文件——以json格式存储python对象 | 第二部分 类型与操作 —— 第 9 章: 元组，文件和其他 |《学习 python：强大的面向对象编程（第 5 版）》| python 技术论坛-大发黄金版app下载
前一节的 pickle 模块将几乎任意的python对象转换为专为python开发的专有格式，并在性能上打磨了很多年。json 是一个更新的，新兴的数据交换格式，它既程序语言中立又被许多系统支持。比如，mongodb，将数据存储在json文档数据库中（使用二进制json格式）。
json不支持像pickle那么多python对象类型，但它的可移植性在某些场景下是一个优势，且它表示了另一种序列化特定类别的python对象用来存储和传输的方法。而且，因为json和python字典和列表在语法上如此相近，所以在它与python对象之间的相互转换是很简单的，且被 json 标准库模块自动完成。
比如，带有嵌套结构的python字典非常类似于json数据，虽然python的变量和表达式支持更丰富的结构选项（下面的任何一部分都可以是python代码中的任意表达式）：
>>> name = dict(first='bob', last='smith')
>>> rec = dict(name=name, job=['dev', 'mgr'], age=40.5)
>>> rec
{'job': ['dev', 'mgr'], 'name': {'last': 'smith', 'first': 'bob'},
'age': 40.5}这里显示的最终字典格式是python中的有效字面量，且当按原样打印出时几乎和json看起来一样，但 json 模块让转换变得正式——这里在内存中将python对象与json序列化的字符串表示形式相互转换：
>>> import json
>>> json.dumps(rec)
'{"job": ["dev", "mgr"], "name": {"last": "smith", "first": "bob"},
"age": 40.5}'
>>> s = json.dumps(rec)
>>> s
'{"job": ["dev", "mgr"], "name": {"last": "smith", "first": "bob"},
"age": 40.5}'
>>> o = json.loads(s)
>>> o
{'job': ['dev', 'mgr'], 'name': {'last': 'smith', 'first': 'bob'},
'age': 40.5}
>>> o == rec
truepython对象与文件中的json数据字符串之间的相互转换也是类似地简单。在被存储到文件前，数据只是简单的python对象；当json模块从文件载入json的文本表示时，json模块重新创建了它们：
>>> json.dump(rec, fp=open('testjson.txt', 'w'), indent=4)
>>> print(open('testjson.txt').read())
{
"job": [
"dev",
"mgr"
],
"name": {
"last": "smith",
"first": "bob"
},
"age": 40.5
}
>>> p = json.load(open('testjson.txt'))
>>> p
{'job': ['dev', 'mgr'], 'name': {'last': 'smith', 'first': 'bob'},
'age': 40.5}一旦从json文本中转换为对象，就可以在脚本中使用普通的python对象操作来处理数据。要获取关于json相关主题的更多细节，请参见python的库手册并搜索网络。
注意：为了支持从国际化字符集中提取出的文本，json中的字符串都是unicode的，so you’ll see a leading u on strings after translating from json data in python 2.x (but not in 3.x); this is just the syntax of unicode objects in 2.x, as introduced chapter 4 and chapter 7, and
covered in full in chapter 37. 因为unicode文本字符串支持所有常见的字符串操作，当文本处于内存中时这个差异可以忽略；当在文件中来回转换时且通常只对于非acsii文本类型（这里编码开始起作用），这个差异很重要。
注意
在python世界还有对“对象和xml（在第37章使用的文本格式）的相互转换”的支持。请上网查询细节。要了解另一个半相关的处理格式化数据文件的工具，请参见标准库的csv模块。它解析和创建了在文件和字符串中的csv(comma-separated value)数据。它没有直接映射为python对象，但却是另一个常见的数据交换格式：
>>> import csv
>>> rdr = csv.reader(open('csvdata.txt'))
>>> for row in rdr: print(row)
...
['a', 'bbb', 'cc', 'dddd']
['11', '22', '33', '44']