Python持久性管理的示例分析

這篇文章將為大家詳細(xì)講解有關(guān)Python持久性管理的示例分析，小編覺得挺實用的，因此分享給大家做個參考，希望大家閱讀完這篇文章后可以有所收獲。

持久性就是指保持對象，甚至在多次執(zhí)行同一程序之間也保持對象。通過本文，您會對 Python對象的各種持久性機(jī)制（從關(guān)系數(shù)據(jù)庫到 Python 的 pickle以及其它機(jī)制）有一個總體認(rèn)識。另外，還會讓您更深一步地了解Python 的對象序列化能力。

什么是持久性？

持久性的基本思想很簡單。假定有一個 Python程序，它可能是一個管理日常待辦事項的程序，您希望在多次執(zhí)行這個程序之間可以保存應(yīng)用程序?qū)ο螅ùk事項）。換句話說，您希望將對象存儲在磁盤上，便于以后檢索。這就是持久性。要達(dá)到這個目的，有幾種方法，每一種方法都有其優(yōu)缺點。

例如，可以將對象數(shù)據(jù)存儲在某種格式的文本文件中，譬如 CSV文件?；蛘呖梢杂藐P(guān)系數(shù)據(jù)庫，譬如 Gadfly、MySQL、PostgreSQL 或者 DB2。這些文件格式和數(shù)據(jù)庫都非常優(yōu)秀，對于所有這些存儲機(jī)制，Python都有健壯的接口。

這些存儲機(jī)制都有一個共同點：存儲的數(shù)據(jù)是獨立于對這些數(shù)據(jù)進(jìn)行操作的對象和程序。這樣做的好處是，數(shù)據(jù)可以作為共享的資源，供其它應(yīng)用程序使用。缺點是，用這種方式，可以允許其它程序訪問對象的數(shù)據(jù)，這違背了面向?qū)ο蟮姆庋b性原則 — 即對象的數(shù)據(jù)只能通過這個對象自身的公共（public）接口來訪問。

另外，對于某些應(yīng)用程序，關(guān)系數(shù)據(jù)庫方法可能不是很理想。尤其是，關(guān)系數(shù)據(jù)庫不理解對象。相反，關(guān)系數(shù)據(jù)庫會強(qiáng)行使用自己的類型系統(tǒng)和關(guān)系數(shù)據(jù)模型（表），每張表包含一組元組（行），每行包含具有固定數(shù)目的靜態(tài)類型字段（列）。如果應(yīng)用程序的對象模型不能夠方便地轉(zhuǎn)換到關(guān)系模型，那么在將對象映射到元組以及將元組映射回對象方面，會碰到一定難度。這種困難常被稱為阻礙性不匹配（impedence-mismatch）問題。

對象持久性

如果希望透明地存儲 Python 對象，而不丟失其身份和類型等信息，則需要某種形式的對象序列化：它是一個將任意復(fù)雜的對象轉(zhuǎn)成對象的文本或二進(jìn)制表示的過程。同樣，必須能夠?qū)ο蠼?jīng)過序列化后的形式恢復(fù)到原有的對象。在 Python中，這種序列化過程稱為pickle，可以將對象 pickle 成字符串、磁盤上的文件或者任何類似于文件的對象，也可以將這些字符串、文件或任何類似于文件的對象 unpickle 成原來的對象。我們將在本文后面詳細(xì)討論 pickle。

假定您喜歡將任何事物都保存成對象，而且希望避免將對象轉(zhuǎn)換成某種基于非對象存儲的開銷；那么pickle 文件可以提供這些好處，但有時可能需要比這種簡單的 pickle文件更健壯以及更具有可伸縮性的事物。例如，只用 pickle 不能解決命名和查找 pickle文件這樣的問題，另外，它也不能支持并發(fā)地訪問持久性對象。如果需要這些方面的功能，則要求助類似于ZODB（針對 Python 的 Z 對象數(shù)據(jù)庫）這類數(shù)據(jù)庫。ZODB 是一個健壯的、多用戶的和面向?qū)ο蟮臄?shù)據(jù)庫系統(tǒng)，它能夠存儲和管理任意復(fù)雜的 Python對象，并支持事務(wù)操作和并發(fā)控制。（請參閱參考資料，以下載ZODB。）令人足夠感興趣的是，甚至 ZODB 也依靠 Python 的本機(jī)序列化能力，而且要有效地使用ZODB，必須充分了解 pickle。

