如何序列化Python對(duì)象

小編這次要給大家分享的是如何序列化Python對(duì)象，文章內(nèi)容豐富，感興趣的小伙伴可以來(lái)了解一下，希望大家閱讀完這篇文章之后能夠有所收獲。

問(wèn)題

你需要將一個(gè)Python對(duì)象序列化為一個(gè)字節(jié)流，以便將它保存到一個(gè)文件、存儲(chǔ)到數(shù)據(jù)庫(kù)或者通過(guò)網(wǎng)絡(luò)傳輸它。

解決方案

對(duì)于序列化最普遍的做法就是使用 pickle 模塊。為了將一個(gè)對(duì)象保存到一個(gè)文件中，可以這樣做：

import pickle

data = ... # Some Python object
f = open('somefile', 'wb')
pickle.dump(data, f)

為了將一個(gè)對(duì)象轉(zhuǎn)儲(chǔ)為一個(gè)字符串，可以使用 pickle.dumps() ：

s = pickle.dumps(data)

為了從字節(jié)流中恢復(fù)一個(gè)對(duì)象，使用 pickle.load() 或 pickle.loads() 函數(shù)。比如：

# Restore from a file
f = open('somefile', 'rb')
data = pickle.load(f)

# Restore from a string
data = pickle.loads(s)

討論

對(duì)于大多數(shù)應(yīng)用程序來(lái)講，dump() 和 load() 函數(shù)的使用就是你有效使用 pickle 模塊所需的全部了。 它可適用于絕大部分Python數(shù)據(jù)類型和用戶自定義類的對(duì)象實(shí)例。 如果你碰到某個(gè)庫(kù)可以讓你在數(shù)據(jù)庫(kù)中保存/恢復(fù)Python對(duì)象或者是通過(guò)網(wǎng)絡(luò)傳輸對(duì)象的話， 那么很有可能這個(gè)庫(kù)的底層就使用了 pickle 模塊。

pickle 是一種Python特有的自描述的數(shù)據(jù)編碼。 通過(guò)自描述，被序列化后的數(shù)據(jù)包含每個(gè)對(duì)象開(kāi)始和結(jié)束以及它的類型信息。 因此，你無(wú)需擔(dān)心對(duì)象記錄的定義，它總是能工作。 舉個(gè)例子，如果要處理多個(gè)對(duì)象，你可以這樣做：

>>> import pickle
>>> f = open('somedata', 'wb')
>>> pickle.dump([1, 2, 3, 4], f)
>>> pickle.dump('hello', f)
>>> pickle.dump({'Apple', 'Pear', 'Banana'}, f)
>>> f.close()
>>> f = open('somedata', 'rb')
>>> pickle.load(f)
[1, 2, 3, 4]
>>> pickle.load(f)
'hello'
>>> pickle.load(f)
{'Apple', 'Pear', 'Banana'}
>>>

你還能序列化函數(shù)，類，還有接口，但是結(jié)果數(shù)據(jù)僅僅將它們的名稱編碼成對(duì)應(yīng)的代碼對(duì)象。例如：

>>> import math
>>> import pickle.
>>> pickle.dumps(math.cos)
b'\x80\x03cmath\ncos\nq\x00.'
>>>

當(dāng)數(shù)據(jù)反序列化回來(lái)的時(shí)候，會(huì)先假定所有的源數(shù)據(jù)時(shí)可用的。 模塊、類和函數(shù)會(huì)自動(dòng)按需導(dǎo)入進(jìn)來(lái)。對(duì)于Python數(shù)據(jù)被不同機(jī)器上的解析器所共享的應(yīng)用程序而言， 數(shù)據(jù)的保存可能會(huì)有問(wèn)題，因?yàn)樗械臋C(jī)器都必須訪問(wèn)同一個(gè)源代碼。

注

千萬(wàn)不要對(duì)不信任的數(shù)據(jù)使用pickle.load()。
pickle在加載時(shí)有一個(gè)副作用就是它會(huì)自動(dòng)加載相應(yīng)模塊并構(gòu)造實(shí)例對(duì)象。
但是某個(gè)壞人如果知道pickle的工作原理，
他就可以創(chuàng)建一個(gè)惡意的數(shù)據(jù)導(dǎo)致Python執(zhí)行隨意指定的系統(tǒng)命令。
因此，一定要保證pickle只在相互之間可以認(rèn)證對(duì)方的解析器的內(nèi)部使用。

