序列化（Serialization）與反序列化（Deserialization）是RESTful API 開發(fā)中繞不開的一環(huán)，開發(fā)時，序列化與反序列化的功能實現(xiàn)中通常也會包含數(shù)據校驗（Validation）相關的業(yè)務邏輯。

Marshmallow 是一個強大的輪子，很好的實現(xiàn)了 object -> dict ， objects -> list， string -> dict和 string -> list。

Marshmallow is an ORM/ODM/framework-agnostic library for converting complex datatypes, such as objects, to and from native Python datatypes.

-- From marshmallow官方文檔

Marshmallow的使用，將從下面幾個方面展開，在開始之前，首先需要一個用于序列化和反序列化的類，我直接與marshmallow官方文檔保持一致了：

class User(object):
 def __init__(self, name, email):
  self.name = name
  self.email = email
  self.created_at = dt.datetime.now()

在很多情況下，我們會有把 Python 對象進行序列化或反序列化的需求，比如開發(fā) REST API，比如一些面向對象化的數(shù)據加載和保存，都會應用到這個功能。

比如這里看一個最基本的例子，這里給到一個 User 的 Class 定義，再給到一個 data 數(shù)據，像這樣：

class User(object):
 def __init__(self, name, age):
 self.name = name
 self.age = age
data = [{
 'name': 'Germey',
 'age': 23
}, {
 'name': 'Mike',
 'age': 20
}]

現(xiàn)在我要把這個 data 快速轉成 User 組成的數(shù)組，變成這樣：

[User(name='Germey', age=23), User(name='Mike', age=20)]

你會怎么來實現(xiàn)？

或者我有了上面的列表內容，想要轉成一個 JSON 字符串，變成這樣：

[{"name": "Germey", "age": 23}, {"name": "Mike", "age": 20}]

你又會怎么操作呢？

另外如果 JSON 數(shù)據里面有各種各樣的臟數(shù)據，你需要在初始化時驗證這些字段是否合法，另外 User 這個對象里面 name、age 的數(shù)據類型不同，如何針對不同的數(shù)據類型進行針對性的類型轉換，這個你有更好的實現(xiàn)方案嗎？

初步思路

之前我寫過一篇文章介紹過 attrs 和 cattrs 這兩個庫，它們二者的組合可以非常方便地實現(xiàn)對象的序列化和反序列化。

譬如這樣：

from attr import attrs, attrib
from cattr import structure, unstructure
 
@attrs
class User(object):
 name = attrib()
 age = attrib()
 
data = {
 'name': 'Germey',
 'age': 23
}
user = structure(data, User)
print('user', user)
json = unstructure(user)
print('json', json)

運行結果：

user User(name='Germey', age=23) json {'name': 'Germey', 'age': 23}

好，這里我們通過 attrs 和 cattrs 這兩個庫來實現(xiàn)了單個對象的轉換。

首先我們要肯定一下 attrs 這個庫，它可以極大地簡化 Python 類的定義，同時每個字段可以定義多種數(shù)據類型。

但 cattrs 這個庫就相對弱一些了，如果把 data 換成數(shù)組，用 cattrs 還是不怎么好轉換的，另外它的 structure 和 unstructure 在某些情景下容錯能力較差，所以對于上面的需求，用這兩個庫搭配起來并不是一個最優(yōu)的解決方案。

另外數(shù)據的校驗也是一個問題，attrs 雖然提供了 validator 的參數(shù)，但對于多種類型的數(shù)據處理的支持并沒有那么強大。

所以，我們想要尋求一個更優(yōu)的解決方案。

更優(yōu)雅的方案

這里推薦一個庫，叫做 marshmallow，它是專門用來支持 Python 對象和原生數(shù)據相互轉換的庫，如實現(xiàn) object -> dict，objects -> list, string -> dict, string -> list 等的轉換功能，另外它還提供了非常豐富的數(shù)據類型轉換和校驗 API，幫助我們快速實現(xiàn)數(shù)據的轉換。

要使用 marshmallow 這個庫，需要先安裝下：

pip3 install marshmallow

好了之后，我們在之前的基礎上定義一個 Schema，如下：

class UserSchema(Schema):
 name = fields.Str()
 age = fields.Integer()
 @post_load
 def make(self, data, **kwargs):
 return User(**data)

還是之前的數(shù)據：

data = [{
 'name': 'Germey',
 'age': 23
}, {
 'name': 'Mike',
 'age': 20
}]

這時候我們只需要調用 Schema 的 load 事件就好了：

schema = UserSchema()
users = schema.load(data, many=True)
print(users)

