1 数据持久化 —— 让程序不再失忆

是什么？为什么学？

持久化（persistence）就是把程序运行期间存在内存里的数据，保存到硬盘上，让程序关闭之后数据依然存在。内存的致命缺点是断电即失——程序一关，所有变量、列表、字典全部清零。学会它，你的程序才真正开始「积累数据」，这是从「玩具程序」走向「实用工具」的分水岭。

底层原理

程序运行时数据存在内存（RAM）里，访问极快但断电消失；硬盘上的文件可以永久保存。持久化的本质是：把内存中的数据结构，翻译成一种能写成文件、又能从文件读回来的格式——翻译过去叫「序列化」，翻译回来叫「反序列化」。今天学的 CSV 和 JSON 就是两种「翻译格式」，csv 和 json 模块就是「翻译官」。

术语小词典：序列化（serialization）就是把内存里的对象「翻译成能存进文件的文本」；反序列化（deserialization）就是反过来「从文本还原成对象」。

生活类比

持久化像写日记 vs 记在脑子里：不写日记，睡一觉（程序关闭）就全忘了；写进日记本（文件），明天翻开还记得。CSV 和 JSON 是两种「日记本」：CSV 是表格，JSON 是带层级的卡片。

注意事项总结

1 没有持久化的程序——数据用完就没了：

students = ["张三", "李四"]
print("程序运行中：", students)

运行结果：

程序运行中： ['张三', '李四']

列表存在内存里，程序一结束内存被回收，数据归零——下次运行又要从头输入。

2 有持久化的程序——数据存进文件，下次还能读回来：

with open("memo.txt", "w", encoding="utf-8") as f:
    f.write("张三\n李四\n")

with open("memo.txt", "r", encoding="utf-8") as f:
    restored = f.read()
print(restored)

运行结果：

张三
李四

第一段 "w" 模式把数据写进文件，第二段 "r" 模式读回变量。程序关掉再打开，只要文件还在，数据就还在——这就是「存-读」闭环。

易错点

• 错误写法：只写不读：写完文件后从不验证 → 问题：存的时候报错了你都不知道 → 正确写法：写完文件后马上读一遍验证（闭环测试）。
• 错误写法：用 "w" 模式反复写同一个文件 → 问题：每次打开都会清空原内容，旧数据被覆盖 → 正确写法：要保留旧数据改用 "a" 追加，或换文件名。
• 错误写法：以为数据存进变量就「保存」了 → 问题：变量在内存里，程序一关就没了 → 正确写法：保存 = 写到文件（open + 写操作）。

记忆口诀：内存断电就清零，写进文件才保命；存读闭环要验证，写完马上读一遍。

2 CSV —— 给表格数据准备的通用格式

是什么？为什么学？

CSV（Comma-Separated Values，逗号分隔值）：用逗号把「一行的各个单元格」分隔开的纯文本表格格式，第一行常是表头（列名），后面每行是一条记录。它的优势是极简、通用：Excel、WPS、任何编程语言都能直接处理。成绩表、订单表、日志导出都绕不开它。

底层原理

CSV 文件本质就是一个纯文本文件：每行是一条记录，行内单元格用逗号隔开。难点在「边界情况」：如果单元格内容本身含逗号（如备注”喜欢,篮球”），直接按逗号切分就会切错。所以 csv 模块写入时自动给特殊内容加引号，读取时自动还原——你不用手动处理这些细节。

生活类比

CSV 像超市的购物小票：一行一行打，每项用逗号隔开，机器（Excel）拿到小票就能识别每一列。就算某项里含有逗号，打印机会用引号把它「包起来」防止认错——csv 模块就是这台自动打印机。

注意事项总结

1 csv.writer 写文件 + csv.reader 读文件（最基础的一对）：

import csv
with open("students.csv", "w", newline="", encoding="utf-8") as f:
    writer = csv.writer(f)
    writer.writerow(["姓名", "年龄"])      # 表头：一列一个名字
    writer.writerow(["张三", 18])
    writer.writerow(["李四", 19])
with open("students.csv", "r", encoding="utf-8") as f:
    for row in csv.reader(f):
        print(row)

运行结果：

['姓名', '年龄']
['张三', '18']
['李四', '19']

csv.writer(f) 创建写入器，writerow([...]) 每调用一次写一行；csv.reader(f) 用 for 循环逐行拿到列表。newline="" 是 Windows 上防止多余空行的固定搭配。

