# Сохранение и сериализация данных с помощью стандартной библиотеки Python: `json`, `pickle`, `csv`

Для сохранения данных в файл или передачи по сети необходима **сериализация**. Python предоставляет три стандартных инструмента, каждый из которых обладает своими особенностями:

* **`json`** – человеко‑читаемый текстовый формат, отлично подходит для обмена между языками;
* **`pickle`** – бинарный формат, сохраняющий объекты Python «как есть», но с риском безопасности;
* **`csv`** – простейший текстовый формат для табличных данных, широко поддерживаемый.

![Форматы доставки данных](/media/editor_temp/6/82b2d285-16b0-473a-b88a-cd9a6f6582f2.png)

* **`json`**: человеко‑читаемый, кросс‑язычный;
* **`pickle`**: бинарный, сохраняет объекты Python полностью, но опасен;
* **`csv`**: простейший текстовый формат для таблиц, универсален.

В этой статье мы разберёмся, как выбирать между этими модулями в зависимости от того, **какие данные и для чего** вы хотите сохранить.

---

## 1. JSON {#sec-c0452ee3f8b9}

### 1.1 Общая информация {#sec-573894aef250}

JSON (JavaScript Object Notation) – **текстовый** и **языко‑независимый** формат. Он широко используется для конфигурационных файлов, API‑ответов, логов и т.д. В Python работа с JSON осуществляется через модуль `json`.

### 1.2 Основные API (часто используемые) {#sec-7388e1478aff}

* `json.dump(obj, fp, ...)` / `json.load(fp, ...)` – сохранение/чтение из файла;
* `json.dumps(obj, ...)` / `json.loads(s, ...)` – преобразование в строку/обратное.

Полезные параметры:

* `ensure_ascii=False` – сохраняет и выводит символы вне ASCII без экранирования;
* `indent=2` – форматированный вывод;
* `default=...` – функция‑замена для типов, которые не сериализуются по умолчанию.

### 1.3 Пример использования (базовый) {#sec-57d0c0653337}

```python
import json

data = {
    "name": "Alice",
    "age": 30,
    "skills": ["Python", "Data Science"]
}

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

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

print(loaded)
```

### 1.4 Как обойти ограничения типов в JSON {#sec-a43d0fe8a199}

JSON поддерживает только `dict`, `list`, `str`, `int/float`, `bool`, `None`. Для таких типов, как `datetime`, необходимо использовать параметр `default`.

```python
import json
from datetime import datetime, timezone

payload = {"created_at": datetime.now(timezone.utc)}

def to_jsonable(obj):
    if isinstance(obj, datetime):
        return obj.isoformat()
    raise TypeError(f"Not JSON serializable: {type(obj)!r}")

s = json.dumps(payload, default=to_jsonable, ensure_ascii=False)
print(s)
```

### 1.5 Плюсы и минусы {#sec-667d6fad184b}

**Плюсы**

* Кросс‑язычный обмен;
* Читаемость и совместимость с Git;
* При загрузке не происходит выполнения кода.

**Минусы**

* Ограниченная выразительность типов (datetime, set, Decimal, бинарные данные);
* При больших данных может быть медленнее и занимать больше места.

---

## 2. Pickle {#sec-7417b1955ccc}

### 2.1 Общая информация {#sec-1889607ea8cb}

`pickle` – формат, сохраняющий объекты Python «как есть» в бинарном виде. При загрузке восстанавливается практически идентичный объект.

**Когда удобно**

* Сохранять сложные объекты Python (классы, вложенные структуры, обученные модели);
* Не требуется обмен с другими языками.

**Когда не стоит**

* При работе с ненадёжными источниками (pickle.load() может выполнить произвольный код);
* При необходимости обеспечения совместимости с другими системами.

---

### 2.2 Основные API (4 наиболее часто используемых) {#sec-a0a97fe87a25}

* `pickle.dump(obj, file, protocol=...)` – объект → файл;
* `pickle.load(file)` – файл → объект;
* `pickle.dumps(obj, protocol=...)` – объект → bytes;
* `pickle.loads(data)` – bytes → объект.

```python
import pickle

data = {"a": [1, 2, 3], "b": ("x", "y")}

with open("data.pkl", "wb") as f:
    pickle.dump(data, f)

with open("data.pkl", "rb") as f:
    loaded = pickle.load(f)

print(loaded)
```

---

### 2.3 Что такое `protocol` и зачем его указывать? {#sec-1f8e5565848c}

`protocol` – версия формата pickle. Выбор влияет на размер, скорость и совместимость.

