博客
关于我
python-数据传输和加密(json\hashlib\base64)
阅读量:504 次
发布时间:2019-03-07

本文共 1229 字,大约阅读时间需要 4 分钟。

Python与JSON数据类型对比及数据处理实践

JSON概述

JSON(JavaScript Object Notation)是一种轻量级的文本数据格式,广泛用于数据交换。其结构基于键值对,类似于Python中的字典,数据以大括号表示,键值对用逗号分隔。数组用方括号表示,字符串需使用双引号。

Python与JSON数据类型对比

Python类型 JSON类型
字典 对象
列表/元组 数组
字符串 字符串
int/float 数字
True/False true/false
None null

数据转换与加密实践

序列化

  • 将Python数据转JSON:json.dumps(obj)
  • 将Python数据转为文件:json.dump(obj, file)

反序列化

  • 将JSON转Python:json.loads(obj)
  • 读取文件中的JSON:json.load(file)

常用参数解析

  • ensure_ascii=False:启用非ASCII字符支持
  • indent=4:格式化输出,缩进长度可调

数据加密方法

对称加密

  • 加密与解密需同一密钥
  • 示例:
import hashlib密钥 = 'qwe123'.encode()加密对象 = hashlib.new('md5', 密钥)加密值(str) = 加密对象.hexdigest()加密值(bytes) = 加密对象.digest()

非对称加密

  • 公钥加密,私钥解密
  • 示例:
import hashlibsalt = 'username'.encode()密码 = '123456'.encode()加密对象 = hashlib.sha512(密码 + salt)加密值 = 加密对象.hexdigest()

安全加密

  • 加盐:增强密码安全性
  • 更新加密:逐步加密
  • 密钥生成:pbkdf2_hmac

单向加密

  • 只能加密,无法解密

加密工具:hashlib

  • Hash函数特性:不可逆、定长输出、抗修改性强
  • 常用算法:MD5、SHA系列
  • 使用示例:
import hashlib算法 = 'sha256'密钥 = '123456'salt = 'username'哈希对象 = hashlib.pbkdf2_hmac(算法, 密钥, salt, 工作次数)

Base64编码与解码

  • 用于数据压缩与传输
  • URL安全编码:base64.urlsafe_b64encode
  • 解码方法:base64.b64decode

示例

  • 编码:base64.b64encode(bs)
  • 解码:base64.b64decode(bs)

URL编码

  • 编码:base64.urlsafe_b64encode(s)
  • 解码:base64.urlsafe_b64decode(s)

实用工具

注意事项

  • 数据加密需谨慎处理密钥
  • 加盐加密可提高安全性
  • Base64适合传输大文本或二进制文件

转载地址:http://pndjz.baihongyu.com/

你可能感兴趣的文章
pandas :按移位分组和累加和(GroupBy Shift And Cumulative Sum)
查看>>
pandas :检测一个DF和另一个DF之间缺失的列
查看>>
Pandas-从具有嵌套列表列表的现有列创建动态列时出错
查看>>
Pandas-通过对列和索引的值求和来合并两个数据框
查看>>
pandas.columns、get_dummies等用法
查看>>
pandas.DataFrame.copy(deep=True) 实际上并不创建深拷贝
查看>>
pandas.read_csv()的详解-ChatGPT4o作答
查看>>
PANDAS.READ_EXCEL()输出‘;溢出错误:日期值超出范围‘;而不存在日期列
查看>>
pandas100个骚操作:再见 for 循环!速度提升315倍!
查看>>
Pandas:如何根据其他列值的条件对列进行求和?
查看>>
Pandas:对给定列求和 DataFrame 行
查看>>
Pandas、Matplotlib、Pyecharts数据分析实践
查看>>
Pandas中文官档~基础用法2
查看>>
Pandas中文官档~基础用法5
查看>>
Pandas中文官档~基础用法6
查看>>
Pandas中的GROUP BY AND SUM不丢失列
查看>>
pandas交换两列
查看>>
pandas介绍-ChatGPT4o作答
查看>>
pandas去除Nan值
查看>>
pandas实战:电商平台用户分析
查看>>