)現(xiàn),需要的朋友可以參考下2024-06-06通過shell+python實(shí)現(xiàn)企業(yè)微信預(yù)警
這篇文章主要介紹了通過shell+python實(shí)現(xiàn)企業(yè)微信預(yù)警,小編覺得挺不錯(cuò)的,現(xiàn)在分享給大家,也給大家做個(gè)參考。一起跟隨小編過來看看吧2019-03-03Pytorch使用PIL和Numpy將單張圖片轉(zhuǎn)為Pytorch張量方式
這篇文章主要介紹了Pytorch使用PIL和Numpy將單張圖片轉(zhuǎn)為Pytorch張量方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-05-05TensorFlow打印tensor值的實(shí)現(xiàn)方法
今天小編就為大家分享一篇TensorFlow打印tensor值的實(shí)現(xiàn)方法,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2018-07-07Python學(xué)習(xí)之魔法函數(shù)(filter,map,reduce)詳解
這篇文章我們將來學(xué)習(xí)一下,Python中的三個(gè)高級(jí)函數(shù):filter()、map()、reduce(),這三個(gè)函數(shù)也被稱為魔法函數(shù),感興趣的小伙伴可以了解一下2022-04-04Python實(shí)現(xiàn)PS濾鏡特效之扇形變換效果示例
這篇文章主要介紹了Python實(shí)現(xiàn)PS濾鏡特效之扇形變換效果,結(jié)合實(shí)例形式分析了Python實(shí)現(xiàn)PS濾鏡扇形變換效果的原理與相關(guān)操作技巧,需要的朋友可以參考下2018-01-01