Question

JSON是一种轻量级的数据交换格式。该格式跟编程语言无关，这一点不同于pickle模块（第12单元提过），但在数据表示方面，JSON有更多的限制，不如pickle灵活。

　什么人在使用JSON？

许多流行的网站，比如Twitter3、Facebook4和Yahoo! Weather5，都提供使用JSON作为数据交换格式的API。

3dev.twitter.com/overview/documentation

4developers.facebook.com

5developer.yahoo.com/weather/

JSON支持以下数据类型。

原子数据类型——字符串、数字、true、false和null

数组——使用方括号[]表示，对应Python的列表，数组各项可以使用不同的数据类型：

[1, 3.14, "a string", true, null]

对象——使用花括号（{}）表示，对应Python的字典，对象各项由冒号分隔的键和值组成：

{"age" : 37, "gender" : "male", "married" : true}

数组、对象和原子数据类型的任何递归组合（对象数组、项为数组的对象，等等）

有一个不尽如人意之处，那就是某些Python数据类型和结构（比如集合和复数）无法存储在JSON文件中。因此，要在导出到JSON之前，将它们转换为JSON可表示的数据类型。例如，将复数存储为两个double类型的数字组成的数组，将集合存储为一个由集合的各项所组成的数组。

将复杂数据存储到JSON文件中的操作称为序列化，相应的反向操作则称为反序列化。Python通过json模块中的函数，实现JSON序列化和反序列化。

函数dump()将一个能用JSON表示的Python对象导出（dump）到先前打开的文本文件。函数dumps()导出的Python对象为文本字符串（这是为了打印出美观的结果或实现进程间通信）。dump()和dumps()这两个函数都实现了序列化。

　pickling的意义

当数据保存到JSON文件时，只是保存了变量的值，重新加载后，这些值都是相互独立的。当使用pickle来保存同样的数据时，保存的是原始变量的引用，重新加载后，对同一变量的所有引用关系维持不变。

函数loads()将有效的JSON字符串转换为Python对象（即将对象“加载”到Python中）。实际中，总会遇到这样的转换。类似地，函数load()将已打开的文本文件的内容转换为一个Python对象。把多个对象存储在一个JSON文件中是一种错误的做法，但如果已有的文件包含多个对象，则可将其以文本的方式读入，进而将文本转换为对象数组（在文本中各个对象之间添加方括号和逗号分隔符），并使用loads()将文本反序列化为对象列表。

以下代码片段实现了将任意（可序列化的）对象按先序列化、后反序列化的顺序进行处理：

object = «some serializable object»
# 将对象保存到文件
with open("data.json", "w") as out_json:
  json.dump(object, out_json, indent=None, sort_keys=False)
# 从文件载入对象
with open("data.json") as in_json:
  object1 = json.load(in_json)
# 将对象序列化为字符串
json_string = json.dumps(object1)
# 把字符串解析为JSON
object2 = json.loads(json_string)

尽管经历了四次“痛苦”的转换，object、object1和object2仍然具有相同的值。

当预期到结果可能会被进一步处理或导入另一个程序时，通常都使用JSON格式来存储最终处理结果。