有些類型的對(duì)象是不能被序列化的。這些通常是那些依賴外部系統(tǒng)狀態(tài)的對(duì)象， 比如打開(kāi)的文件，網(wǎng)絡(luò)連接，線程，進(jìn)程，棧幀等等。 用戶自定義類可以通過(guò)提供 __getstate__() 和 __setstate__() 方法來(lái)繞過(guò)這些限制。 如果定義了這兩個(gè)方法，pickle.dump() 就會(huì)調(diào)用 __getstate__() 獲取序列化的對(duì)象。 類似的，__setstate__() 在反序列化時(shí)被調(diào)用。為了演示這個(gè)工作原理， 下面是一個(gè)在內(nèi)部定義了一個(gè)線程但仍然可以序列化和反序列化的類：

# countdown.py
import time
import threading

class Countdown:
  def __init__(self, n):
    self.n = n
    self.thr = threading.Thread(target=self.run)
    self.thr.daemon = True
    self.thr.start()

  def run(self):
    while self.n > 0:
      print('T-minus', self.n)
      self.n -= 1
      time.sleep(5)

  def __getstate__(self):
    return self.n

  def __setstate__(self, n):
    self.__init__(n)

試著運(yùn)行下面的序列化試驗(yàn)代碼：

>>> import countdown
>>> c = countdown.Countdown(30)
>>> T-minus 30
T-minus 29
T-minus 28
...

>>> # After a few moments
>>> f = open('cstate.p', 'wb')
>>> import pickle
>>> pickle.dump(c, f)
>>> f.close()

然后退出Python解析器并重啟后再試驗(yàn)下：

>>> f = open('cstate.p', 'rb')
>>> pickle.load(f)
countdown.Countdown object at 0x10069e2d0>
T-minus 19
T-minus 18
...

你可以看到線程又奇跡般的重生了，從你第一次序列化它的地方又恢復(fù)過(guò)來(lái)。

pickle 對(duì)于大型的數(shù)據(jù)結(jié)構(gòu)比如使用 array 或 numpy 模塊創(chuàng)建的二進(jìn)制數(shù)組效率并不是一個(gè)高效的編碼方式。 如果你需要移動(dòng)大量的數(shù)組數(shù)據(jù)，你最好是先在一個(gè)文件中將其保存為數(shù)組數(shù)據(jù)塊或使用更高級(jí)的標(biāo)準(zhǔn)編碼方式如HDF5 (需要第三方庫(kù)的支持)。

由于 pickle 是Python特有的并且附著在源碼上，所有如果需要長(zhǎng)期存儲(chǔ)數(shù)據(jù)的時(shí)候不應(yīng)該選用它。 例如，如果源碼變動(dòng)了，你所有的存儲(chǔ)數(shù)據(jù)可能會(huì)被破壞并且變得不可讀取。 坦白來(lái)講，對(duì)于在數(shù)據(jù)庫(kù)和存檔文件中存儲(chǔ)數(shù)據(jù)時(shí)，你最好使用更加標(biāo)準(zhǔn)的數(shù)據(jù)編碼格式如XML，CSV或JSON。 這些編碼格式更標(biāo)準(zhǔn)，可以被不同的語(yǔ)言支持，并且也能很好的適應(yīng)源碼變更。

最后一點(diǎn)要注意的是 pickle 有大量的配置選項(xiàng)和一些棘手的問(wèn)題。 對(duì)于最常見(jiàn)的使用場(chǎng)景，你不需要去擔(dān)心這個(gè)，但是如果你要在一個(gè)重要的程序中使用pickle去做序列化的話， 最好去查閱一下 官方文檔 。

看完這篇關(guān)于如何序列化Python對(duì)象的文章，如果覺(jué)得文章內(nèi)容寫得不錯(cuò)的話，可以把它分享出去給更多人看到。