小数据存储

我们在编写代码的时候，经常会涉及到数据存储的情况，如果是爬虫得到的大数据，我们会选择使用数据库，或者excel存储。但如果只是一些小数据，或者说关联性较强且存在存储后复用的数据，我们该如何存储呢？

使用open保存文本

最简单、粗暴+无脑的存储方式就是保存成一个文本文档了。

使用open函数，将结果一行行的保存成文本,这里涉及的知识点只有简单的几条：

·文件读写模式，r 、w、a、b、+，掌握这几种即可。

·使用单独的open打开文件时，需要注意结尾时的调用close()函数关闭文档。

·推荐使用上下文管理器的with open操作。

csv文件

之所以将csv与excel分开说，首先需要扫盲下，csv属于特定格式的文本文件(使用逗号分隔)，而excel是二进制文件。

csv可以直接使用文本编辑器打开，excel不行。

其实csv文件，完全可以使用open函数进行保存，只要你将每行数据都使用,分隔开即可。

另外，python自带csv库，可以很方便的操作与保存该数据。

xml文件

xml文件的方式，已经逐渐被淘汰了，为什么这么说？因为它繁琐的树形结构，导致了在传输过程中，占用了更多的内存。所以，除非必要，真的不推荐以xml的形式存储你的数据。

configparser

python模块中configparser是一个专门用来保存配置文件的模块库，它非常适合保存一些具有关联性的数据内容，尤其是配置文件。通过定义section的方式，在section中添加key:value的方式，可以直观明了的数据内容。我之前专门写了一篇关于它的文章，会附在公众号的字文章中，喜欢的朋友可以去看看。

pyyaml

yaml类型的文件已经成为很多Linux下的主流配置文件类型，比如Docker、Ansible等等都在使用yaml，但它依然不是一个主流的数据存储方式，因为yaml本身的格式要求太过严苛，比结构化的Python格式更为严格，喜欢的朋友可以去研究下。

pickle

pickle模块的使用面很窄，但不得不说还是有些人会使用，所以简单说些它的优劣：

优势：接口简单(与json相似)；存储格式通用型，及在Windows、Linux等平台下通用；二进制存储，效率高。

劣势：pickle是python特定的协议，其他语言无法使用；pickle存在安全性，这个要着重说下，看下图：

pickle安全性

Json文件

说了上面那么多，压轴的还是Json！

首先相对于xml，现在更多的网站在数据传输中使用json格式，因为同等的字节下，json传输数据的效率要更高于xml。

对于configparser，configparser有一个巨大的劣势，在于配置文件只能支持二维，section下定义option(key:value)，如果想在option的value中再次定义列表、字典等数据类型，它只能识别为字符串，你需要将str手动再转化为对应的数据类型。

而针对ymal，json没有那么严格的格式要求，写做一行还是换行展示都随你，没有那么严苛的要求。

最后对比pickle，json格式是各种编程语言通用的数据格式，由于是key value的键值对，不存在loads之后的安全问题。而且你学会了json，也就学会了pickle，因为二者的使用方式一毛一样啊！

三分钟学会Json

1.简介

JSON(JavaScript Object Notation, JS 对象简谱) 是一种轻量级的数据交换格式。它基于 ECMAScript (欧洲计算机协会制定的js规范)的一个子集，采用完全独立于编程语言的文本格式来存储和表示数据。简洁和清晰的层次结构使得 JSON 成为理想的数据交换语言。易于人阅读和编写，同时也易于机器解析和生成，并有效地提升网络传输效率。

至于推荐使用Json的理由：

·Json格式是一种通用的数据类型

·Python内置json模块，便于操作

·json格式类似于python的dict

·json的保存与读取极为方便

·学习成本低，3分钟包教包会

2.类型、语法说明

看到上图的Python与json对比关系，其实差异并不大，我们只需要注意几点即可：

·json的数据为key：value，且以逗号分隔，但注意json使用双引号包裹键值对

·花括号中保存为对象，而方括号保存的是数组，不论python是list还是tuple，最终都会转化为数组

·json由于是js引申的数据类型，所以在布尔表达式与空值上，使用与python不同，需要注意

3.json的方法

·dump()：将python对象序列化到一个文件，是文本文件，相当于将序列化后的json字符写到一个文件

·load()：从文件反序列表出python对象

·json和pickle相同，都只有四个方法：

·dumps()：将python对象编码为json的字符串

·loads()：将字符串编码为一个python对象

即：带s的方法是数据类型间的转化str <–> dict，不带s的都是数据与文件的转化。

4.实例说明

在演示前，我们需要先定义一个初始化数据：

data = {
    "in_use": True,
    "info": {
        "name_cn": 'Python',
        "name_en": "BreezePython",
    },
    "contents": ["Python", "Java", "Linux"]
}

5.dumps() .loads()

import json
json.dumps(data)
>>> '{"in_use": true, "info": {"name_cn": "\\u6e05\\u98cePython", "name_en": "BreezePython"}, "contents": 
["Python", 
"Java", "Linux"]}'
#这里大家看到一个问题，中文异常，此时我们需要添加参数ensure_ascii=False
json.dumps(data,ensure_ascii=False)
>>> '{"in_use": true, "info": {"name_cn": "Python", "name_en": "BreezePython"}, "contents": ["Python", 
"Java", "Linux"]}'
# 当然我们可以美观的打印它
json_data = json.dumps(data, sort_keys=True, indent=4, separators=(',', ': '),ensure_ascii=False)
print(json_data)
>>> {
    "contents": [
        "Python",
        "Java",
        "Linux"
    ],
    "in_use": true,
    "info": {
        "name_cn": "Python",
        "name_en": "BreezePython"
    }
}
# 了解了dumps，loads就比较简单了...
json.loads(json_data)
{'contents': ['Python', 'Java', 'Linux'], 'in_use': True, 'info': {'name_cn': 'Python', 'name_en': 
'BreezePython'}}

6.dump() .load()

import json
# 先来看看dump将数据保存至文本
with open('data.json', 'w', encoding='utf-8') as f:
    json.dump(data, f, indent=4)
    # 同理我们还可以使用dumps完成写入操作
    # f.write(json.dumps(data, indent=4))
# 保存了文本，我们在通过load读取出来
with open('data.json', 'r', encoding='utf-8') as f:
    data = json.load(f)
    # 同理我们还可以使用loads完成读取操作
    # data = json.loads(f.read())
print(data)
>>>{'in_use': True, 'info': {'name_cn': 'Python', 'name_en': 'BreezePython'}, 'contents': ['Python', 'Java', 
'Linux']}

看到这里，你是否发现，即便不会dump和load我们一样可以使用dumps和loads替换前两者，完成读写操作。三分钟学会了json的操作，并且买一送一附带学会了pickle的操作。你是否get到？

本文转自：https://www.jianshu.com/p/73d5238ef70a