另一種令人感興趣的解決持久性問題的方法是 Prevayler，它最初是用 Java實現(xiàn)的（有關(guān) Prevaylor 方面的 developerWorks文章，請參閱參考資料）。最近，一群 Python 程序員將 Prevayler 移植到了 Python 上，另起名為 PyPerSyst，由 SourceForge 托管（有關(guān)至 PyPerSyst項目的鏈接，請參閱參考資料）。Prevayler/PyPerSyst概念也是建立在 Java 和 Python 語言的本機(jī)序列化能力之上。PyPerSyst 將整個對象系統(tǒng)保存在內(nèi)存中，并通過不時地將系統(tǒng)快照pickle 到磁盤以及維護(hù)一個命令日志（通過此日志可以重新應(yīng)用最新的快照）來提供災(zāi)難恢復(fù)。所以，盡管使用 PyPerSyst 的應(yīng)用程序受到可用內(nèi)存的限制，但好處是本機(jī)對象系統(tǒng)可以完全裝入到內(nèi)存中，因而速度極快，而且實現(xiàn)起來要比如ZODB 這樣的數(shù)據(jù)庫簡單，ZODB 允許對象的數(shù)目比同時在能內(nèi)存中所保持的對象要多。

既然我們已經(jīng)簡要討論了存儲持久對象的各種方法，那么現(xiàn)在該詳細(xì)探討 pickle過程了。雖然我們主要感興趣的是探索以各種方式來保存 Python 對象，而不必將其轉(zhuǎn)換成某種其它格式，但我們?nèi)匀贿€有一些需要關(guān)注的地方，譬如：如何有效地 pickle 和 unpickle 簡單對象以及復(fù)雜對象，包括定制類的實例；如何維護(hù)對象的引用，包括循環(huán)引用和遞歸引用；以及如何處理類定義發(fā)生的變化，從而使用以前經(jīng)過 pickle 的實例時不會發(fā)生問題。我們將在隨后關(guān)于Python 的 pickle 能力探討中涉及所有這些問題。

一些經(jīng)過 pickle 的 Python

pickle 模塊及其同類模塊 cPickle 向 Python 提供了 pickle支持。后者是用 C 編碼的，它具有更好的性能，對于大多數(shù)應(yīng)用程序，推薦使用該模塊。我們將繼續(xù)討論pickle ，但本文的示例實際是利用了 cPickle 。由于其中大多數(shù)示例要用 Python shell來顯示，所以先展示一下如何導(dǎo)入cPickle ，并可以作為 pickle 來引用它： 

>>> import cPickle as pickle

現(xiàn)在已經(jīng)導(dǎo)入了該模塊，接下來讓我們看一下 pickle 接口。 pickle 模塊提供了以下函數(shù)對： dumps(object) 返回一個字符串，它包含一個 pickle 格式的對象；loads(string) 返回包含在 pickle 字符串中的對象； dump(object, file) 將對象寫到文件，這個文件可以是實際的物理文件，但也可以是任何類似于文件的對象，這個對象具有write() 方法，可以接受單個的字符串參數(shù)； load(file) 返回包含在 pickle 文件中的對象。

缺省情況下， dumps() 和 dump() 使用可打印的 ASCII 表示來創(chuàng)建pickle。兩者都有一個 final 參數(shù)（可選），如果為True ，則該參數(shù)指定用更快以及更小的二進(jìn)制表示來創(chuàng)建pickle。 loads() 和 load() 函數(shù)自動檢測 pickle 是二進(jìn)制格式還是文本格式。

