pickle和cPickle：Python對象的序列化（上）

目的：Python對象序列化
可用性：pickle至少1.4版本，cPickle 1.5版本以上

---

pickle模塊實現了一種算法，將任意一個Python對象轉化成一系列字節（byets）。此過程也調用了serializing對象。表明對象的字節流以後能夠被傳輸或存儲，再重構後建立一個擁有相同特徵（the same characteristics）的新的對象。

cPickle使用C而不是Python，實現了相同的算法。這比Python實現要快好幾倍，可是它不容許用戶從Pickle派生子類。若是子類對你的使用來講可有可無，那麼cPickle是個更好的選擇。

警告:本文檔直接說明，pickle不提供安全保證。若是你在多線程通訊（inter-process communication）或者數據存儲或存儲數據中使用pickle，必定要當心。請勿信任你不能肯定爲安全的數據。

導入

如日常同樣，嘗試導入cPickle，給它賦予一個別名「pickle」。若是由於某些緣由導入失敗，退而求其次到Python的原生（native）實現pickle模塊。若是cPickle可用，能給你提供一個更快速的執行，不然只能是輕便的執行（the portable implementation）。

pythontry:
   import cPickle as pickle
except:
   import pickle

編碼和解碼

第一個例子將一種數據結構編碼成一個字符串，而後把該字符串打印至控制檯。使用一種包含全部原生類型（native types）的數據結構。任何類型的實例均可被醃漬（pickled，譯者注：模塊名稱pickle的中文含義爲醃菜），在稍後的例子中會演示。使用pickle.dumps()來建立一個表示該對象值的字符串。

pythontry:
    import cPickle as pickle
except:
    import pickle
import pprint

data = [ { 'a':'A', 'b':2, 'c':3.0 } ]
print 'DATA:',
pprint.pprint(data)

data_string = pickle.dumps(data)
print 'PICKLE:', data_string

pickle默認僅由ASCII字符組成。也可使用更高效的二進制格式（binary format），只是由於在打印的時候更易於理解，本頁的全部例子都使用ASCII輸出。

python$ python pickle_string.py

DATA:[{'a': 'A', 'b': 2, 'c': 3.0}]
PICKLE: (lp1
(dp2
S'a'
S'A'
sS'c'
F3
sS'b'
I2
sa.

數據被序列化之後，你能夠將它們寫入文件、套接字、管道等等中。以後你也能夠從文件中讀取出來、將它反醃漬（unpickled）而構造一個具備相同值得新對象。

pythontry:
    import cPickle as pickle
except:
    import pickle
import pprint

data1 = [ { 'a':'A', 'b':2, 'c':3.0 } ]
print 'BEFORE:',
pprint.pprint(data1)

data1_string = pickle.dumps(data1)

data2 = pickle.loads(data1_string)
print 'AFTER:',
pprint.pprint(data2)

print 'SAME?:', (data1 is data2)
print 'EQUAL?:', (data1 == data2)

如你所見，這個新構造的對象與原對象相同，但並不是同一對象。這不足爲奇。

python$ python pickle_unpickle.py

BEFORE:[{'a': 'A', 'b': 2, 'c': 3.0}]
AFTER:[{'a': 'A', 'b': 2, 'c': 3.0}]
SAME?: False
EQUAL?: True

與流一塊兒工做

除dumps()和loads()外，pickle還提供一對用在類文件流（file-like streams）的轉化函數。能夠往一個流中寫對個對象，而後從流中把它們讀取出來，此過程不須要預先寫入的對象有幾個、它們多大。

pythontry:
    import cPickle as pickle
except:
    import pickle
import pprint
from StringIO import StringIO

class SimpleObject(object):

    def __init__(self, name):
        self.name = name
        l = list(name)
        l.reverse()
        self.name_backwards = ''.join(l)
        return

data = []
data.append(SimpleObject('pickle'))
data.append(SimpleObject('cPickle'))
data.append(SimpleObject('last'))

# 使用StringIO模擬一個文件
out_s = StringIO()

# 寫入該流
for o in data:
    print 'WRITING: %s (%s)' % (o.name, o.name_backwards)
    pickle.dump(o, out_s)
    out_s.flush()

# 創建一個可讀流
in_s = StringIO(out_s.getvalue())

# 讀數據
while True:
    try:
        o = pickle.load(in_s)
    except EOFError:
        break
    else:
        print 'READ: %s (%s)' % (o.name, o.name_backwards)

這個例子使用SringIO緩存器（buffer）模擬流，因此在創建可讀流的時候咱們玩了一把。一個簡單數據庫的格式化也可使用pickles來存儲對象，只是shelve與之工做更加簡便。

python$ python pickle_stream.py

WRITING: pickle (elkcip)
WRITING: cPickle (elkciPc)
WRITING: last (tsal)
READ: pickle (elkcip)
READ: cPickle (elkciPc)
READ: last (tsal)

除了存儲數據，pickles在進程間通訊（inter-process communication）中也很是稱手。例如，使用os.fork()和os.pipe()能夠創立工做者進程（worker processes），從一個管道（pipe）讀取做業指令（job instruction）而後將結果寫入另外一個管道。管理工做者池（worker pool）和將做業送入、接受響應（response）的核心代碼可被重用，由於做業和響應並不屬於某個特定類中。若是你使用管道或者套接字（sockets），在經過連至另外一端（end）的鏈接傾倒（dumps）全部對象、推送數據以後，別忘了沖洗（flush）。若是你想寫本身的工做者池管理器，請看multiprocessing。

原文：pickle and cPickle – Python object serialization - Python Module of the Week 的前半部分