进入正题：开始学习模块
Py模块本质来讲它就是py文件。
python之所以好用，有一个很重要的原因是它提供的模块多。
其中模块大致分为三种：

1）内置模块

python安装的时候自带的。

2）扩展模块

例：itchat(微信）beautiful soap (爬虫模块）
selenium （网页自动化测试工具）
diango tornado(框架)
别人写好的（一堆模块）,需要的时候安装上之后可以直接使用。
www.pypi.org网站就有提供模块下载。

3）自定义模块

自己写的模块之类

比如，我们在python代码中计算的一个数据需要给另外一段程序使用，那我们怎么给？
现在我们能想到的方法就是存在文件里，然后另一个python程序再从文件里读出来。
但是我们都知道，对于文件来说是没有字典这个概念的，所以我们只能将数据转换成字典放到文件中。
你一定会问，将字典转换成一个字符串很简单，就是str(dic)就可以办到了，为什么我们还要学习序列化模块呢？
没错序列化的过程就是从dic 变成str(dic)的过程。现在你可以通过str(dic)，将一个名为dic的字典转换成一个字符串，
但是你要怎么把一个字符串转换成字典呢？
聪明的你肯定想到了eval（)，如果我们将一个字符串类型的字典str_dic传给eval，就会得到一个返回的字典类型了。
eval（)函数十分强大，但是eval是做什么的？e官方demo解释为：将字符串str当成有效的表达式来求值并返回计算结果。
ＢＵＴ！强大的函数有代价。安全性是其最大的缺点。
想象一下，如果我们从文件中读出的不是一个数据结构，而是一句”删除文件”类似的破坏性语句，那么后果实在不堪设设想。
而使用eval就要担这个风险。
所以，我们并不推荐用eval方法来进行反序列化操作(将str转换成python中的数据结构)

序列化的目的

1、以某种存储形式使自定义对象持久化；
2、将对象从一个地方传递到另一个地方。
3、使程序更具维护性。

python 中的序列化模块有以下三种：

json 所有的编程语言都通用的序列化格式（使用广）但它支持的数据类型非常有限（支持窄）
支持的数据类型：数字,字符串,序列(列表,元祖),字典。
pickle 只能在python语言的程序之间传递数据用（使用窄）但pickle支持python中所有的数据类型（支持广）
shelve python3.x 之后才有。

JSON(JavaScript Object Notation)
是一种轻量级的数据交换格式。
它基于ECMAScript的一个子集。
JSON采用完全独立于语言的文本格式，但是也使用了类似于C语言家族的习惯
(包括C、C++、Java、JavaScript、Perl、Python等)。
这些特性使JSON成为理想的数据交换语言。
易于人阅读和编写，同时也易于机器解析和生成(一般用于提升网络传输速率)。

json序列化模块

小结：

dump序列化，load反序列化：主要用于一个数据直接存在文本里—直接和文件打交道。

讯享网

json中不支持除了str数据类型之外的key，对元祖也不支持，会将元祖看成列表去操作。

小技巧：
如何让json显示得更好看（更像一个json）

关于序列化中多次读写的这种操作:

json在多次dump（不隔行写入多个元素）的时候，不能对应执行多次load来取出数据，而pickle可以。

json如果要写入多个元素，可以先将元素dumps序列化，f.write(序列化+’ ’)写入文件。

读出元素的时候，应该先按行读文件，在使用loads将读出来的字符串转换成对应的数据类型。

pickle强大之处还在于它支持python中的所有数据类型，比如一个对象：
一个对象序列化到文件中，把一个对象完完整整的放进到一个文件中。
(例如游戏里的存档和读档)

