5.21 序列化Python对象.pdfVIP

5.21 序列化Python对象 问题 你需要将⼀个Python对象序列化为⼀个字节流，以便将它保存到⼀个⽂件、存储到数 据库或者 过⽹络传输它。 解决⽅案 对于序列化最普遍的做法就是使⽤ pickle 模块。为了将⼀个对象保存到⼀个⽂件 中，可以这样做： import pickle data = ... # Some Python object f = open(somefile, wb) pickle.dump(data, f) 为了将⼀个对象转储为⼀个字符串，可以使⽤ pickle.dumps() ： s = pickle.dumps(data) 为了从字节流中恢复⼀个对象，使⽤ picle.load() 或 pickle.loads() 函数。 ⽐如： # estore from a file f = open(somefile, rb) data = pickle.load(f) # estore from a string data = pickle.loads(s) 讨论 对于⼤多数应⽤程序来讲，dump() 和 load() 函数的使⽤就是你有效使⽤ pickle 模块所需的全部了。它可适⽤于绝⼤部分Python数据类型和⽤户⾃定义类的对象实 例。如果你碰到某个库可以让你在数据库中保存/恢复Python对象或者是 过⽹络传输 对象的话，那么很有可能这个库的底层就使⽤了 pickle 模块。 pickle 是⼀种Python特有的⾃描述的数据编码。 过⾃描述，被序列化后的数据包 含每个对象开始和结束以及它的类型信息。因此，你⽆需担⼼对象记录的定义，它总 是能⼯作。举个例⼦，如果要处理多个对象，你可以这样做： 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} 你还能序列化函数，类，还有接⼜，但是结果数据仅仅将它们的名称编码成对应的代 码对象。例如： import math import pickle. pickle.dumps(math.cos) b\x80\x03cmath\ncos\nq\x00. 当数据反序列化回来的时候，会先假定所有的源数据时可⽤的。模块、类和函数会⾃ 动按需导⼊进来。对于Python数据被不同机器上的解析器所共享的应⽤程序⽽⾔，数 据的保存可能会有问题，因为所有的机器都必须访问同⼀个源代码。 注 千万不要对不信任的数据使⽤pickle.load()。 pickle在加载时有⼀个副作⽤就是它会⾃动加载相应模 并构造实例对象。 但是某个坏⼈如果知道pickle的⼯作原理， 他就可以创建⼀个恶意的数据导致Python执⾏随意指定的系统命令。 因此，⼀定要保证pickle只在相互之间可以认证对⽅的解析器的内部使⽤。 有些类型的对象是不能被序列化的。这些 常是那些依赖外部系统状态的对象， ⽐如 打开的⽂件，⽹络连接，线程，进程，栈帧等等。 ⽤户⾃定义类可以 过提供 __getstate__() 和 __setstate__() ⽅法来绕过这些限制。 如果定义了这两个 ⽅法，pickle.dump() 就会调⽤ __getstate__() 获取序列化的对象。 类似 的，__setstate__() 在反序列化时被调⽤。为了演⽰这个⼯作原理， 下⾯是⼀个 在内部定义了⼀个线程但仍然可以序列化和反序列化的类： # 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