清單 1 顯示了一個交互式會話，這里使用了剛才所描述的 dumps() 和 loads() 函數(shù)：

清單 1. dumps() 和 loads() 的演示

>>> import cPickle as pickle    >>> t1 = ('this is a string', 42, [1, 2, 3], None)    >>> t1    ('this is a string', 42, [1, 2, 3], None)   >>> p1 = pickle.dumps(t1)    >>> p1    "(S'this is a string'/nI42/n(lp1/nI1/naI2/naI3/naNtp2/n."  >>> print p1    (S'this is a string'  I42    (lp1    I1    aI2    aI3    aNtp2    .    >>> t2 = pickle.loads(p1)    >>> t2    ('this is a string', 42, [1, 2, 3], None)    >>> p2 = pickle.dumps(t1, True)    >>> p2    '(U/x10this is a stringK*]q/x01(K/x01K/x02K/x03eNtq/x02.'  >>> t3 = pickle.loads(p2)    >>> t3    ('this is a string', 42, [1, 2, 3], None)

注：該文本 pickle 格式很簡單，這里就不解釋了。事實上，在 pickle 模塊中記錄了所有使用的約定。我們還應(yīng)該指出，在我們的示例中使用的都是簡單對象，因此使用二進(jìn)制 pickle格式不會在節(jié)省空間上顯示出太大的效率。然而，在實際使用復(fù)雜對象的系統(tǒng)中，您會看到，使用二進(jìn)制格式可以在大小和速度方面帶來顯著的改進(jìn)。

接下來，我們看一些示例，這些示例用到了 dump() 和 load() ，它們使用文件和類似文件的對象。這些函數(shù)的操作非常類似于我們剛才所看到的dumps() 和 loads() ，區(qū)別在于它們還有另一種能力 — dump() 函數(shù)能一個接著一個地將幾個對象轉(zhuǎn)儲到同一個文件。隨后調(diào)用load() 來以同樣的順序檢索這些對象。清單 2 顯示了這種能力的實際應(yīng)用：

清單 2. dump() 和 load() 示例

>>> a1 = 'apple'  >>> b1 = {1: 'One', 2: 'Two', 3: 'Three'}    >>> c1 = ['fee', 'fie', 'foe', 'fum']    >>> f1 = file('temp.pkl', 'wb')    >>> pickle.dump(a1, f1, True)    >>> pickle.dump(b1, f1, True)    >>> pickle.dump(c1, f1, True)    >>> f1.close()    >>> f2 = file('temp.pkl', 'rb')    >>> a2 = pickle.load(f2)    >>> a2    'apple'  >>> b2 = pickle.load(f2)    >>> b2    {1: 'One', 2: 'Two', 3: 'Three'}    >>> c2 = pickle.load(f2)    >>> c2    ['fee', 'fie', 'foe', 'fum']    >>> f2.close()

Pickle 的威力

到目前為止，我們講述了關(guān)于 pickle 方面的基本知識。在這一節(jié)，將討論一些高級問題，當(dāng)您開始 pickle復(fù)雜對象時，會遇到這些問題，其中包括定制類的實例。幸運的是，Python 可以很容易地處理這種情形。

可移植性

從空間和時間上說，Pickle 是可移植的。換句話說，pickle 文件格式獨立于機(jī)器的體系結(jié)構(gòu)，這意味著，例如，可以在 Linux下創(chuàng)建一個 pickle，然后將它發(fā)送到在 Windows 或 Mac OS 下運行的 Python程序。并且，當(dāng)升級到更新版本的 Python 時，不必?fù)?dān)心可能要廢棄已有的 pickle。Python 開發(fā)人員已經(jīng)保證 pickle 格式將可以向后兼容Python 各個版本。事實上，在pickle 模塊中提供了有關(guān)目前以及所支持的格式方面的詳細(xì)信息：

清單 3. 檢索所支持的格式

>>> pickle.format_version  '1.3'  >>> pickle.compatible_formats  ['1.0', '1.1', '1.2']

多個引用，同一對象

在 Python 中，變量是對象的引用。同時，也可以用多個變量引用同一個對象。經(jīng)證明，Python 在用經(jīng)過pickle 的對象維護(hù)這種行為方面絲毫沒有困難，如清單 4 所示：

清單 4. 對象引用的維護(hù) 

