序列化模块
导入： import module
序列化：数据类型和str之间的转换，数据持久化（存储），网络交互（传输）本质：将程序中的数据类型转成str
反序列化：将字符串转换为其本来的数据类型
序列化和反序列化这些操作都是一次性的，一次转换，一次还原
(1) json （存文件，网络传输）
json模块只给我们提供了四个功能：
序列化：dump，dumps
反序列化：load, loads
dumps和loads：对数据类型进行序列化和反序列化
import json
dic = {'k1': 'v1', 'k2': 'v2', 'k3': 'v3'}
# 序列化：将一个字典转换成一个字符串
str_dic = json.dumps(dic)
print(type(str_dic), str_dic)
# 结果：
# 注意，json转换完的字符串类型的字典中的字符串是由""表示的
# <class 'str'> {"k3": "v3", "k1": "v1", "k2": "v2"}
# 反序列化：将一个字符串格式的字典转换成一个字典
# 注意，要用json的loads功能处理的字符串类型的字典中的字符串必须由""表示
dic2 = json.loads(str_dic)
print(type(dic2), dic2)
# 结果：
# <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) # ps:也可以处理嵌套的数据类型
print(type(str_dic), str_dic)
# 结果：
# <class 'str'> [1, ["a", "b", "c"], 3, {"k1": "v1", "k2": "v2"}]
list_dic2 = json.loads(str_dic)
print(type(list_dic2), list_dic2)
# 结果：
# <class 'list'> [1, ['a', 'b', 'c'], 3, {'k1': 'v1', 'k2': 'v2'}]
dump和load：对文件句柄进行序列化和反序列化
import json
f = open('json_file', 'w')
dic = {'k1': 'v1', 'k2': 'v2', 'k3': 'v3'}
# dump方法接收一个文件句柄，直接将字典转换成json字符串写入文件
json.dump(dic, f)
f.close()
f = open('json_file')
# load方法接收一个文件句柄，直接将文件中的json字符串转换成数据结构返回
dic2 = json.load(f)
f.close()
print(type(dic2), dic2)
ensure_ascii关键字：默认是True,表示按照ascii的形式显示，设置为False的时候，表是按照原来的文本样式显示（主要针对中文）
import json
f = open('file', 'w')
json.dump({'国籍': '中国'}, f)
ret = json.dumps({'国籍': '中国'})
f.write(ret + '
')
json.dump({'国籍': '美国'}, f, ensure_ascii=False)
ret = json.dumps({'国籍': '美国'}, ensure_ascii=False)
f.write(ret + '
')
f.close()
# 写到文件中的结果：
# {"u56fdu7c4d": "u4e2du56fd"}{"u56fdu7c4d": "u4e2du56fd"}
# {"����": "����"}{"����": "����"}（这里是因为文件打开的模式不对）
(2) pickle 模块
pickle模块提供了四个功能：dumps、dump(序列化，存）、loads（反序列化，读）、load
（不仅可以序列化字典，列表...可以把python中任意的数据类型序列化）
pickle，用于python特有的类型 和 python的数据类型间进行转换
pickle--只能写进去，不能追加
示例1：
import pickle
dic = {'k1': 'v1', 'k2': 'v2', 'k3': 'v3'}
str_dic = pickle.dumps(dic)
print(str_dic) # 一串二进制内容
dic2 = pickle.loads(str_dic)
print(dic2) # 字典
# 结果：
# b'x80x03}qx00(Xx02x00x00x00k1qx01Xx02x00x00x00v1qx02Xx02x00x00x00k2qx03Xx02x00x00x00v2qx04Xx02x00x00x00k3qx05Xx02x00x00x00v3qx06u.'
# {'k1': 'v1', 'k2': 'v2', 'k3': 'v3'}
示例2：
import time
import pickle
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)
f.close()
print(struct_time2.tm_year)
# 结果：
# time.struct_time(tm_year=2001, tm_mon=9, tm_mday=9, tm_hour=9, tm_min=46, tm_sec=40, tm_wday=6, tm_yday=252, tm_isdst=0)
# 2001
json和pickle模块对比：
json，用于字符串 和 python数据类型间进行转换
pickle，用于python特有的类型 和 python的数据类型间进行转换（可以把python中任意的数据类型序列化）
json--能处理的很少
pickle--可以序列化python里没有的，自己定义的数据类型
json---是所有p编程语言通用的一种数据类型---网络编程
pickle---可以序列化一些自定义的数据类型---游戏
（3）shelve---只提供了open 方法
shelve也是python提供给我们的序列化工具，比pickle用起来更简单一些。
shelve只提供给我们一个open方法，是用key来访问的，使用起来和字典类似。
import shelve
f = shelve.open('shelve_file')
f['key'] = {'int': 10, 'float': 9.5, 'string': 'Sample data'} # 直接对文件句柄操作，就可以存入数据
f.close()
import shelve
f1 = shelve.open('shelve_file')
existing = f1['key'] # 取出数据的时候也只需要直接用key获取即可，但是如果key不存在会报错
f1.close()
print(existing)
# 结果：
# {'int': 10, 'float': 9.5, 'string': 'Sample data'}
这个模块有个限制，它不支持多个应用同一时间往同一个DB进行写操作。
所以当我们知道我们的应用如果只进行读操作，可以让shelve通过只读方式打开DB
import shelve
f = shelve.open('shelve_file', flag='r')
existing = f['key']
f.close()
print(existing)
由于shelve在默认情况下是不会记录待持久化对象的任何修改的，所以我们在shelve.open()时候需要修改默认参数，否则对象的修改不会保存。
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方式有优点也有缺点。优点是减少了我们出错的概率，并且让对象的持久化对用户更加的透明了；
但这种方式并不是所有的情况下都需要，
首先，使用writeback以后，shelf在open()的时候会增加额外的内存消耗，并且当DB在close()的时候会将缓存中的每一个对象都写入到DB，这也会带来额外的等待时间。
因为shelve没有办法知道缓存中哪些对象修改了，哪些对象没有修改，因此所有的对象都会被写入