उदाहरण के साथ पायथन पिकलिंग को समझना

इस लेख में, हम पायथन में विभिन्न डेटा प्रकारों को चुनने के बारे में जानेंगे। हम बूलियन्स, इंटीजर, फ्लोट्स, कॉम्प्लेक्स नंबर्स, स्ट्रिंग्स, टुपल्स, लिस्ट्स, सेट्स और डिक्शनरी को चुन सकते हैं जिनमें पिक करने योग्य ऑब्जेक्ट होते हैं। जेनरेटर, इनर लोकल क्लासेस, लैम्ब्डा फंक्शन जैसी कुछ संस्थाओं को अचार नहीं बनाया जा सकता है।

अचार क्या है?

अचार बनाने में ऑब्जेक्ट प्रकार और संबंधित संरचनाओं के पायथन संस्थाओं को क्रमबद्ध और डी-सीरियलाइज़ करने का एक निरंतर चक्र शामिल है, जिसे मार्शलिंग या फ़्लैटनिंग भी कहा जाता है। इसमें मेमोरी में स्थित ऑब्जेक्ट को बाइट्स के रूप में परिवर्तित करना शामिल है जिसे डिस्क पर संग्रहीत किया जा सकता है या भेजा जा सकता है। एक स्थानीय नेटवर्क पर।

इसके उपयोग में बाधाएं?

जब हम विभिन्न प्रोग्रामिंग भाषाओं का उपयोग करके डेटा साझा करना चाहते हैं, तो अचार मॉड्यूल के उपयोग को प्राथमिकता नहीं दी जाती है। इसका मतलब है कि क्रॉस-प्लेटफ़ॉर्म संगतता की गारंटी नहीं है।

बिना फाइल हैंडलिंग के कच्चे डेटा पर अचार बनाया जा सकता है। इस मॉड्यूल में, हम सीखेंगे कि कैसे हम क्रमांकन की प्रक्रिया द्वारा कच्चे डेटा को बाइनरी फाइलों में चुन सकते हैं।

उदाहरण

# Python pickling
import pickle as pk
def learnData():
   # data to be stored in database
   dict_1 = {'tutorial':'point','Python':'3.x'}
   dict_2 = {'Data
structure':'dictionary','pickling':'serialization'}
   # database
   db = {}
   db['1'] = dict_1
   db['2'] = dict_2
   # binary file open using filepointer in append mode
   fp = open('Newfile', 'ab')
   # source, destination
   pk.dump(db, fp)
   fp.close()
def displayData():
   # binary file open using filepointer in read mode
   fp = open('Newfile', 'rb')
   db = pk.load(fp)
   for i in db:
      print(i, '=>', db[i])
   fp.close()
if __name__ == '__main__':
   learnData()
   displayData()

आउटपुट

dict_1 = {'tutorial':'point','Python':'3.x'}
dict_2 = {'Data structure':'dictionary','pickling':'serialization'}

निष्कर्ष

इस लेख में, हमने पायथन 3.x में अचार और अचार बनाना सीखा। या पहले बिल्ट-इन अचार मॉड्यूल का उपयोग कर रहे हैं।