2 单元格里含逗号怎么办——csv 模块自动用引号包起来：

import csv
with open("names.csv", "w", newline="", encoding="utf-8") as f:
    writer = csv.writer(f)
    writer.writerow(["姓名", "备注"])
    writer.writerow(["小明", "喜欢,篮球"])   # 备注里有一个英文逗号！
with open("names.csv", "r", encoding="utf-8") as f:
    for row in csv.reader(f):
        print(row)

运行结果：

['姓名', '备注']
['小明', '喜欢,篮球']

csv.writer 检测到内容含逗号，自动加引号（打开文件能看到 "喜欢,篮球"）；读取时自动去掉引号。自己用 split(",") 切会切成三个单元格。

3 DictWriter / DictReader——用「列名」读写，不再记下标：

import csv

with open("scores.csv", "w", newline="", encoding="utf-8") as f:
    writer = csv.DictWriter(f, fieldnames=["姓名", "语文", "数学"])
    writer.writeheader()                     # 用列名列表自动写表头
    writer.writerow({"姓名": "张三", "语文": 90, "数学": 85})

with open("scores.csv", "r", encoding="utf-8") as f:
    for row in csv.DictReader(f):
        print(row["姓名"], "的语文成绩：", row["语文"])

运行结果：

张三 的语文成绩： 90

DictWriter 写入时用字典，列名由 fieldnames 统一声明，writeheader() 自动写表头；DictReader 读取时每行是字典，用列名 row["姓名"] 取值。读出来的值全是字符串。

易错点

• 错误写法：写 CSV 时漏掉 newline="" → 问题：Windows 上每行之间多一个空行 → 正确写法：写 CSV 固定 open(file, "w", newline="", encoding="utf-8")。
• 错误写法：直接对文件对象用 split(",") 切行 → 问题：单元格内含逗号时被错误切分 → 正确写法：一律用 csv.reader / csv.writer 处理。
• 错误写法：读取后直接 row[1] + 1 做运算 → 问题：读出来是字符串 '18'，字符串加数字报错 → 正确写法：先转换：int(row[1])。

记忆口诀：写带 newline，读用 for 行；逗号含特殊，模块自动包；列名好记用 Dict。

3 JSON —— 嵌套数据的通用格式

是什么？为什么学？

JSON（JavaScript Object Notation，JavaScript 对象表示法）：用「花括号 + 冒号」描述嵌套数据的文本格式，语法和 Python 的字典 / 列表几乎一样。它是现代程序之间交换数据的事实标准：网页和服务器、配置文件、爬虫数据全都用它。学 JSON，你的程序就能「说全世界的通用语言」，还能把任意嵌套结构完整地存进文件再读回来。

底层原理

JSON 只有 6 种数据类型：对象 {}（对应 Python 字典）、数组 []（对应列表）、字符串、数字、布尔值（true / false）、空值 null。json 模块负责「翻译」：dumps / dump 把 Python 对象翻译成 JSON 文本，loads / load 翻译回来。为什么不能直接把对象写进文件？ 文件只能存文本，字典、列表是内存里的复杂结构，必须先「翻译成文本」才能落盘。注意：JSON 的字符串和键名必须用双引号——这是新手最容易踩的坑。

生活类比

JSON 像快递面单：寄件信息、收件信息、物品清单都按固定格式填在一张单子上（嵌套：面单里又分「寄件信息」「收件信息」两块）。快递公司（另一个程序）拿到面单，按格式就能看懂全部信息——JSON 就是程序之间的「通用面单」。

注意事项总结

1 dumps / loads——字符串与对象的互转：

import json

student = {"name": "张三", "age": 18}
text = json.dumps(student, ensure_ascii=False)
print(text)
print(type(text))
back = json.loads(text)
print(back["name"], back["age"] + 2)

运行结果：

{"name": "张三", "age": 18}
<class 'str'>
张三 20

json.dumps 把字典翻译成 JSON 字符串（键名变双引号）；ensure_ascii=False 让中文原样显示；json.loads 把字符串翻译回字典，back["age"] + 2 证明它能像普通字典一样运算。

