Python dumps，dump区别，以及详细用法

这是一个非常核心的Python知识点。下面我将从核心区别、详细参数、实战示例以及其他模块（如pickle）的用法四个维度为你进行全面解析。

一、核心区别（先看这个）

简单来说，区别只在于“输出到哪里”：

二、详细用法与参数解析

两者都属于json模块，用于将 Python 字典/列表等对象转换为 JSON 格式。

1.json.dumps()(Serialize to String)

功能：将 Python 对象转换成 JSON 字符串。

语法：

json.dumps(obj, *, skipkeys=False, ensure_ascii=True, check_circular=True, allow_nan=True, cls=None, indent=None, separators=None, default=None, sort_keys=False, **kw)

关键参数详解：

• indent(int): 缩进空格数，用于美化输出（Pretty Print）。

• ensure_ascii(bool): 默认为True。若为False，则允许输出非ASCII字符（如中文），否则会转义为\uXXXX。

• sort_keys(bool): 默认为False。若为True，输出的字典按键名排序。

• separators(tuple): 去除多余空格，压缩JSON。例如(',', ':')。

示例：

import json data = { "name": "张三", "age": 28, "skills": ["Python", "Java"], "is_student": False } # 1. 基础用法 json_str = json.dumps(data) print(json_str) # 输出: {"name": "\u5f20\u4e09", "age": 28, "skills": ["Python", "Java"], "is_student": false} # 2. 显示中文 + 美化输出 pretty_json = json.dumps(data, ensure_ascii=False, indent=4, sort_keys=True) print(pretty_json) # 输出: # { # "age": 28, # "is_student": false, # "name": "张三", # "skills": [ # "Python", # "Java" # ] # } # 3. 压缩JSON（用于网络传输） compact_json = json.dumps(data, separators=(',', ':')) print(compact_json) # 输出: {"name":"张三","age":28,"skills":["Python","Java"],"is_student":false}

2.json.dump()(Serialize to File)

功能：将 Python 对象序列化并直接写入一个文件对象。

语法：

json.dump(obj, fp, *, skipkeys=False, ensure_ascii=True, check_circular=True, allow_nan=True, cls=None, indent=None, separators=None, default=None, sort_keys=False, **kw)

参数含义与dumps完全一致，只是第一个参数后多了一个文件指针fp。

示例：

import json data = {"project": "AI Assistant", "version": 1.0} # 结合 with open 语句使用是最佳实践 with open('config.json', 'w', encoding='utf-8') as f: # 直接将 data 写入文件 f json.dump(data, f, ensure_ascii=False, indent=4) # 此时文件 config.json 的内容已经是格式化好的 JSON

三、反序列化：load与loads

为了形成完整知识体系，必须提及对应的读取函数：

# 接上面的 config.json 文件 with open('config.json', 'r', encoding='utf-8') as f: loaded_data = json.load(f) # 从文件加载 print(loaded_data['project']) # 输出: AI Assistant json_text = '{"city": "Beijing", "population": 2100}' parsed_data = json.loads(json_text) # 从字符串加载 print(parsed_data['city']) # 输出: Beijing

四、扩展到pickle模块（二进制序列化）

pickle是 Python 特有的序列化模块，规则一模一样：带 s 是字符串，不带 s 是文件。

⚠️安全警告：永远不要unpickle来自不信任来源的数据，这可能导致代码执行漏洞。

import pickle data = {'list': [1, 2, 3], 'tuple': (4, 5)} # 1. dumps -> bytes (注意是字节串，不是字符串) byte_data = pickle.dumps(data) print(byte_data) # 输出类似 b'\x80\x04\x95...' # 2. loads -> object restored = pickle.loads(byte_data) print(restored) # {'list': [1, 2, 3], 'tuple': (4, 5)} # 3. dump -> 文件 with open('data.pkl', 'wb') as f: # 注意是 'wb' 二进制写入 pickle.dump(data, f) # 4. load -> 从文件恢复 with open('data.pkl', 'rb') as f: # 注意是 'rb' 二进制读取 restored_from_file = pickle.load(f)

五、如何选择？一张表总结

终极记忆口诀

s 代表 String (字符串)

没有 s 代表 Stream/File (流/文件)