要常常喜乐，不住地祷告，凡事谢恩，因为这是神在基督耶稣里向你们所定的旨意。不要消灭圣灵的感动，不要藐视先知的讲论。但要凡事察验，善美的要持守，各样的恶事要禁戒不作。(1 THESSALONIANS 5:16-22)

将数据存入文件

在《文件(1)》和《文件(2)》中，已经学习了如何读写文件。

程序执行结果，就是产生一些数据，一般情况下，这些数据数据要保存到磁盘中，最简单的方法就是写入到某个文件。但是，如果仅仅是简单地把数据写入文件，不是最佳的存储机构。为此，就有了诸多不同的数据存储方式，这些方式不仅能够保证数据被存储，还能够让数据便于读取，此外，还有很多其它方面的优势。

简而言之，就是要将存储的对象格式化（或者叫做序列化），才好存好取。这就有点类似集装箱的作用。

pickle

pickle是标准库中的一个模块，在Python 2中还有一个cpickle，两者的区别就是后者更快。所以，下面操作中，不管是用import pickle，还是用import cpickle as pickle，在功能上都是一样的。

而在Python 3中，你只需要import pickle即可，因为它已经在Python 3中具备了Python 2中的cpickle同样的性能。

>>> import pickle
>>> integers = [1, 2, 3, 4, 5]
>>> f = open("22901.dat", "wb")
>>> pickle.dump(integers, f)
>>> f.close()

用pickle.dump(integers, f)将数据integers保存到了文件22901.dat中。如果你要打开这个文件，看里面的内容，可能有点失望，但是，它对计算机是友好的。这个步骤可以称之为将对象序列化。用到的方法是：pickle.dump(obj,file[,protocol])

• obj：序列化对象，在上面的例子中是一个列表，它是基本类型，也可以序列化自己定义的对象。
• file：要写入的文件。可以更广泛地可以理解为为拥有write()方法的对象，并且能接受字符串为为参数，所以，它还可以是一个StringIO对象，或者其它自定义满足条件的对象。
• protocol：可选项。默认为False（或者说0），是以ASCII格式保存对象；如果设置为1或者True，则以压缩的二进制格式保存对象。

换一种数据格式，并且做对比：

>>> import pickle
>>> d = {}
>>> integers = range(9999)
>>> d["i"] = integers        #下面将这个字典类型的对象存入文件

>>> f = open("22902.dat", "wb")
>>> pickle.dump(d, f)           #文件中以ascii格式保存数据
>>> f.close()

>>> f = open("22903.dat", "wb")
>>> pickle.dump(d, f, True)     #文件中以二进制格式保存数据
>>> f.close()

>>> import os
>>> s1 = os.stat("22902.dat").st_size    #得到两个文件的大小
>>> s2 = os.stat("22903.dat").st_size

>>> print "%d, %d, %.2f%%" % (s1, s2, (s2+0.0)/s1*100)    #Python 3: print("{0:d}, {1:d}, {2:.2f}".format (s1, s2, (s2+0.0)/s1*100))
68903, 29774, 43.21%

比较结果发现，以二进制方式保存的文件比以ascii格式保存的文件小很多，前者约是后者的43%。

所以，在序列化的时候，特别是面对较大对象时，建议将dump()的参数True设置上，虽然现在存储设备的价格便宜，但是能省还是省点比较好。

将数据保存入文件，还有另外一个目标，就是要读出来，也称之为反序列化。

>>> integers = pickle.load(open("22901.dat", "rb"))
>>> print integers    #Python 3: print(integers)
[1, 2, 3, 4, 5]

再看看以二进制存入的那个文件：

>>> f = open("22903.dat", "rb")
>>> d = pickle.load(f)
>>> print d
{'i': [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, ....   #省略后面的数字}
>>> f.close()

如果是自己定义的对象，是否可以用上述方式存入文件并读出来呢？看下面的例子：

>>> import cPickle as pickle        #这是Python 2的引入方式，如果是Python 3，直接使用import pickle
>>> import StringIO                 #标准库中的一个模块，跟file功能类似，只不过是在内存中操作“文件”

>>> class Book(object):             #自定义一种类型
...     def __init__(self,name):
...         self.name = name
...     def my_book(self):
...         print "my book is: ", self.name        #Python 3: print("my book is: ", self.name)
... 