2 dump / load——直接写文件和读文件（持久化标准姿势）：

import json

students = [{"name": "张三", "score": 90}, {"name": "李四", "score": 78}]

with open("students.json", "w", encoding="utf-8") as f:
    json.dump(students, f, ensure_ascii=False, indent=2)

with open("students.json", "r", encoding="utf-8") as f:
    loaded = json.load(f)

print(type(loaded))
print(loaded[1]["name"])

运行结果：

<class 'list'>
李四

json.dump(students, f, ...) 把整个列表写进文件（不用加 newline=""）；json.load(f) 从文件读回，类型仍是 list。存进去什么样，读出来还是什么样——这是 JSON 持久化最省心的地方。

3 嵌套数据——JSON 的真正优势：

import json

data = {
    "班级": "Python 班",
    "学生": [
        {"name": "张三", "scores": [90, 85]},
        {"name": "李四", "scores": [78, 92]},
    ],
}
text = json.dumps(data, ensure_ascii=False)   # 不带 indent，输出紧凑版
print(text)
back = json.loads(text)
print(back["学生"][0]["scores"][1])

运行结果：

{"班级": "Python 班", "学生": [{"name": "张三", "scores": [90, 85]}, {"name": "李四", "scores": [78, 92]}]}
85

这是「字典套列表、列表套字典」的三层嵌套，CSV 表达不了，JSON 却原样保留。想要整齐的层级缩进，加上 indent=2 即可。层级越深，JSON 的优势越大。

易错点

• 错误写法：写 JSON 时忘了 ensure_ascii=False → 问题：中文全变成 \u5f20 转义码，人没法读 → 正确写法：json.dump(..., ensure_ascii=False)。
• 错误写法：手写 JSON 用了单引号（{'name': '张三'}） → 问题：json.loads 报 JSONDecodeError，JSON 标准要求双引号 → 正确写法：手写 JSON 一律用双引号。
• 错误写法：混淆 dump / dumps → 问题：dump 要文件对象，dumps 要字符串，传错报错 → 正确写法：带 s（string）的处理字符串，不带 s 的处理文件。

记忆口诀：dumps 出字符串，loads 吃字符串；dump 进文件，load 出文件；中文加 False，缩进写 indent。

4 CSV vs JSON —— 怎么选？怎么互相转换？

是什么？为什么学？

学了两种格式，最实际的问题是：这份数据到底该用 CSV 还是 JSON？ 选错了，要么嵌套结构塞不进 CSV，要么简单表格白白增加复杂度。这一节先学会「按数据结构选格式」，再学会「CSV 读进来 → JSON 存出去」的转换套路——「表格数据进系统，JSON 存内部」是真实项目里极常见的需求。

底层原理

两者的本质区别在「维度」：CSV 是二维平面——只有「行 × 列」，一格只能放一个值；JSON 是任意深度——通过对象和数组无限嵌套。选择规则很朴素：数据是规整表格 → CSV；数据有嵌套 → JSON。转换也不难：CSV 读出来是「行列表 / 字典列表」，JSON 存的也是「列表套字典」，结构一致，直接「读 A 写 B」就是转换。

生活类比

CSV 像Excel 表格：横平竖直，适合整齐数据；JSON 像文件夹套文件夹：张三是一个文件夹，里面再放「语文、数学」两个子文件夹，层级分明。

注意事项总结

1 判断用哪种格式——先看结构再选：

rows = [{"name": "张三", "age": 18}, {"name": "李四", "age": 19}]
nested = {"学生": [{"name": "张三", "scores": {"语文": 90}}, {"name": "李四", "scores": {"语文": 78}}]}
print("rows 是规整表格 → 用 CSV；nested 有嵌套层级 → 用 JSON")

rows 是平铺的「姓名 + 年龄」，两列就能放下——CSV；nested 里学生套着 scores 字典，是两层结构——JSON。判断口诀：能否用「行 × 列」摆平？能就 CSV，不能就 JSON。

2 CSV → JSON 转换（表格数据转嵌套存储）：

import csv
import json

rows = [{"name": "张三", "age": 18}, {"name": "李四", "age": 19}]

with open("data.csv", "w", newline="", encoding="utf-8") as f:
    writer = csv.DictWriter(f, fieldnames=["name", "age"])
    writer.writeheader()
    writer.writerows(rows)

with open("data.json", "w", encoding="utf-8") as f:
    json.dump(rows, f, ensure_ascii=False, indent=2)

