使用 pickle 序列化 Python 对象

5 分钟阅读

序列化的直观认识

在程序运行的过程中，所有的变量都是在内存中，比如，定义一个dict：

d = dict(name='Bob', age=20, score=88)

可以随时修改变量，比如把name改成'Bill'，但是一旦程序结束，变量所占用的内存就被操作系统全部回收。如果没有把修改后的'Bill'存储到磁盘上，下次重新运行程序，变量又被初始化为'Bob'。

我们把变量从内存中变成可存储或传输的过程称之为序列化，在Python中叫pickling，在其他语言中也被称之为serialization，marshalling，flattening等等，都是一个意思。

序列化之后，就可以把序列化后的内容写入磁盘，或者通过网络传输到别的机器上。

反过来，把变量内容从序列化的对象重新读到内存里称之为反序列化，即unpickling。

Python提供了pickle模块来实现序列化。

序列化简介

在面向对象的编程中，序列化是将数据结构或对象转换为可以卸载到文件、内存缓存或通过网络连接传输的格式的过程，并且以后可以在相同或不同的环境中重建相同的对象。

序列化是将对象转换为字节流，从字节流重新生成对象的反向过程是反序列化

序列化 Python 对象的过程

序列化 Python 对象

在Python中，序列化和反序列化是通过“Pickle”库实现的。

什么是Pickle以及如何使用它？

Pickle 库是使用 C 编程语言开发的，就像 Python 解释器一样。它可以保存任意复杂的Python数据结构。Pickle 是可扩展的

Pickle 模块可以存储什么数据类型？

pickle 模块存储以下数据类型：

• Python 维护的所有本机数据类型：布尔值、整数、浮点数、复数、字符串、字节对象、字节数组和 None。
• 包含任何数据类型序列的列表、元组、字典和集合。
• 的列表、词典、元组和集合。带有列表/元组/字典任意组合的集合，以及将本机数据类型的任意组合的集合。
• 函数、类和类的实例。

如何使用 Pickle 库来序列化 Python 对象？

步骤#1 构造Pickle数据。

website = {'title' : 'Techbeamers', 'site_link' : '/','site_type': 'technology blog','owner':'Python Serialization tutorial','established_date':'Sep2015'}

步骤#2 将数据另存为Pickle文件

有一个字典，其中包含有关网站的所有信息。让我们将其另存为泡菜文件：

import pickle
with open ('website.pickle','wb') as f:
    pickle.dump(website,f)

• 使用“wb”文件模式以二进制模式打开文件以进行写入操作。
• 使用“with”语句将其括起来，以确保文件在我们完成处理后自动关闭。
• pickle 模块中的 dump（） 方法采用可序列化的 Python 数据结构，在本例中为我们创建的字典，并执行以下操作。使用最新版本的 pickle 协议将其序列化为二进制格式。将其保存到打开的文件中。
• 最新版本的 pickle 协议需要二进制格式。

步骤#3 从Pickle文件加载数据，

• 你可以简单的理解为把硬盘的文件解析后，
• 加载到内存中变成Python可以识别的结构

pickle 加载文件数据到内存中。

import pickle
with open ('website.pickle', 'rb') as f:
    data = pickle.load(f)
    print (data)

Output:
{'site_link': '/', 'title': 'Techbeamers', 'owner': 'Python Serialization tutorial', 'established_date': 'Sep2015', 'site_type': 'technology blog'}

• 以二进制模式打开了 pickle 文件。
• 该方法接受流对象作为参数，pickle.load()从流中扫描序列化缓冲区。实例化一个全新的 Python 对象。使用序列化数据重新生成新的 Python 对象，
• pickle.load（） 生成新的数据结构，与pickle.dump()的结构保持一致

import pickle

website = {'title' : 'Techbeamers', 'site_link' : '/','site_type': 'technology blog','owner':'Python Serialization tutorial','established_date':'Sep2015'}

with open ('website.pickle','wb') as f:
    pickle.dump(website,f)

with open ('website.pickle', 'rb') as f:
    data = pickle.load(f)
    print (data)

结语