輸出結果如下：

[User(name='Germey', age=23), User(name='Mike', age=20)]

這樣，我們非常輕松地完成了 JSON 到 User List 的轉換。

有人說，如果是單個數(shù)據怎么辦呢，只需要把 load 方法的 many 參數(shù)去掉即可：

data = {
 'name': 'Germey',
 'age': 23
}
 
schema = UserSchema()
user = schema.load(data)
print(user)

輸出結果：

User(name='Germey', age=23)

當然，這僅僅是一個反序列化操作，我們還可以正向進行序列化，以及使用各種各樣的驗證條件。

下面我們再來看看吧。

更方便的序列化

上面的例子我們實現(xiàn)了序列化操作，輸出了 users 為：

[User(name='Germey', age=23), User(name='Mike', age=20)]

有了這個數(shù)據，我們也能輕松實現(xiàn)序列化操作。

序列化操作，使用 dump 方法即可

result = schema.dump(users, many=True)
print('result', result)

運行結果如下：

result [{'age': 23, 'name': 'Germey'}, {'age': 20, 'name': 'Mike'}]

由于是 List，所以 dump 方法需要加一個參數(shù) many 為 True。

當然對于單個對象，直接使用 dump 同樣是可以的：

result = schema.dump(user)
print('result', result)

運行結果如下：

result {'name': 'Germey', 'age': 23}

這樣的話，單個、多個對象的序列化也不再是難事。

經過上面的操作，我們完成了 object 到 dict 或 list 的轉換，即：

object <-> dict objects <-> list

驗證

當然，上面的功能其實并不足以讓你覺得 marshmallow 有多么了不起，其實就是一個對象到基本數(shù)據的轉換嘛。但肯定不止這些，marshmallow 還提供了更加強大啊功能，比如說驗證，Validation。

比如這里我們將 age 這個字段設置為 hello，它無法被轉換成數(shù)值類型，所以肯定會報錯，樣例如下：

data = {
 'name': 'Germey',
 'age': 'hello'
}
from marshmallow import ValidationError
try:
 schema = UserSchema()
 user, errors = schema.load(data)
 print(user, errors)
except ValidationError as e:
 print('e.message', e.messages)
 print('e.valid_data', e.valid_data)

這里如果加載報錯，我們可以直接拿到 Error 的 messages 和 valid_data 對象，它包含了錯誤的信息和正確的字段結果，運行結果如下：

e.message {'age': ['Not a valid integer.']} e.valid_data {'name': 'Germey'}

因此，比如我們想要開發(fā)一個功能，比如用戶注冊，表單信息就是提交過來的 data，我們只需要過一遍 Validation，就可以輕松得知哪些數(shù)據符合要求，哪些不符合要求，接著再進一步進行處理。

當然驗證功能肯定不止這一些，我們再來感受一下另一個示例：

from pprint import pprint
from marshmallow import Schema, fields, validate, ValidationError
class UserSchema(Schema):
 name = fields.Str(validate=validate.Length(min=1))
 permission = fields.Str(validate=validate.OneOf(['read', 'write', 'admin']))
 age = fields.Int(validate=validate.Range(min=18, max=40))
in_data = {'name': '', 'permission': 'invalid', 'age': 71}
try:
 UserSchema().load(in_data)
except ValidationError as err:
 pprint(err.messages)

比如這里的 validate 字段，我們分別校驗了 name、permission、age 三個字段，校驗方式各不相同。

如 name 我們要判斷其最小值為 1，則使用了 Length 對象。permission 必須要是幾個字符串之一，這里又使用了 OneOf 對象，age 又必須是介于某個范圍之間，這里就使用了 Range 對象。

下面我們故意傳入一些錯誤的數(shù)據，看下運行結果：

{'age': ['Must be greater than or equal to 18 and less than or equal to 40.'], 'name': ['Shorter than minimum length 1.'], 'permission': ['Must be one of: read, write, admin.']}

可以看到，這里也返回了數(shù)據驗證的結果，對于不符合條件的字段，一一進行說明。

另外我們也可以自定義驗證方法：

from marshmallow import Schema, fields, ValidationError
def validate_quantity(n):
 if n < 0:
 raise ValidationError('Quantity must be greater than 0.')
 if n > 30:
 raise ValidationError('Quantity must not be greater than 30.')
class ItemSchema(Schema):
 quantity = fields.Integer(validate=validate_quantity)
in_data = {'quantity': 31}
try:
 result = ItemSchema().load(in_data)
except ValidationError as err:
 print(err.messages)

通過自定義方法，同樣可以實現(xiàn)更靈活的驗證，運行結果：

{'quantity': ['Quantity must not be greater than 30.']}

對于上面的例子，還有更優(yōu)雅的寫法：

from marshmallow import fields, Schema, validates, ValidationError
class ItemSchema(Schema):
 quantity = fields.Integer()
 @validates('quantity')
 def validate_quantity(self, value):
 if value < 0:
  raise ValidationError('Quantity must be greater than 0.')
 if value > 30:
  raise ValidationError('Quantity must not be greater than 30.')

