Python教程：json序列化的方法

Python内置的json模块提供了非常完善的对象到JSON格式的转换。废话不多说，我们先看看如何把Python对象变成一个JSON：

d = dict(name='Kaven', age=17, sex='Male')
print(json.dumps(d)) # {"name": "Kaven", "age": 17, "sex": "Male"}

说明：

dumps()方法返回一个str，内容就是标准的JSON。类似的，dump()方法可以直接把JSON写入一个 Object。

要把JSON反序列化为Python对象，我们可以用loads()或者对应的load()方法，前者把JSON的字符串反序列化，后者从Object中读取字符串并反序列化：

比如这样：

import json
json_str = '{"name": "Kaven", "age": 17, "sex": "Male"}'
print(json.loads(json_str)) # {'name': 'Kaven', 'age': 17, 'sex': 'Male'}

Python的dict对象可以直接序列化为JSON的{}，那么如何用class对象，比如定义Person类，然后序列化?

dumps 可选参数default就是把任意一个对象变成一个可序列为JSON的对象，我们只需要为Person专门写一个转换函数，再把函数传进去即可：

'''
学习中遇到问题没人解答？小编创建了一个Python学习交流QQ群：857662006
寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！
'''
import json

class Person(object):
# __slots__ = ('name', 'age') # 通常class的实例都有一个__dict__属性，它就是一个dict，
# 用来存储实例变量。也有少数例外，比如定义了__slots__的class,大家可以开启后运行看看报错信息
def __init__(self, name, age, sex):
self.name = name
self.age = age
self.sex = sex


def PersonToDict(cls):
return {
'name': cls.name,
'age': cls.age,
'sex': cls.sex
}


s = Person('Kaven', 17, 'Male')
print(json.dumps(s, default=PersonToDict))
# print(json.dumps(s, default=lambda obj: obj.__dict__)) 输出和上面一样
# 输出 : {"name": "Kaven", "age": 17, "sex": "Male"}

这样，Person实例首先被PersonToDict()函数转换成dict，然后再被序列化为JSON,大家看到下面有个lambda匿名函数，他的用处可大了，比如：

下次如果遇到一个Apple/Banaba等类的实例，可以把任意class的实例变为dict：

print(json.dumps(s, default=lambda obj: obj.__dict__)) # obj为对象参数名，可自定义

同样的道理，如果我们要把JSON反序列化为一个Person对象实例，loads()方法首先转换出一个dict对象，然后，我们再传入的object_hook函数负责把dict转换为Person实例：

import json

class Person(object):
# __slots__ = ('name', 'age') # 通常class的实例都有一个__dict__属性，它就是一个dict，
# 用来存储实例变量。也有少数例外，比如定义了__slots__的class,大家可以开启后运行看看报错信息
def __init__(self, name, age, sex):
self.name = name
self.age = age
self.sex = sex


def DictToPerson(d):
return Person(d['name'], d['age'], d['sex'])

json_str = '{"name": "Kaven", "age": 20, "sex": "Male"}'
cls = json.loads(json_str, object_hook=DictToPerson)
print(cls.name) # Kaven

Python还有个pickle模块，可能存在Python兼容问题，只能用Pickle保存那些不重要的数据。