* По умолчанию используется «наилучший» для текущей версии Python;
* Если нужна совместимость с более старыми версиями – укажите более низкий протокол;
* Для оптимизации размера/скорости используйте `pickle.HIGHEST_PROTOCOL`.

```python
import pickle

with open("data.pkl", "wb") as f:
    pickle.dump({"x": 1}, f, protocol=pickle.HIGHEST_PROTOCOL)
```

---

### 2.4 Важные предостережения {#sec-007b70a5e9ec}

`pickle.load()` может выполнить код, содержащийся в pickle‑файле. Поэтому:

* Не загружайте pickle из ненадёжного источника;
* Для обмена данных используйте текстовые форматы, например `json`.

---

### 2.5 Плюсы и минусы {#sec-bbd5a24bec31}

**Плюсы**

* Сохраняет практически любой объект Python;
* Быстрее и компактнее, чем `json` для сложных структур.

**Минусы**

* Риск безопасности – загрузка из ненадёжного источника опасна;
* Не совместим с другими языками;
* При изменении классов старые pickle‑файлы могут перестать работать.

---

## 3. CSV {#sec-99e590b24e50}

### 3.1 Общая информация {#sec-1265cc44a461}

CSV (Comma-Separated Values) – самый простой формат для табличных данных. Часто используется для табличных данных, экспорта/импорта данных и простых логов.

### 3.2 Основные API (часто используемые) {#sec-5b2e4c37cce5}

* `csv.reader`, `csv.writer` – работа со списками;
* `csv.DictReader`, `csv.DictWriter` – работа с словарями (обычно предпочтительнее).

### 3.3 Пример использования (DictWriter/DictReader) {#sec-524921270351}

```python
import csv

data = [
    {"name": "Alice", "age": 30, "city": "Seoul"},
    {"name": "Bob",   "age": 25, "city": "Busan"},
]

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

with open("people.csv", "r", encoding="utf-8") as f:
    reader = csv.DictReader(f)
    loaded = list(reader)

print(loaded)
```

### 3.4 Три важные нюанса при работе с CSV {#sec-3db1b7ed8444}

1. **`newline=""` обязателен** – особенно в Windows, чтобы избежать двойных переводов строк;
2. **Все данные считываются как строки** – необходимо вручную преобразовывать типы;
3. **Разделители, кавычки, переводы строк могут встречаться в данных** – используйте модуль `csv`, а не простое `split(',')`.

### 3.5 Плюсы и минусы {#sec-6a8ca4891a8e}

**Плюсы**

* Очень легкий и универсальный формат;
* Поддерживается большинством инструментов.

**Минусы**

* Сложные вложенные структуры трудно представить;
* Отсутствие типовой информации, требуется ручная конвертация.

---

## 4. Сравнение и руководство по выбору {#sec-6304ec188cc0}

| Параметр | JSON | Pickle | CSV |
| -------- | ----- | ------- | --- |
| Совместимость | Очень хорошая | Только Python | Очень хорошая |
| Читаемость | Высокая | Низкая (бинарный) | Высокая |
| Выразительность типов | Ограниченная | Очень высокая | Ограниченная |
| Безопасность | Относительно безопасен | **Внимание** | Относительно безопасен |
| Структура данных | Дерево (вложенные) | «Python‑объект как есть» | Таблица (строки/столбцы) |

Кратко: 

* **Обмен с другими системами** → `json`;
* **Сохранение Python‑объектов целиком** → `pickle` (с осторожностью);
* **Экспорт/импорт таблиц** → `csv`.

---

## 5. Сохранение и восстановление одних данных тремя способами {#sec-21f8c2a6d6c9}

```python
import json, pickle, csv

data = [
    {"id": 1, "name": "Alice", "score": 95.5},
    {"id": 2, "name": "Bob",   "score": 88.0},
]

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

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

# 2) Pickle
with open("data.pkl", "wb") as f:
    pickle.dump(data, f)

with open("data.pkl", "rb") as f:
    pickle_loaded = pickle.load(f)

# 3) CSV
with open("data.csv", "w", newline="", encoding="utf-8") as f:
    writer = csv.DictWriter(f, fieldnames=["id", "name", "score"])
    writer.writeheader()
    writer.writerows(data)

with open("data.csv", "r", encoding="utf-8") as f:
    reader = csv.DictReader(f)
    csv_loaded = [
        {"id": int(row["id"]), "name": row["name"], "score": float(row["score"])}
        for row in reader
    ]

print(json_loaded)
print(pickle_loaded)
print(csv_loaded)
```

**Ключевые моменты**

* В CSV необходимо вручную преобразовывать типы;
* Pickle удобен, но требует осторожности с источником данных.

---

## 6. Итоги {#sec-f88db3766ed6}

Стандартная библиотека Python охватывает широкий спектр задач по сохранению и сериализации данных.

* **Если данные должны быть читаемыми и совместимыми с другими языками** – используйте `json`;
* **Если нужно сохранить объекты Python целиком** – применяйте `pickle` (с учётом безопасности);
* **Если требуется простое табличное представление** – выбирайте `csv`.

Выбор зависит от формы данных и цели их использования, что делает процесс быстрым и надёжным.