### Python 对象的输入输出实验 #### 使用 `pickle` 进行对象序列化和反序列化 为了实现Python对象的持久存储以及跨进程的数据交换，通常会使用模块如 `pickle` 来完成对象的序列化（保存）与反序列化（加载）。下面是一个完整的例子来展示如何操作文件来进行对象的读取和写入。 ```python import pickle class Student: def __init__(self, name, age): self.name = name self.age = age def display(self): return f'Student Name: {self.name}, Age: {self.age}' # 创建学生实例 student_obj = Student('Alice', 20) # 序列化对象至文件 with open('student.pkl', 'wb') as file: pickle.dump(student_obj, file) # 反序列化对象从文件 with open('student.pkl', 'rb') as file: loaded_student = pickle.load(file) print(loaded_student.display()) ``` 上述代码展示了创建一个简单的类 `Student` 并对其进行序列化处理[^1]。通过这种方式能够有效地将复杂结构的对象转换成字节流形式存入磁盘或者网络传输；同样也可以把接收到的字节流转回原来的状态以便后续使用[^2]。 #### JSON 格式的对象输入输出 除了 `pickle` 外，JSON也是一种非常流行的用于表示结构化数据的轻量级格式，在Web开发领域应用广泛。这里给出一段基于json库的例子： ```python import json data = { "name": "Bob", "age": 25, "courses": ["Math", "English"] } # 将Python对象转为JSON字符串并写出到文件 with open('data.json', 'w') as outfile: json.dump(data, outfile) # 从文件中读取JSON字符串再解析为Python对象 with open('data.json', 'r') as infile: data_loaded = json.load(infile) print(f'Name: {data_loaded["name"]}') print(f'Courses:', ', '.join(data_loaded['courses'])) ``` 这段代码说明了怎样利用内置的 `json` 模块轻松地在Python原生类型之间互相转化，并且可以方便地与其他系统共享信息[^3]。 #### 文件中的CSV数据处理 当涉及到表格型数据时，CSV是一种常见的文本文件格式。以下是有关于CSV的操作案例： ```python import csv students = [ ['No.', 'Name', 'Age'], [1, 'Charlie', 22], [2, 'David', 23] ] # 写入csv文件 with open('students.csv', mode='w', newline='') as student_file: writer = csv.writer(student_file) writer.writerows(students) # 读取csv文件 with open('students.csv', mode='r') as student_file: reader = csv.reader(student_file) for row in reader: print(row) ``` 此部分演示了如何借助标准库里的 `csv` 工具包快速而简便地管理逗号分隔值类型的文档，这对于批量导入导出学籍档案之类的任务特别有用[^4]。