>>> a = [1, 2, 3]     >>> b = a     >>> a     [1, 2, 3]     >>> b     [1, 2, 3]     >>> a.append(4)     >>> a     [1, 2, 3, 4]     >>> b     [1, 2, 3, 4]     >>> c = pickle.dumps((a, b))     >>> d, e = pickle.loads(c)     >>> d     [1, 2, 3, 4]     >>> e     [1, 2, 3, 4]     >>> d.append(5)     >>> d    [1, 2, 3, 4, 5]     >>> e     [1, 2, 3, 4, 5]

循環(huán)引用和遞歸引用

可以將剛才演示過的對象引用支持?jǐn)U展到 循環(huán)引用（兩個對象各自包含對對方的引用）和 遞歸引用（一個對象包含對其自身的引用）。下面兩個清單著重顯示這種能力。我們先看一下遞歸引用：

>清單 5. 遞歸引用

>>> l = [1, 2, 3]  >>> l.append(l)  >>> l  [1, 2, 3, [...]]  >>> l[3]  [1, 2, 3, [...]]  >>> l[3][3]  [1, 2, 3, [...]]  >>> p = pickle.dumps(l)  >>> l2 = pickle.loads(p)  >>> l2  [1, 2, 3, [...]]  >>> l2[3]  [1, 2, 3, [...]]  >>> l2[3][3]  [1, 2, 3, [...]]

現(xiàn)在，看一個循環(huán)引用的示例：

清單 6. 循環(huán)引用

>>> a = [1, 2]  >>> b = [3, 4]  >>> a.append(b)  >>> a  [1, 2, [3, 4]]  >>> b.append(a)  >>> a  [1, 2, [3, 4, [...]]]  >>> b  [3, 4, [1, 2, [...]]]  >>> a[2]  [3, 4, [1, 2, [...]]] >>> b[2]  [1, 2, [3, 4, [...]]]  >>> a[2] is b  1  >>> b[2] is a  1  >>> f = file('temp.pkl', 'w')  >>> pickle.dump((a, b), f)  >>> f.close()  >>> f = file('temp.pkl', 'r')  >>> c, d = pickle.load(f)  >>> f.close()  >>> c  [1, 2, [3, 4, [...]]]  >>> d  [3, 4, [1, 2, [...]]]  >>> c[2]  [3, 4, [1, 2, [...]]]  >>> d[2]  [1, 2, [3, 4, [...]]]  >>> c[2] is d  1  >>> d[2] is c  1

注意，如果分別 pickle 每個對象，而不是在一個元組中一起 pickle 所有對象，會得到略微不同（但很重要）的結(jié)果，如清單 7 所示：

清單 7. 分別 pickle vs. 在一個元組中一起 pickle

>>> f = file('temp.pkl', 'w')  >>> pickle.dump(a, f)  >>> pickle.dump(b, f)  >>> f.close()  >>> f = file('temp.pkl', 'r')  >>> c = pickle.load(f)  >>> d = pickle.load(f)  >>> f.close()  >>> c  [1, 2, [3, 4, [...]]]  >>> d  [3, 4, [1, 2, [...]]]  >>> c[2]  [3, 4, [1, 2, [...]]]  >>> d[2]  [1, 2, [3, 4, [...]]]  >>> c[2] is d  0  >>> d[2] is c  0

相等，但并不總是相同

正如在上一個示例所暗示的，只有在這些對象引用內(nèi)存中同一個對象時，它們才是相同的。在 pickle情形中，每個對象被恢復(fù)到一個與原來對象相等的對象，但不是同一個對象。換句話說，每個 pickle都是原來對象的一個副本：

清單 8. 作為原來對象副本的被恢復(fù)的對象

>>> j = [1, 2, 3]  >>> k = j  >>> k is j  1  >>> x = pickle.dumps(k)  >>> y = pickle.loads(x)  >>> y  [1, 2, 3]  >>> y == k  1  >>> y is k  0  >>> y is j  0  >>> k is j  1

同時，我們看到 Python 能夠維護(hù)對象之間的引用，這些對象是作為一個單元進(jìn)行 pickle 的。然而，我們還看到分別調(diào)用 dump() 會使 Python 無法維護(hù)對在該單元外部進(jìn)行 pickle的對象的引用。相反，Python 復(fù)制了被引用對象，并將副本和被 pickle 的對象存儲在一起。對于 pickle和恢復(fù)單個對象層次結(jié)構(gòu)的應(yīng)用程序，這是沒有問題的。但要意識到還有其它情形。