通過定義方法并用 validates 修飾符，使得代碼的書寫更加簡潔。

必填字段

如果要想定義必填字段，只需要在 fields 里面加入 required 參數(shù)并設置為 True 即可，另外我們還可以自定義錯誤信息，使用 error_messages 即可，例如：

from pprint import pprint
from marshmallow import Schema, fields, ValidationError
class UserSchema(Schema):
 name = fields.String(required=True)
 age = fields.Integer(required=True, error_messages={'required': 'Age is required.'})
 city = fields.String(
 required=True,
 error_messages={'required': {'message': 'City required', 'code': 400}},
 )
 email = fields.Email()
try:
 result = UserSchema().load({'email': 'foo@bar.com'})
except ValidationError as err:
 pprint(err.messages)

默認字段

對于序列化和反序列化字段，marshmallow 還提供了默認值，而且區(qū)分得非常清楚！如 missing 則是在反序列化時自動填充的數(shù)據，default 則是在序列化時自動填充的數(shù)據。

例如：

from marshmallow import Schema, fields
import datetime as dt
import uuid
class UserSchema(Schema):
 id = fields.UUID(missing=uuid.uuid1)
 birthdate = fields.DateTime(default=dt.datetime(2017, 9, 29))
print(UserSchema().load({}))
print(UserSchema().dump({}))

這里我們都是定義的空數(shù)據，分別進行序列化和反序列化，運行結果如下：

{'id': UUID('06aa384a-570c-11ea-9869-a0999b0d6843')} {'birthdate': '2017-09-29T00:00:00'}

可以看到，在沒有真實值的情況下，序列化和反序列化都是用了默認值。

這個真的是解決了我之前在 cattrs 序列化和反序列化時候的痛點??！

指定屬性名

在序列化時，Schema 對象會默認使用和自身定義相同的 fields 屬性名，當然也可以自定義，如：

class UserSchema(Schema):
 name = fields.String()
 email_addr = fields.String(attribute='email')
 date_created = fields.DateTime(attribute='created_at')
 
user = User('Keith', email='keith@stones.com')
ser = UserSchema()
result, errors = ser.dump(user)
pprint(result)

運行結果如下：

{'name': 'Keith', 'email_addr': 'keith@stones.com', 'date_created': '2014-08-17T14:58:57.600623+00:00'}

反序列化也是一樣，例如：

class UserSchema(Schema):
 name = fields.String()
 email = fields.Email(load_from='emailAddress')
data = {
 'name': 'Mike',
 'emailAddress': 'foo@bar.com'
}
s = UserSchema()
result, errors = s.load(data)

運行結果如下：

{'name': u'Mike', 'email': 'foo@bar.com'}

嵌套屬性

對于嵌套屬性，marshmallow 當然也不在話下，這也是讓我覺得 marshmallow 非常好用的地方，例如：

from datetime import date
from marshmallow import Schema, fields, pprint
class ArtistSchema(Schema):
 name = fields.Str()
class AlbumSchema(Schema):
 title = fields.Str()
 release_date = fields.Date()
 artist = fields.Nested(ArtistSchema())
bowie = dict(name='David Bowie')
album = dict(artist=bowie, title='Hunky Dory', release_date=date(1971, 12, 17))
schema = AlbumSchema()
result = schema.dump(album)
pprint(result, indent=2)

這樣我們就能充分利用好對象關聯(lián)外鍵來方便地實現(xiàn)很多關聯(lián)功能。

以上介紹的內容基本算在日常的使用中是夠用了，當然以上都是一些基本的示例，對于更多功能，可以參考 marchmallow 的官方文檔： https://marshmallow.readthedocs.io/en/stable/，強烈推薦大家用起來 。

總結

到此這篇關于Python 序列化和反序列化庫 MarshMallow 的用法實例代碼的文章就介紹到這了,更多相關Python 序列化和反序列化庫 MarshMallow 內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！