3. 在程序运行的过程中，所有的变量都是在内存中，比如，定义一个dict：
    5. d = dict(name='Bob', age=20, score=88)
    6. 可以随时修改变量，比如把name改成'Bill'，但是一旦程序结束，变量所占用的内存就被操作系统全部回收。如果没有把修改后的'Bill'存储到磁盘上，下次重新运行程序，变量又被初始化为'Bob'。
    8. 我们把变量从内存中变成可存储或传输的过程称之为序列化，在Python中叫pickling，在其他语言中也被称之为serialization，marshalling，flattening等等，都是一个意思。
    10. 序列化之后，就可以把序列化后的内容写入磁盘，或者通过网络传输到别的机器上。
    12. 反过来，把变量内容从序列化的对象重新读到内存里称之为反序列化，即unpickling。
    14. Python提供了pickle模块来实现序列化。
    16. 首先，我们尝试把一个对象序列化并写入文件：
    18. >>> import pickle
    19. >>> d = dict(name='Bob', age=20, score=88)
    20. >>> pickle.dumps(d)
    21. b'\x80\x03}q\x00(X\x03\x00\x00\x00ageq\x01K\x14X\x05\x00\x00\x00scoreq\x02KXX\x04\x00\x00\x00nameq\x03X\x03\x00\x00\x00Bobq\x04u.'
    22. pickle.dumps()方法把任意对象序列化成一个bytes，然后，就可以把这个bytes写入文件。或者用另一个方法pickle.dump()直接把对象序列化后写入一个file-like Object：
    24. >>> f = open('dump.txt', 'wb')
    25. >>> pickle.dump(d, f)
    26. >>> f.close()
    27. 看看写入的dump.txt文件，一堆乱七八糟的内容，这些都是Python保存的对象内部信息。
    29. 当我们要把对象从磁盘读到内存时，可以先把内容读到一个bytes，然后用pickle.loads()方法反序列化出对象，也可以直接用pickle.load()方法从一个file-like Object中直接反序列化出对象。我们打开另一个Python命令行来反序列化刚才保存的对象：
    31. >>> f = open('dump.txt', 'rb')
    32. >>> d = pickle.load(f)
    33. >>> f.close()
    34. >>> d
    35. {'age': 20, 'score': 88, 'name': 'Bob'}
    36. 变量的内容又回来了！
    38. 当然，这个变量和原来的变量是完全不相干的对象，它们只是内容相同而已。
    40. Pickle的问题和所有其他编程语言特有的序列化问题一样，就是它只能用于Python，并且可能不同版本的Python彼此都不兼容，因此，只能用Pickle保存那些不重要的数据，不能成功地反序列化也没关系。
    42. JSON
    44. 如果我们要在不同的编程语言之间传递对象，就必须把对象序列化为标准格式，比如XML，但更好的方法是序列化为JSON，因为JSON表示出来就是一个字符串，可以被所有语言读取，也可以方便地存储到磁盘或者通过网络传输。JSON不仅是标准格式，并且比XML更快，而且可以直接在Web页面中读取，非常方便。
    46. JSON表示的对象就是标准的JavaScript语言的对象，JSON和Python内置的数据类型对应如下：
    48. JSON类型        Python类型
    49. {}        dict
    50. []        list
    51. "string"        str
    52. 1234.56        int或float
    53. true/false        True/False
    54. null        None
    55. Python内置的json模块提供了非常完善的Python对象到JSON格式的转换。我们先看看如何把Python对象变成一个JSON：
    57. >>> import json
    58. >>> d = dict(name='Bob', age=20, score=88)
    59. >>> json.dumps(d)
    60. '{"age": 20, "score": 88, "name": "Bob"}'
    61. 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file-like Object。
    63. 要把JSON反序列化为Python对象，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file-like Object中读取字符串并反序列化：
    65. >>> json_str = '{"age": 20, "score": 88, "name": "Bob"}'
    66. >>> json.loads(json_str)
    67. {'age': 20, 'score': 88, 'name': 'Bob'}
    68. 由于JSON标准规定JSON编码是UTF-8，所以我们总是能正确地在Python的str与JSON的字符串之间转换。
    70. JSON进阶
    72. Python的dict对象可以直接序列化为JSON的{}，不过，很多时候，我们更喜欢用class表示对象，比如定义Student类，然后序列化：
    74. import json
    76. class Student(object):
    77.    def __init__(self, name, age, score):
    78.        self.name = name
    79.        self.age = age
    80.        self.score = score
    82. s = Student('Bob', 20, 88)
    83. print(json.dumps(s))
    84. 运行代码，毫不留情地得到一个TypeError：
    86. Traceback (most recent call last):
    87.  ...
    88. TypeError: <__main__.Student object at 0x10603cc50> is not JSON serializable
    89. 错误的原因是Student对象不是一个可序列化为JSON的对象。
    91. 如果连class的实例对象都无法序列化为JSON，这肯定不合理！
    93. 别急，我们仔细看看dumps()方法的参数列表，可以发现，除了第一个必须的obj参数外，dumps()方法还提供了一大堆的可选参数：
    95. https://docs.python.org/3/library/json.html#json.dumps
    97. 这些可选参数就是让我们来定制JSON序列化。前面的代码之所以无法把Student类实例序列化为JSON，是因为默认情况下，dumps()方法不知道如何将Student实例变为一个JSON的{}对象。
    99. 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Student专门写一个转换函数，再把函数传进去即可：
    101. def student2dict(std):
    102.    return {
    103.        'name': std.name,
    104.        'age': std.age,
    105.        'score': std.score
    106.    }
    107. 这样，Student实例首先被student2dict()函数转换成dict，然后再被顺利序列化为JSON：
    109. >>> print(json.dumps(s, default=student2dict))
    110. {"age": 20, "name": "Bob", "score": 88}
    111. 不过，下次如果遇到一个Teacher类的实例，照样无法序列化为JSON。我们可以偷个懒，把任意class的实例变为dict：
    113. print(json.dumps(s, default=lambda obj: obj.__dict__))
    114. 因为通常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。
    116. 同样的道理，如果我们要把JSON反序列化为一个Student对象实例，loads()方法首先转换出一个dict对象，然后，我们传入的object_hook函数负责把dict转换为Student实例：
    118. def dict2student(d):
    119.    return Student(d['name'], d['age'], d['score'])
    120. 运行结果如下：
    122. >>> json_str = '{"age": 20, "score": 88, "name": "Bob"}'
    123. >>> print(json.loads(json_str, object_hook=dict2student))
    124. <__main__.Student object at 0x10cd3c190>
    125. 打印出的是反序列化的Student实例对象。
    127. 练习
    129. 对中文进行JSON序列化时，json.dumps()提供了一个ensure_ascii参数，观察该参数对结果的影响：
    131. # -*- coding: utf-8 -*-
    133. import json
    135. obj = dict(name='小明', age=20)
    136. s = json.dumps(obj, ensure_ascii=True)
    138. print(s)
    139. Run
    140. 小结
    142. Python语言特定的序列化模块是pickle，但如果要把序列化搞得更通用、更符合Web标准，就可以使用json模块。
    144. json模块的dumps()和loads()函数是定义得非常好的接口的典范。当我们使用时，只需要传入一个必须的参数。但是，当默认的序列化或反序列机制不满足我们的要求时，我们又可以传入更多的参数来定制序列化或反序列化的规则，既做到了接口简单易用，又做到了充分的扩展性和灵活性。
    146. 参考源码
    148. use_pickle.py
    150. use_json.py