转换的本质就是「同一份 Python 数据，换一种格式落盘」——先读进内存，再按目标格式写出去。

易错点

• 错误写法：把嵌套数据硬塞进 CSV（writerow([scores字典])） → 问题：字典被 str 成一段难看的文本，读回来无法还原 → 正确写法：嵌套结构用 JSON，只有平铺表格才用 CSV。
• 错误写法：转换时直接 csv.reader 读 → 写 JSON → 问题：读出来的单元格全是字符串，数字变文本 → 正确写法：转换前把需要的列 int() / float() 转回数字。
• 错误写法：忘了 CSV 表头对齐（列数不一致） → 问题：Excel 打开时数据错列，无法解析 → 正确写法：用 DictWriter + fieldnames 固定列名和顺序。

记忆口诀：平铺表格用 CSV，嵌套结构用 JSON；转换先读进内存，再换格式写出去。

5 动手实践：成绩表导入导出工具

做一个「成绩表工具」：能录入学生成绩、展示全部成绩、导出成 CSV（给 Excel 用）、保存成 JSON（给程序用）。

# score_tool.py —— 成绩表导入导出工具
import csv
import json

students = []   # 内存数据：每个学生一个字典

def add_student():
    name = input("姓名：")
    chinese = int(input("语文："))
    math = int(input("数学："))
    students.append({"name": name, "语文": chinese, "数学": math})
    print(f"已添加 {name}")

def show_all():
    if not students:
        print("暂无数据")
        return
    print(f"{'姓名':<6}{'语文':<6}{'数学':<6}")
    for s in students:
        print(f"{s['name']:<6}{s['语文']:<6}{s['数学']:<6}")

def export_csv():
    with open("scores_export.csv", "w", newline="", encoding="utf-8") as f:
        writer = csv.writer(f)
        writer.writerow(["姓名", "语文", "数学"])
        for s in students:
            writer.writerow([s["name"], s["语文"], s["数学"]])
    print("已导出 scores_export.csv")

def export_json():
    with open("scores_export.json", "w", encoding="utf-8") as f:
        json.dump(students, f, ensure_ascii=False, indent=2)
    print("已导出 scores_export.json")

def main():
    while True:
        print("\n1.添加学生  2.查看全部  3.导出CSV  4.导出JSON  5.退出")
        choice = input("请选择：")
        if choice == "1":
            add_student()
        elif choice == "2":
            show_all()
        elif choice == "3":
            export_csv()
        elif choice == "4":
            export_json()
        elif choice == "5":
            break
        else:
            print("无效选择")

if __name__ == "__main__":
    main()

运行效果：

1.添加学生  2.查看全部  3.导出CSV  4.导出JSON  5.退出
请选择：1
姓名：张三
语文：90
数学：85
已添加 张三
请选择：2
姓名    语文    数学
张三    90    85

导出后用 Excel 打开 CSV、用记事本打开 JSON，都能看到刚才的数据。

升级挑战：加一个「从 CSV 导入」功能，把 scores.csv 里的数据读回 students 列表（记得把字符串转成数字）。

今日总结

持久化是什么：把内存数据写进文件、程序重启后读回来（「存-读」闭环） CSV 适合规整表格：csv.writer / reader 读写，DictWriter / DictReader 用列名读写，写 CSV 记得 newline="" CSV 读出来的单元格全是字符串，要计算必须先转数字 JSON 适合嵌套结构：dumps / loads 管字符串，dump / load 管文件 写 JSON 记得 ensure_ascii=False（中文原样）和 indent=2（美化缩进） CSV ↔ JSON 转换：先读进内存（同一份 Python 数据），再按目标格式写出去 成绩表工具可以录入、查看并导出 CSV 和 JSON

报错	原因	修复
json.decoder.JSONDecodeError	JSON 文件格式坏了，或读了一个根本不是 JSON 的文件	检查文件内容，或用在线校验工具检查格式
KeyError: 'name'	字典里没有这个键（如 CSV 表头对不上）	打印数据先看结构，确认键名一致
csv.Error: iterator should return strings	试图把数字直接交给 writerow 之外的非字符串数据	统一用字符串或确保数据是字符串
写 CSV 后 Excel 打开每行中间有空行	打开文件时少了 newline=""	写 CSV 时加上 newline=""
中文读出来变 \uXXXX	写 JSON 时没加 ensure_ascii=False	json.dump(..., ensure_ascii=False)