>>> pybook = Book("<from beginner to master>")
>>> pybook.my_book()
my book is:  <from beginner to master>

>>> file = StringIO.StringIO()
>>> pickle.dump(pybook, file, 1)
>>> print file.getvalue()           #查看“文件”内容，注意下面不是乱码
ccopy_reg
_reconstructor
q
(c__main__
Book
qc__builtin__
object
qNtRq}qUnameqU<from beginner to master>sb.

>>> pickle.dump(pybook, file)       #换一种方式，再看内容，可以比较一下
>>> print file.getvalue()           #视觉上，两者就有很大差异
ccopy_reg
_reconstructor
q
(c__main__
Book
qc__builtin__
object
qNtRq}qUnameqU<from beginner to master>sb.ccopy_reg
_reconstructor
p1
(c__main__
Book
p2
c__builtin__
object
p3
NtRp4
(dp5
S'name'
p6
S'<from beginner to master>'
p7
sb.

如果要从文件中读出来：

>>> file.seek(0)       #找到对应类型  
>>> pybook2 = pickle.load(file)
>>> pybook2.my_book()
my book is:  <from beginner to master>
>>> file.close()

shelve

pickle模块已经表现出它足够好的一面了。不过，由于数据的复杂性，pickle只能完成一部分工作，在另外更复杂的情况下，它就稍显麻烦了。于是，又有了shelve。

shelve模块也是标准库中的。先看一下基本写、读操作。

>>> import shelve
>>> s = shelve.open("22901.db")
>>> s["name"] = "www.itdiffer.com"
>>> s["lang"] = "python"
>>> s["pages"] = 1000
>>> s["contents"] = {"first":"base knowledge","second":"day day up"}
>>> s.close()

以上完成了数据写入的过程，其实，这很接近数据库的样式了。下面是读。

>>> s = shelve.open("22901.db")
>>> name = s["name"]
>>> print name        #Python 3: print(name)
www.itdiffer.com
>>> contents = s["contents"]
>>> print contents        #Python 3: print(contents)
{'second': 'day day up', 'first': 'base knowledge'}

看到输出的内容，你一定想到，肯定可以用for语句来读，想到了就用代码来测试，这就是Python交互模式的便利之处。

>>> for k in s:
...     print k, s[k]
... 
contents {'second': 'day day up', 'first': 'base knowledge'}
lang python
pages 1000
name www.itdiffer.com

不管是写还是读，都似乎要简化了。所建立的对象被变量s所引用，就如同字典一样，可称之为类字典对象。所以，可以如同操作字典那样来操作它。

但是，要小心坑：

>>> f = shelve.open("22901.db")
>>> f["author"]
['qiwsir']
>>> f["author"].append("Hetz")    #试图增加一个
>>> f["author"]                   #坑就在这里
['qiwsir']
>>> f.close()

当试图修改一个已有键的值时没有报错，但是并没有修改成功。要填平这个坑，需要这样做：

>>> f = shelve.open("22901.db", writeback=True)    #多一个参数True
>>> f["author"].append("Hetz")
>>> f["author"]                   #没有坑了
['qiwsir', 'Hetz']
>>> f.close()

还用for循环一下：

>>> f = shelve.open("22901.db")
>>> for k,v in f.items():
...     print k,": ",v        #Python 3: print(k,": ",v)
... 
contents :  {'second': 'day day up', 'first': 'base knowledge'}
lang :  python
pages :  1000
author :  ['qiwsir', 'Hetz']
name :  www.itdiffer.com

shelve更像数据库了。不过，它还不是真正的数据库。真正的数据库在后面。

总目录   |   上节：第三方库   |   下节：mysql数据库(1)

如果你认为有必要打赏我，请通过支付宝：[email protected],不胜感激。