


Bagaimanakah saya boleh membuat objek tersuai JSON boleh bersiri menggunakan pengekod lalai dalam Python?
Menjadikan Objek JSON Boleh Diseri dengan Pengekod Lalai
Kaedah lalai untuk mensiri objek tersuai, tidak boleh bersiri kepada JSON melibatkan subkelas json.JSONEncoder dan menghantar pengekod tersuai kepada json.dumps(). Ini biasanya menghasilkan kod yang kelihatan seperti ini:
<code class="python">class CustomEncoder(json.JSONEncoder): def default(self, obj): if isinstance(obj, Foo): return obj.to_json() return json.JSONEncoder.default(self, obj) print(json.dumps(obj, cls=CustomEncoder))</code>
Walau bagaimanapun, bagaimana jika anda ingin menjadikan objek boleh bersiri menggunakan pengekod lalai? Malangnya, tiada penyelesaian mudah yang ditawarkan oleh modul json.
Menggunakan Monkey-Patching untuk Pengekodan Lalai
Walaupun terdapat batasan modul json, adalah mungkin untuk mencapai kefungsian yang diingini melalui teknik yang dipanggil tampalan monyet. Ini melibatkan pengubahsuaian kelakuan lalai modul json dengan menggantikan kaedah lalai()nya.
Dengan mencipta modul yang mengubah suai kaedah JSONEncoder.default(), semua operasi bersiri JSON berikutnya akan terjejas, kerana modul adalah dicache dalam sys.modules. Modul kendiri berikut menunjukkan cara untuk melaksanakan tampalan monyet ini:
<code class="python">import json def _default(self, obj): return getattr(obj.__class__, "to_json", _default.default)(obj) _default.default = JSONEncoder.default JSONEncoder.default = _default</code>
Untuk menggunakan modul tampalan monyet ini, hanya importnya dan ia akan menggunakan perubahan secara automatik pada modul json.
Menambah Kaedah Khas untuk Pensirian Objek
Untuk mendayakan pensirilan JSON automatik bagi kelas tersuai anda, anda boleh menentukan kaedah khas yang dipanggil __json__ di dalamnya. JSONEncoder akan menyemak kaedah ini dan menggunakan nilai pulangannya untuk bersiri. Ini mengelakkan keperluan untuk kaedah to_json() yang eksplisit.
Menyerikan Objek Python dengan Pickle
Satu lagi pendekatan untuk bersiri automatik ialah menggunakan modul jeruk bersama-sama dengan JSONEncoder yang ditampal monyet. Dengan mengatasi kaedah lalai() untuk memetik objek Python yang bukan jenis JSON standard, anda boleh mencapai penyirian tanpa memerlukan kaedah kelas khas.
Penyahserilan dengan jeruk
Untuk membina semula Python asal objek daripada perwakilan JSON yang dihasilkan oleh siri berasaskan jeruk, anda boleh menyediakan fungsi object_hook tersuai semasa penyahserikatan. Fungsi ini boleh mengesan kekunci '_python_object' yang ditambahkan semasa penyirian dan menggunakannya untuk membina semula objek asal menggunakan pickle.loads().
Kesimpulan
Walaupun modul json tidak menyediakan langsung cara untuk menjadikan objek JSON boleh bersiri dengan pengekod lalai, adalah mungkin untuk mencapainya melalui tampalan monyet atau dengan menggunakan modul jeruk. Pendekatan acar membolehkan penyirian automatik kebanyakan objek Python, menjadikannya penyelesaian yang lebih umum.
Atas ialah kandungan terperinci Bagaimanakah saya boleh membuat objek tersuai JSON boleh bersiri menggunakan pengekod lalai dalam Python?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas











Python lebih mudah dipelajari dan digunakan, manakala C lebih kuat tetapi kompleks. 1. Sintaks Python adalah ringkas dan sesuai untuk pemula. Penaipan dinamik dan pengurusan memori automatik menjadikannya mudah digunakan, tetapi boleh menyebabkan kesilapan runtime. 2.C menyediakan kawalan peringkat rendah dan ciri-ciri canggih, sesuai untuk aplikasi berprestasi tinggi, tetapi mempunyai ambang pembelajaran yang tinggi dan memerlukan memori manual dan pengurusan keselamatan jenis.

Untuk memaksimumkan kecekapan pembelajaran Python dalam masa yang terhad, anda boleh menggunakan modul, masa, dan modul Python. 1. Modul DateTime digunakan untuk merakam dan merancang masa pembelajaran. 2. Modul Masa membantu menetapkan kajian dan masa rehat. 3. Modul Jadual secara automatik mengatur tugas pembelajaran mingguan.

Python lebih baik daripada C dalam kecekapan pembangunan, tetapi C lebih tinggi dalam prestasi pelaksanaan. 1. Sintaks ringkas Python dan perpustakaan yang kaya meningkatkan kecekapan pembangunan. 2. Ciri-ciri jenis kompilasi dan kawalan perkakasan meningkatkan prestasi pelaksanaan. Apabila membuat pilihan, anda perlu menimbang kelajuan pembangunan dan kecekapan pelaksanaan berdasarkan keperluan projek.

Python dan C masing -masing mempunyai kelebihan sendiri, dan pilihannya harus berdasarkan keperluan projek. 1) Python sesuai untuk pembangunan pesat dan pemprosesan data kerana sintaks ringkas dan menaip dinamik. 2) C sesuai untuk prestasi tinggi dan pengaturcaraan sistem kerana menaip statik dan pengurusan memori manual.

Adakah cukup untuk belajar Python selama dua jam sehari? Ia bergantung pada matlamat dan kaedah pembelajaran anda. 1) Membangunkan pelan pembelajaran yang jelas, 2) Pilih sumber dan kaedah pembelajaran yang sesuai, 3) mengamalkan dan mengkaji semula dan menyatukan amalan tangan dan mengkaji semula dan menyatukan, dan anda secara beransur-ansur boleh menguasai pengetahuan asas dan fungsi lanjutan Python dalam tempoh ini.

Pythonlistsarepartofthestandardlibrary, sementara

Python cemerlang dalam automasi, skrip, dan pengurusan tugas. 1) Automasi: Sandaran fail direalisasikan melalui perpustakaan standard seperti OS dan Shutil. 2) Penulisan Skrip: Gunakan Perpustakaan Psutil untuk memantau sumber sistem. 3) Pengurusan Tugas: Gunakan perpustakaan jadual untuk menjadualkan tugas. Kemudahan penggunaan Python dan sokongan perpustakaan yang kaya menjadikannya alat pilihan di kawasan ini.

Aplikasi utama Python dalam pembangunan web termasuk penggunaan kerangka Django dan Flask, pembangunan API, analisis data dan visualisasi, pembelajaran mesin dan AI, dan pengoptimuman prestasi. 1. Rangka Kerja Django dan Flask: Django sesuai untuk perkembangan pesat aplikasi kompleks, dan Flask sesuai untuk projek kecil atau sangat disesuaikan. 2. Pembangunan API: Gunakan Flask atau DjangorestFramework untuk membina Restfulapi. 3. Analisis Data dan Visualisasi: Gunakan Python untuk memproses data dan memaparkannya melalui antara muka web. 4. Pembelajaran Mesin dan AI: Python digunakan untuk membina aplikasi web pintar. 5. Pengoptimuman Prestasi: Dioptimumkan melalui pengaturcaraan, caching dan kod tak segerak