值得指出的是，有一個選項確實允許分別 pickle 對象，并維護(hù)相互之間的引用，只要這些對象都是 pickle 到同一文件即可。 pickle 和cPickle 模塊提供了一個 Pickler （與此相對應(yīng)是 Unpickler ），它能夠跟蹤已經(jīng)被pickle 的對象。通過使用這個Pickler ，將會通過引用而不是通過值來 pickle 共享和循環(huán)引用：

清單 9. 維護(hù)分別 pickle 的對象間的引用

>>> f = file('temp.pkl', 'w') >>> picklepickler = pickle.Pickler(f)  >>> pickler.dump(a)  <cPickle.Pickler object at 0x89b0bb8>  >>> pickler.dump(b)  <cPickle.Pickler object at 0x89b0bb8>  >>> f.close()  >>> f = file('temp.pkl', 'r')  >>> unpickler = pickle.Unpickler(f)  >>> c = unpickler.load()  >>> d = unpickler.load()  >>> c[2]  [3, 4, [1, 2, [...]]]  >>> d[2]  [1, 2, [3, 4, [...]]]  >>> c[2] is d  1  >>> d[2] is c  1

不可 pickle 的對象

一些對象類型是不可 pickle 的。例如，Python 不能 pickle 文件對象（或者任何帶有對文件對象引用的對象），因為 Python 在 unpickle 時不能保證它可以重建該文件的狀態(tài)（另一個示例比較難懂，在這類文章中不值得提出來）。試圖pickle 文件對象會導(dǎo)致以下錯誤：

清單 10. 試圖 pickle 文件對象的結(jié)果

>>> f = file('temp.pkl', 'w')  >>> p = pickle.dumps(f)  Traceback (most recent call last):    File "<input>", line 1, in ?    File "/usr/lib/python2.2/copy_reg.py", line 57, in _reduce      raise TypeError, "can't pickle %s objects" % base.__name__  TypeError: can't pickle file objects

類實例

與 pickle 簡單對象類型相比，pickle 類實例要多加留意。這主要由于 Python 會 pickle 實例數(shù)據(jù)（通常是 _dict_ 屬性）和類的名稱，而不會 pickle 類的代碼。當(dāng) Python unpickle類的實例時，它會試圖使用在 pickle 該實例時的確切的類名稱和模塊名稱（包括任何包的路徑前綴）導(dǎo)入包含該類定義的模塊。另外要注意，類定義必須出現(xiàn)在模塊的最頂層，這意味著它們不能是嵌套的類（在其它類或函數(shù)中定義的類）。

當(dāng) unpickle 類的實例時，通常不會再調(diào)用它們的 _init_() 方法。相反，Python 創(chuàng)建一個通用類實例，并應(yīng)用已進(jìn)行過 pickle的實例屬性，同時設(shè)置該實例的_class_ 屬性，使其指向原來的類。

對 Python 2.2 中引入的新型類進(jìn)行 unpickle 的機(jī)制與原來的略有不同。雖然處理的結(jié)果實際上與對舊型類處理的結(jié)果相同，但Python 使用 copy_reg 模塊的 _reconstructor() 函數(shù)來恢復(fù)新型類的實例。

如果希望對新型或舊型類的實例修改缺省的 pickle 行為，則可以定義特殊的類的方法 _getstate_() 和 _setstate_() ，在保存和恢復(fù)類實例的狀態(tài)信息期間，Python會調(diào)用這些方法。在以下幾節(jié)中，我們會看到一些示例利用了這些特殊的方法。

現(xiàn)在，我們看一個簡單的類實例。首先，創(chuàng)建一個 persist.py 的 Python模塊，它包含以下新型類的定義：

清單 11. 新型類的定義

class Foo(object):      def __init__(self, value):          self.value = value

現(xiàn)在可以 pickle Foo 實例，并看一下它的表示：

清單 12. pickle Foo 實例

>>> import cPickle as pickle  >>> from Orbtech.examples.persist import Foo  >>> foo = Foo('What is a Foo?')  >>> p = pickle.dumps(foo)  >>> print p  ccopy_reg  _reconstructor  p1  (cOrbtech.examples.persist  Foo  p2  c__builtin__  object  p3  NtRp4  (dp5  S'value'  p6  S'What is a Foo?'  sb.  >>>