python序列化模块-shelve模块详解

shelve：vt. 将（书等）放置在架子上；搁置，将某事放到一旁不予考虑；将…搁在一边；装搁架于；

（特别是在已有json和pickle的情况下）
使用json或者pickle持久化数据，能dump多次，但load的话只能取到最新的dump，
因为先前的数据已经被后面dump的数据覆盖掉了。
如果想要实现dump多次不被覆盖，就可以想到使用shelve模块。
shelve模块可以持久化所有pickle所支持的数据类型。
另外，写程序的时候如果不想用关系数据库那么重量级的去存储数据，也可以用到shelve。
shelf也是用key来访问的，使用起来和字典类似。
注意的是，在shelve模块中，key必须为字符串，而值可以是python所支持的数据类型。
另外，shelve其实用anydbm去创建DB并且管理持久化对象的。

shelve.py中的open方法代码如下：

上面的说明我们主要要注重到 d[key] = data 和 data = d[key],这俩充分说明了shelve的一些机制。
首先，shelve做为一个类似数据库缓存的大字典，肯定得支持用户对它写入一些键，这个很好理解。
但是，如果你在shelve db中己存在有一个key，你重新再写入与它同名的key的一些数据（data），
那新写入的这个覆盖掉旧的同样也是很好理解的。

那么不好理解的就是，为什么你对一个key里面的值去作出增加或删除其中一个元素的时候会修改不成功？
这里在data = d［key］里其实就给出了答案，这种属于对key的访问，返回的其实是条目（key）的一个拷贝！
所以才有了writeback这个默认参数的存在，让你可以自主选择要不要做出修改后，将拷贝写回！
这样就可以修改生效。

例：

所以我们一定要弄明白一件事情，
从shelve的db文件中重新再访问一个key拿的是它的拷贝！
修改此拷贝后不做拷贝写回并不影响原来的key，
但你要是直接做的操作是赋值新的值到一个key里，那肯定就是指向原来的key，会被覆盖的。
而这种赋值覆盖对于shelve来说这是一个正常的行为阿。
和键中的值看起来不能被修改一事并不矛盾。

writeback方式有优点也有缺点。

优点是减少了我们出错的概率，且让对象的持久化对用户更加的透明了；
但这种方式并不是所有的情况下都需要，
首先，使用writeback以后，shelf在open()的时候会增加额外的内存消耗，
并且当DB在close()的时候会将缓存中的每一个对象都写入到DB，这也会带来额外的等待时间。
因为shelve没有办法知道缓存中哪些对象修改了，哪些对象没有修改，因此所有的对象都会被写入。

应用场景例子：

模拟保存用户登录状态：
距离上一次登录不超过设置时间内的可以重新登录，
超过时间则无法再使用原用户密码登录。
又需要重新注册。

总之，大致上就是如此，shelve模块它可以当成一个轻量的数据库db来使用，
比起刚学python的时候使用文件来说，还是比较显得有趣和高大上一些的。
利用它的字典特性，也能玩转一下记录用户登录状态来完成一些例如再进其它页面，
再调用其它函数或方法就能正常调用不需重新认证等，简洁代码。
模拟感受一下有数据库存在的情景等还是比json和pickle有用的。

小结：
1、shelve模块将内存数据以字典的类型（key，value）通过文件持久化,模拟出简单的db效果。
2、shelve模块可以持久化任何pickle可支持的python数据格式，但是它的key必需得是字符串。
3、shelve可以看作是pickle模块的一个封装，但它实现了可以多次dump（后面的dump不会覆盖前面的）和多次load。
4、shelve访问己有key时，实际上取出的是数据源给出的一份拷贝，
所以对于拷贝做出的增加和删除等操作都需要用writeback=True参数才能实现写入回源中进行修改。
5、shelve对于d[key] = data这种操作，视为存储数据，无则新增，有则覆盖，
与访问key对当中的值（条目）进行修改默认不回写并不矛盾和冲突。
6、默认安装环境下，shelve中的r只读模式在python2.7能生效，在3.5环境中则不能生效。
有很大可能是与2.7中存在anydbm模块，而3.5中只存在dbm模块而不存在anydbm有关。