CSIC_716_20191118【常用模块的用法 Json、pickle、collections、openpyxl】
序列化模块
序列化：将python或其他语言中的数据类型，转变成字符串类型。
python中的八大数据类型回顾：int float str list tuple dict set bool
反序列化：将字符串转变成其他数据类型。
json模块
json的跨平台性较好，是一个第三方模块。
在json中，所有的字符串都是双引号
元组通过json转变后，变成了列表，后续再解析的时候需要进行强制类型转化，才能变成元组
set是不支持转成json的
用法中的两点注意：dump(要存的内容，文件句柄)，load(文件句柄)
# _*_ coding: gbk _*_
# @Author: Wonder
import json
str1 = '中国abc'
list1 = [1, 2, 3, 4]
dict1 = {'key': 'values', 'name': 'jack'}
tuple1 = ('a', 'b', 'c', 'd')
set1 = {1, 2, 3, 4, 5, 6, 7}
str_json = json.dumps(str1, ensure_ascii=False)
print(str_json) # "中国abc"
tuple_obj = json.dumps(tuple1, ensure_ascii=False)
print(tuple_obj) # ["a", "b", "c", "d"]
#
set_obj = json.dumps(set1, ensure_ascii=False)
print(set_obj) # TypeError: Object of type set is not JSON serializable
dict1_obj = json.dumps(dict1)
print(dict1_obj) # {"key": "values", "name": "jack"}
# 反序列化
tuple_ss = json.loads(tuple_obj)
real_tuple = tuple(tuple_ss) # 将列表转为元组
print(real_tuple) # ('a', 'b', 'c', 'd')
# 在打开文件的时候，可以通过dump和load直接操作文件
tuple1 = ('a', 'm', 'c', 'd')
f = open('user.json', 'w', encoding='utf-8')
t_obj = json.dumps(tuple1)
f.write(t_obj)
f.close()
#上述操作等价于用dump直接存文件
df = open('d_user.json', 'w', encoding='utf-8')
json.dump(tuple1, df) #注意参数先写要写的内容，再写句柄f
json.dump(dict1, df) #将内容分成两次往文件中存，会出现错误
df.close()
#直接用load取文件即可
df = open('d_user.json', 'r', encoding='utf-8')
ss = json.load(df)
print(ss) # {'key': 'values', 'name': 'jack'}
df.close()
pickle模块
pickle模块是一个python自带的序列化模块
优点：可以支持python中所有的数据类型，也可以存bytes类型的数据。
缺点：只能在python平台中使用，局限性较大。
# 读桌面的图片文件
with open(r'C:\Users\wonder\Desktop\picture.JPG', 'rb') as f:
python_photo = f.read()
print(python_photo) # 一串二进制的字节流
print(type(python_photo)) # bytes
# 存 pickle.dump
with open('teacher22.pickle', 'wb') as wf:
pickle.dump(python_photo, wf) # 存文件
# 取 pickle.load
with open('teacher22.pickle', 'rb') as rf:
ss = pickle.load(rf) # 读文件
print(ss) # 一串二进制的字节流
collections模块
collections模块提供了python八大数据类型以外的数据类型。主要介绍了两个模块：
具名元组 namedtuple 应用场景，坐标。
具名元组 namedtuple 的定义方式有三种
# _*_ coding: gbk _*_
# @Author: Wonder
from collections import namedtuple
# 定义方式 namedtuple(构造器，可迭代对象），可迭代对象可以是列表，空格分开的字符串，元组
# 第一种，
np1 = namedtuple('坐标1', 'xin yin') # 在字符串中以空格区分元素个数
np2 = namedtuple('坐标2', ['xx', 'yy'])
np3 = namedtuple('坐标3', ('x', 'y'))
ss1 = np1(2, 3) # 传参数的个数，要和可迭代对象中的个数相同
ss2 = np2(4, 5)
ss3 = np3(6, 7)
print(ss1) # 坐标1(x=2, y=3)
print(ss2) # 坐标2(xx=4, yy=5)
print(ss3) # 坐标3(x=6, y=7)
有序字典 OrderedDict
from collections import OrderedDict
# OrderedDict与python中自带的dict定义方式一样，但他是一个有序的字典。即使两个OrderDict字典中键值对一样，在判断是否相等时也是False
or_dict = OrderedDict({'key1': 'value1', 'key2': 'value2'})
# 取值也和dict的取值方式一样
ss = or_dict.get('key2')
print(ss)
for k1, v1 in or_dict.items():
print(k1, v1)
for v1 in or_dict.values():
print(v1)
补充：向OrderDict中增加新的键值对时，可以指定增加在开头还是结尾。
or_dict = OrderedDict({'key1': 'value1', 'key2': 'value2', 'key3': 'value3'})
print(or_dict) # OrderedDict([('key1', 'value1'), ('key2', 'value2'), ('key3', 'value3')])
or_dict.move_to_end('key2', last=False) # last=True是默认参数，移动到最右边，此处已经设置为False
print(or_dict) # OrderedDict([('key2', 'value2'), ('key1', 'value1'), ('key3', 'value3')])
or_dict.popitem(last=False) #last=True 是默认参数的，弹出最右的元素，此处已经设置为False
print(or_dict) # OrderedDict([('key1', 'value1'), ('key3', 'value3')])
有序列表也可以实现FIFO（先进先出）
openpyxl模块
保存一个Excel文件
# _*_ coding: gbk _*_
# @Author: Wonder
# 写入Excel文件
from openpyxl import Workbook
wb_obj = Workbook() # 对象,最后以此wb_obj生成Excel文件
#下面的操作都是基于wb_obj对象进行
sheet1= wb_obj.create_sheet('python创建1', 0) # 创建工作表并命名和指定是第几张)
sheet2 = wb_obj.create_sheet('python创建2', 1) # title和第几页index
sheet1.title = 'py01修改' # 修改名字
sheet1['A5'] = 100
sheet1['D5'] = 5
sheet1['B5'] = '=SUM(A5+D5)' # Excel的函数
wb_obj.save('python创建的表格.xlsx') # 通过最初创建的对象，保存生成文件。在此指定文件名
读取一个Excel文件，修改数据并另存为新文件
# 读取Excel数据，修改，保存
from openpyxl import load_workbook
from openpyxl import Workbook
#取到文件
wb_load_obj = load_workbook('python创建的表格.xlsx')
#取到工作表
sheeeet = wb_load_obj['python创建2']
#取到工作表中的值
c7 = sheeeet['C7'].value
print(c7)
# 修改指定的值
sheeeet['C7'] = 7777
#再存档
wb_load_obj.save('读取修改储存副本.xlsx')