可以看到這個類的名稱 Foo 和全限定的模塊名稱 Orbtech.examples.persist 都存儲在 pickle中。如果將這個實例 pickle 成一個文件，稍后再 unpickle它或在另一臺機(jī)器上 unpickle，則 Python 會試圖導(dǎo)入Orbtech.examples.persist 模塊，如果不能導(dǎo)入，則會拋出異常。如果重命名該類和該模塊或者將該模塊移到另一個目錄，則也會發(fā)生類似的錯誤。

這里有一個 Python 發(fā)出錯誤消息的示例，當(dāng)我們重命名 Foo 類，然后試圖裝入先前進(jìn)行過pickle 的 Foo 實例時會發(fā)生該錯誤：

清單 13. 試圖裝入一個被重命名的 Foo 類的經(jīng)過 pickle 的實例

>>> import cPickle as pickle  >>> f = file('temp.pkl', 'r')  >>> foo = pickle.load(f)  Traceback (most recent call last):    File "<input>", line 1, in ?  AttributeError: 'module' object has no attribute 'Foo'

在重命名 persist.py 模塊之后，也會發(fā)生類似的錯誤：

清單 14. 試圖裝入一個被重命名的 persist.py 模塊的經(jīng)過 pickle 的實例

>>> import cPickle as pickle  >>> f = file('temp.pkl', 'r')  >>> foo = pickle.load(f)  Traceback (most recent call last):    File "<input>", line 1, in ?  ImportError: No module named persist

我們會在下面 模式改進(jìn)這一節(jié)提供一些技術(shù)來管理這類更改，而不會破壞現(xiàn)有的 pickle。

特殊的狀態(tài)方法

前面提到對一些對象類型（譬如，文件對象）不能進(jìn)行 pickle。處理這種不能pickle 的對象的實例屬性時可以使用特殊的方法（ _getstate_() 和_setstate_() ）來修改類實例的狀態(tài)。這里有一個 Foo 類的示例，我們已經(jīng)對它進(jìn)行了修改以處理文件對象屬性：

清單 15. 處理不能 pickle 的實例屬性

class Foo(object):      def __init__(self, value, filename):          self.value = value          self.logfile = file(filename, 'w')      def __getstate__(self):          """Return state values to be pickled."""          f = self.logfile          return (self.value, f.name, f.tell())      def __setstate__(self, state):          """Restore state from the unpickled state values."""          self.value, name, position = state          f = file(name, 'w')          f.seek(position)          self.logfile = f

pickle Foo 的實例時，Python 將只 pickle 當(dāng)它調(diào)用該實例的 _getstate_() 方法時返回給它的值。類似的，在 unpickle 時，Python 將提供經(jīng)過 unpickle 的值作為參數(shù)傳遞給實例的_setstate_() 方法。在 _setstate_() 方法內(nèi)，可以根據(jù)經(jīng)過 pickle 的名稱和位置信息來重建文件對象，并將該文件對象分配給這個實例的logfile 屬性。

模式改進(jìn)

隨著時間的推移，您會發(fā)現(xiàn)自己必須要更改類的定義。如果已經(jīng)對某個類實例進(jìn)行了pickle，而現(xiàn)在又需要更改這個類，則您可能要檢索和更新那些實例，以便它們能在新的類定義下繼續(xù)正常工作。而我們已經(jīng)看到在對類或模塊進(jìn)行某些更改時，會出現(xiàn)一些錯誤。幸運的是，pickle和 unpickle 過程提供了一些 hook，我們可以用它們來支持這種模式改進(jìn)的需要。

