Python dump如何處理復雜數據結構

在Python中，pickle模塊是用于序列化和反序列化Python對象的工具，包括復雜的數據結構

以下是一個示例，展示了如何使用pickle處理包含多種數據類型的復雜數據結構：

import pickle

# 定義一個復雜的數據結構
data = {
    "list": [1, 2, 3, "hello", {"key": "value"}],
    "tuple": (1, 2, 3),
    "set": {1, 2, 3},
    "dict": {
        "key1": "value1",
        "key2": "value2",
        "key3": ["item1", "item2"],
    },
}

# 將數據結構序列化為字節流
serialized_data = pickle.dumps(data)

# 將字節流反序列化為原始數據結構
deserialized_data = pickle.loads(serialized_data)

print("Original data:", data)
print("Deserialized data:", deserialized_data)

輸出：

Original data: {'list': [1, 2, 3, 'hello', {'key': 'value'}], 'tuple': (1, 2, 3), 'set': {1, 2, 3}, 'dict': {'key1': 'value1', 'key2': 'value2', 'key3': ['item1', 'item2']}}
Deserialized data: {'list': [1, 2, 3, 'hello', {'key': 'value'}], 'tuple': (1, 2, 3), 'set': {1, 2, 3}, 'dict': {'key1': 'value1', 'key2': 'value2', 'key3': ['item1', 'item2']}}

在這個示例中，我們首先定義了一個包含列表、元組、集合和字典的復雜數據結構。然后，我們使用pickle.dumps()函數將其序列化為字節流。接下來，我們使用pickle.loads()函數將字節流反序列化為原始數據結構。最后，我們打印了原始數據結構和反序列化后的數據結構，可以看到它們是相同的。