包--json 与 pickle 模块

一. 包

　　一个含有__init__.py 文件的文件夹（将py 文件中的内容划分成不同的部分放在不同的py 文件中，在将这些py 文件放在一个文件夹中）

　　是模块，不做执行文件，仅做调用

m1.py  和  m2.py  和__init__.py 同层级（同在aaa文件夹下）
run.py 执行文件 与aaa文件夹同层级（执行文件要调用aaa文件夹里面m1.py 和m2.py 中的变量）

m1.py 文件中：
def func1():
    print('func1函数')

m2.py 文件中
def func2():
    print('func2函数')

__init__.py 文件中：

from aaa.m1 import func1
from aaa.m2 import func2

run.py 文件中调用：
import aaa
aaa.func1()
aaa.func2()

总结： 在run.py 文件中import aaa 时先产生了名称空间，然后自动运行aaa文件夹下的 __init__.py 文件， 此时__init__.py 文件中已经导入了fu
nc1 和 func2 函数， 因此在run.py 文件中可以直接调用func1 和 func2函数

__init__.py 文件中绝对导入： 从包的顶级目录（aaa）开始查找

__init__.py 文件中相对导入：只能在包内使用，仅限于包内模块彼此相互引用，用点 . 代替（当前）文件夹名

　　　　　　　　　　　　　例： from .m1 import func1          from ..m3 import fff    一个点代表一级目录

二. json 与 pickle模块： 解决序列化问题

　　序列化： 将内存中的数据类型转成另一种格式

　　　 例如：字典====》其他格式======》存在硬盘

　　反序列化： 将硬盘中的其他格式转回python java 等能识别的格式

　　　例如： 硬盘中的其他格式====》读取其他格式=====》 转换回字典类型

　　序列化原因： 持久保存程序的运行状态

　　　　　　　　 数据的跨平台应用

　　如何序列化： json 和 pickle

　　　　json格式             python格式

　　　　{}                          dict

　　　　[]　　　　　　　 list              ==========》json 优点：是一种通用格式，所有编程语言都能识别（跨平台性好）

　　　　1233　　　　　  int  float      ==========》json  缺点：不能识别所有的python类型（不能识别集合类型）

　　　　true/false             True/False　　　　　　　

　　　　null                       None

　　　pickle 优点：能识别所有的python类型

　　　pickle 缺点： 只能被python这门编程语言识别（无法跨平台交互）

例： 用json 将字典序列化存入内存

d={'name':'egon','password':}

d_json=json.dumps(d)
with open('r.txt','wt','utf-8') as f:
    f.write(d_json)

方法二：  使用 dump()
with open('r.txt','wb') as f:        ==============》 json 用途：持久保存程序的运行状态 和  数据的跨平台交互
    json.dump(d,f)

# 将硬盘中的 json 格式转换为python中的字典

with open('r.txt','rt') as f:
    dic_json=f.read()
    dic=json.loads(dic_json)

方法二：
with open('r.txt','rt') as f:
   d= json.load(f)

用pickle将字典序列化成其他格式存入硬盘，然后将硬盘中的内容读出，然后将其再转换为python中的字典格式

d={'name':'egon','password':123}

d_pickle=pickle.dumps(d)
with open('r.txt','wb') as f:   # 只能用b模式
　　f.write(d_pickle)

方法二： dump()
with open('r.txt','wb') as f:                        =========> pickle 唯一用途将数据存入硬盘
　　pickle.dump(d,f)

然后将其再转换为python中的字典格式
with open('r.txt','rb') as f:
d_pickle=f.read()
d=pickle.loads(d_pickle)

方法二：
with open('r.txt','rb')
d=pickle.load(f)