在這一節(jié)，我們將探討一些方法來預(yù)測常見問題以及如何解決這些問題。由于不能 pickle類實例代碼，因此可以添加、更改和除去方法，而不會影響現(xiàn)有的經(jīng)過 pickle的實例。出于同樣的原因，可以不必?fù)?dān)心類的屬性。您必須確保包含類定義的代碼模塊在 unpickle環(huán)境中可用。同時還必須為這些可能導(dǎo)致 unpickle 問題的更改做好規(guī)劃，這些更改包括：更改類名、添加或除去實例的屬性以及改變類定義模塊的名稱或位置。

類名的更改

要更改類名，而不破壞先前經(jīng)過 pickle 的實例，請遵循以下步驟。首先，確保原來的類的定義沒有被更改，以便在 unpickle現(xiàn)有實例時可以找到它。不要更改原來的名稱，而是在與原來類定義所在的同一個模塊中，創(chuàng)建該類定義的一個副本，同時給它一個新的類名。然后使用實際的新類名來替代NewClassName ，將以下方法添加到原來類的定義中：

清單 16. 更改類名：添加到原來類定義的方法

def __setstate__(self, state):      self.__dict__.update(state)      self.__class__ = NewClassName

當(dāng) unpickle 現(xiàn)有實例時，Python 將查找原來類的定義，并調(diào)用實例的 _setstate_() 方法，同時將給新的類定義重新分配該實例的_class_ 屬性。一旦確定所有現(xiàn)有的實例都已經(jīng) unpickle、更新和重新 pickle 后，可以從源代碼模塊中除去舊的類定義。

屬性的添加和刪除

這些特殊的狀態(tài)方法 _getstate_() 和 _setstate_() 再一次使我們能控制每個實例的狀態(tài)，并使我們有機(jī)會處理實例屬性中的更改。讓我們看一個簡單的類的定義，我們將向其添加和除去一些屬性。這是是最初的定義：

清單 17. 最初的類定義

class Person(object):      def __init__(self, firstname, lastname):          self.firstname = firstname          self.lastname = lastname

假定已經(jīng)創(chuàng)建并 pickle 了 Person 的實例，現(xiàn)在我們決定真的只想存儲一個名稱屬性，而不是分別存儲姓和名。這里有一種方式可以更改類的定義，它將先前經(jīng)過pickle 的實例遷移到新的定義：

清單 18. 新的類定義

class Person(object):      def __init__(self, fullname):          self.fullname = fullname      def __setstate__(self, state):          if 'fullname' not in state:              first = ''              last = ''              if 'firstname' in state:                  first = state['firstname']                  del state['firstname']              if 'lastname' in state:                  last = state['lastname']                  del state['lastname']              self.fullname = " ".join([first, last]).strip()          self.__dict__.update(state)

在這個示例，我們添加了一個新的屬性 fullname ，并除去了兩個現(xiàn)有的屬性 firstname 和 lastname 。當(dāng)對先前進(jìn)行過 pickle 的實例執(zhí)行 unpickle 時，其先前進(jìn)行過 pickle的狀態(tài)會作為字典傳遞給 _setstate_() ，它將包括firstname 和 lastname 屬性的值。接下來，將這兩個值組合起來，并將它們分配給新屬性 fullname 。在這個過程中，我們刪除了狀態(tài)字典中舊的屬性。更新和重新 pickle先前進(jìn)行過 pickle 的所有實例之后，現(xiàn)在可以從類定義中除去_setstate_() 方法。

模塊的修改

在概念上，模塊的名稱或位置的改變類似于類名稱的改變，但處理方式卻完全不同。那是因為模塊的信息存儲在 pickle中，而不是通過標(biāo)準(zhǔn)的 pickle 接口就可以修改的屬性。事實上，改變模塊信息的唯一辦法是對實際的 pickle文件本身執(zhí)行查找和替換操作。至于如何確切地去做，這取決于具體的操作系統(tǒng)和可使用的工具。很顯然，在這種情況下，您會想備份您的文件，以免發(fā)生錯誤。但這種改動應(yīng)該非常簡單，并且對二進(jìn)制pickle 格式進(jìn)行更改與對文本 pickle 格式進(jìn)行更改應(yīng)該一樣有效。

關(guān)于“Python持久性管理的示例分析”這篇文章就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，使各位可以學(xué)到更多知識，如果覺得文章不錯，請把它分享出去讓更多的人看到。