学习 Python：强大的面向对象编程（第 5 版）文件——以JSON格式存储Python对象
前一节的 pickle 模块将几乎任意的 Python 对象转换为专为 Python 开发的专有格式，并在性能上打磨了很多年。JSON 是一个更新的，新兴的数据交换格式，它既程序语言中立又被许多系统支持。比如，MongoDB，将数据存储在 JSON 文档数据库中（使用二进制 JSON 格式）。
JSON 不支持像 pickle 那么多 Python 对象类型，但它的可移植性在某些场景下是一个优势，且它表示了另一种序列化特定类别的 Python 对象用来存储和传输的方法。而且，因为 JSON 和 Python 字典和列表在语法上如此相近，所以在它与 Python 对象之间的相互转换是很简单的，且被 json 标准库模块自动完成。
比如，带有嵌套结构的 Python 字典非常类似于 JSON 数据，虽然 Python 的变量和表达式支持更丰富的结构选项（下面的任何一部分都可以是 Python 代码中的任意表达式）：
>>> name = dict(first='Bob', last='Smith')
>>> rec = dict(name=name, job=['dev', 'mgr'], age=40.5)
>>> rec
{'job': ['dev', 'mgr'], 'name': {'last': 'Smith', 'first': 'Bob'},
'age': 40.5}这里显示的最终字典格式是 Python 中的有效字面量，且当按原样打印出时几乎和 JSON 看起来一样，但 json 模块让转换变得正式 —— 这里在内存中将 Python 对象与 JSON 序列化的字符串表示形式相互转换：
>>> import json
>>> json.dumps(rec)
'{"job": ["dev", "mgr"], "name": {"last": "Smith", "first": "Bob"},
"age": 40.5}'
>>> S = json.dumps(rec)
>>> S
'{"job": ["dev", "mgr"], "name": {"last": "Smith", "first": "Bob"},
"age": 40.5}'
>>> O = json.loads(S)
>>> O
{'job': ['dev', 'mgr'], 'name': {'last': 'Smith', 'first': 'Bob'},
'age': 40.5}
>>> O == rec
TruePython 对象与文件中的 JSON 数据字符串之间的相互转换也是类似地简单。在被存储到文件前，数据只是简单的 Python 对象；当 JSON 模块从文件载入 JSON 的文本表示时，JSON 模块重新创建了它们：
>>> json.dump(rec, fp=open('testjson.txt', 'w'), indent=4)
>>> print(open('testjson.txt').read())
{
"job": [
"dev",
"mgr"
],
"name": {
"last": "Smith",
"first": "Bob"
},
"age": 40.5
}
>>> P = json.load(open('testjson.txt'))
>>> P
{'job': ['dev', 'mgr'], 'name': {'last': 'Smith', 'first': 'Bob'},
'age': 40.5}一旦从 JSON 文本中转换为对象，就可以在脚本中使用普通的 Python 对象操作来处理数据。要获取关于 JSON 相关主题的更多细节，请参见 Python 的库手册并搜索网络。
注意：为了支持从国际化字符集中提取出的文本，JSON 中的字符串都是 Unicode 的，so you’ll see a leading u on strings after translating from JSON data in Python 2.X (but not in 3.X); this is just the syntax of Unicode objects in 2.X, as introduced Chapter 4 and Chapter 7, and
covered in full in Chapter 37. 因为 Unicode 文本字符串支持所有常见的字符串操作，当文本处于内存中时这个差异可以忽略；当在文件中来回转换时且通常只对于非 ACSII 文本类型（这里编码开始起作用），这个差异很重要。
注意#
在 Python 世界还有对 “对象和 XML（在第 37 章使用的文本格式）的相互转换” 的支持。请上网查询细节。要了解另一个半相关的处理格式化数据文件的工具，请参见标准库的 csv 模块。它解析和创建了在文件和字符串中的 CSV (comma-separated value) 数据。它没有直接映射为 Python 对象，但却是另一个常见的数据交换格式：
>>> import csv
>>> rdr = csv.reader(open('csvdata.txt'))
>>> for row in rdr: print(row)
...
['a', 'bbb', 'cc', 'dddd']
['11', '22', '33', '44']
关于 LearnKu
粤公网安备 44030502004330号