在[《文件(1)》](https://github.com/qiwsir/StarterLearningPython/blob/master/126.md)和[《文件(2)》](https://github.com/qiwsir/StarterLearningPython/blob/master/127.md)中，已經學習了如何讀寫文件。 如果在程序中，有數據要保存到磁盤中，放到某個文件中是一種不錯的方法。但是，如果像以前那樣存，未免有點凌亂，并且沒有什么良好的存儲格式，導致數據以后被讀出來的時候遇到麻煩，特別是不能讓另外的使用者很好地理解。不要忘記了，編程是一個合作的活。還有，存儲的數據不一定都是類似字符串、整數那種基礎類型的。 總而言之，需要將要存儲的對象格式化（或者叫做序列化），才好存好取。這就有點類似集裝箱的作用。 所以，要用到本講中提供的方式。 ## [](https://github.com/qiwsir/StarterLearningPython/blob/master/229.md#pickle)pickle pickle是標準庫中的一個模塊，還有跟它完全一樣的叫做cpickle，兩者的區別就是后者更快。所以，下面操作中，不管是用`import pickle`，還是用`import cpickle as pickle`，在功能上都是一樣的。 ~~~ >>> import pickle >>> integers = [1, 2, 3, 4, 5] >>> f = open("22901.dat", "wb") >>> pickle.dump(integers, f) >>> f.close() ~~~ 用`pickle.dump(integers, f)`將數據integers保存到了文件22901.dat中。如果你要打開這個文件，看里面的內容，可能有點失望，但是，它對計算機是友好的。這個步驟，可以稱之為將對象序列化。用到的方法是： `pickle.dump(obj,file[,protocol])` * obj：序列化對象，上面的例子中是一個列表，它是基本類型，也可以序列化自己定義的類型。 * file：一般情況下是要寫入的文件。更廣泛地可以理解為為擁有write()方法的對象，并且能接受字符串為為參數，所以，它還可以是一個StringIO對象，或者其它自定義滿足條件的對象。 * protocol：可選項。默認為False（或者說0），是以ASCII格式保存對象；如果設置為1或者True，則以壓縮的二進制格式保存對象。 下面換一種數據格式，并且做對比： ~~~ >>> import pickle >>> d = {} >>> integers = range(9999) >>> d["i"] = integers #下面將這個dict格式的對象存入文件 >>> f = open("22902.dat", "wb") >>> pickle.dump(d, f) #文件中以ascii格式保存數據 >>> f.close() >>> f = open("22903.dat", "wb") >>> pickle.dump(d, f, True) #文件中以二進制格式保存數據 >>> f.close() >>> import os >>> s1 = os.stat("22902.dat").st_size #得到兩個文件的大小 >>> s2 = os.stat("22903.dat").st_size >>> print "%d, %d, %.2f%%" % (s1, s2, (s2+0.0)/s1*100) 68903, 29774, 43.21% ~~~ 比較結果發現，以二進制方式保存的文件比以ascii格式保存的文件小很多，前者約是后者的43%。 所以，在序列化的時候，特別是面對較大對象時，建議將dump()的參數True設置上，雖然現在存儲設備的價格便宜，但是能省還是省點比較好。 存入文件，僅是一個目標，還有另外一個目標，就是要讀出來，也稱之為反序列化。 ~~~ >>> integers = pickle.load(open("22901.dat", "rb")) >>> print integers [1, 2, 3, 4, 5] ~~~ 就是前面存入的那個列表。再看看被以二進制存入的那個文件： ~~~ >>> 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, .... #省略后面的數字} >>> f.close() ~~~ 還是有自己定義數據類型的需要，這種類型是否可以用上述方式存入文件并讀出來呢？看下面的例子： ~~~ >>> import cPickle as pickle #cPickle更快 >>> import StringIO #標準庫中的一個模塊，跟file功能類似，只不過是在內存中操作“文件” >>> class Book(object): #自定義一種類型 ... def __init__(self,name): ... self.name = name ... def my_book(self): ... 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”內容，注意下面不是亂碼 ccopy_reg _reconstructor q?(c__main__ Book q?c__builtin__ object q?NtRq?}qU?nameq?U?<from beginner to master>sb. >>> pickle.dump(pybook, file) #換一種方式，再看內容，可以比較一下 >>> print file.getvalue() #視覺上，兩者就有很大差異 ccopy_reg _reconstructor q?(c__main__ Book q?c__builtin__ object q?NtRq?}qU?nameq?U?<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. ~~~ 如果要從文件中讀出來： ~~~ >>> file.seek(0) #找到對應類型 >>> pybook2 = pickle.load(file) >>> pybook2.my_book() my book is: <from beginner to master> >>> file.close() ~~~ ## [](https://github.com/qiwsir/StarterLearningPython/blob/master/229.md#shelve)shelve pickle模塊已經表現出它足夠好的一面了。不過，由于數據的復雜性，pickle只能完成一部分工作，在另外更復雜的情況下，它就稍顯麻煩了。于是，又有了shelve。 shelve模塊也是標準庫中的。先看一下基本操作：寫入和讀取 ~~~ >>> 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() ~~~ 以上完成了數據寫入的過程。其實，這更接近數據庫的樣式了。下面是讀取。 ~~~ >>> s = shelve.open("22901.db") >>> name = s["name"] >>> print name www.itdiffer.com >>> contents = s["contents"] >>> print contents {'second': 'day day up', 'first': 'base knowledge'} ~~~ 當然，也可以用for語句來讀： ~~~ >>> for k in s: ... print k, s[k] ... contents {'second': 'day day up', 'first': 'base knowledge'} lang python pages 1000 name www.itdiffer.com ~~~ 不管是寫，還是讀，都似乎要簡化了。所建立的對象s，就如同字典一樣，可稱之為類字典對象。所以，可以如同操作字典那樣來操作它。 但是，要小心坑： ~~~ >>> f = shelve.open("22901.db") >>> f["author"] ['qiwsir'] >>> f["author"].append("Hetz") #試圖增加一個 >>> f["author"] #坑就在這里 ['qiwsir'] >>> f.close() ~~~ 當試圖修改一個已有鍵的值時，沒有報錯，但是并沒有修改成功。要填平這個坑，需要這樣做： ~~~ >>> f = shelve.open("22901.db", writeback=True) #多一個參數True >>> f["author"].append("Hetz") >>> f["author"] #沒有坑了 ['qiwsir', 'Hetz'] >>> f.close() ~~~ 還用for循環一下： ~~~ >>> f = shelve.open("22901.db") >>> for k,v in f.items(): ... print k,": ",v ... contents : {'second': 'day day up', 'first': 'base knowledge'} lang : python pages : 1000 author : ['qiwsir', 'Hetz'] name : www.itdiffer.com ~~~ shelve更像數據庫了。 不過，它還不是真正的數據庫。真正的數據庫在后面。