pickle和cPickle：Python对象的序列化（上）
目的：Python对象序列化
可用性：pickle至少1.4版本，cPickle 1.5版本以上
pickle模块实现了一种算法，将任意一个Python对象转化成一系列字节（byets）。此过程也调用了serializing对象。代表对象的字节流之后可以被传输或存储，再重构后创建一个拥有相同特征（the same characteristics）的新的对象。
cPickle使用C而不是Python，实现了相同的算法。这比Python实现要快好几倍，但是它不允许用户从Pickle派生子类。如果子类对你的使用来说无关紧要，那么cPickle是个更好的选择。
警告:本文档直接说明，pickle不提供安全保证。如果你在多线程通信（inter-process communication）或者数据存储或存储数据中使用pickle，一定要小心。请勿信任你不能确定为安全的数据。
导入
如平常一样，尝试导入cPickle，给它赋予一个别名“pickle”。如果因为某些原因导入失败，退而求其次到Python的原生（native）实现pickle模块。如果cPickle可用，能给你提供一个更快速的执行，否则只能是轻便的执行（the portable implementation）。
| 12345 | try: import cPickle as pickleexcept: import pickle |
编码和解码
第一个例子将一种数据结构编码成一个字符串，然后把该字符串打印至控制台。使用一种包含所有原生类型（native types）的数据结构。任何类型的实例都可被腌渍（pickled，译者注：模块名称pickle的中文含义为腌菜），在稍后的例子中会演示。使用pickle.dumps()来创建一个表示该对象值的字符串。
| 12345678910111213 | try: import cPickle as pickleexcept: import pickleimport pprint data = [ { \’a\’:\’A\’, \’b\’:2, \’c\’:3.0 } ]print \’DATA:\’,pprint.pprint(data) data_string = pickle.dumps(data)print \’PICKLE:\’, data_string |
pickle默认仅由ASCII字符组成。也可以使用更高效的二进制格式（binary format），只是因为在打印的时候更易于理解，本页的所有例子都使用ASCII输出。
| 12345678910111213 | $ python pickle_string.py DATA:[{\’a\’: \’A\’, \’b\’: 2, \’c\’: 3.0}]PICKLE: (lp1(dp2S\’a\’S\’A\’sS\’c\’F3sS\’b\’I2sa. |
数据被序列化以后，你可以将它们写入文件、套接字、管道等等中。之后你也可以从文件中读取出来、将它反腌渍（unpickled）而构造一个具有相同值得新对象。
| 12345678910111213141516171819 | try: import cPickle as pickleexcept: import pickleimport 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) |
如你所见，这个新构造的对象与原对象相同，但并非同一对象。这不足为奇。
| 1234567 | $ python pickle_unpickle.py BEFORE:[{\’a\’: \’A\’, \’b\’: 2, \’c\’: 3.0}]AFTER:[{\’a\’: \’A\’, \’b\’: 2, \’c\’: 3.0}]SAME?: FalseEQUAL?: True |
与流一起工作
除dumps()和loads()外，pickle还提供一对用在类文件流（file-like streams）的转化函数。可以往一个流中写对个对象，然后从流中把它们读取出来，此过程不需要预先写入的对象有几个、它们多大。
| 123456789101112131415161718192021222324252627282930313233343536373839404142 | try: import cPickle as pickleexcept: import pickleimport pprintfrom 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模拟一个文件out_s = StringIO() # 写入该流for o in data: print \’WRITING: %s (%s)\’ % (o.name, o.name_backwards) pickle.dump(o, out_s) out_s.flush() # 建立一个可读流in_s = StringIO(out_s.getvalue()) # 读数据while True: try: o = pickle.load(in_s) except EOFError: break else: print \’READ: %s (%s)\’ % (o.name, o.name_backwards) |
这个例子使用SringIO缓存器（buffer）模拟流，所以在建立可读流的时候我们玩了一把。一个简单数据库的格式化也可以使用pickles来存储对象，只是shelve与之工作更加简便。
| 123456789 | $ python pickle_stream.py WRITING: pickle (elkcip)WRITING: cPickle (elkciPc)WRITING: last (tsal)READ: pickle (elkcip)READ: cPickle (elkciPc)READ: last (tsal) |
除了存储数据，pickles在进程间通信（inter-process communication）中也非常称手。例如，使用os.fork()和os.pipe()可以创立工作者进程（worker processes），从一个管道（pipe）读取作业指令（job instruction）然后将结果写入另一个管道。管理工作者池（worker pool）和将作业送入、接受响应（response）的核心代码可被重用，因为作业和响应并不属于某个特定类中。如果你使用管道或者套接字（sockets），在通过连至另一端（end）的连接倾倒（dumps）所有对象、推送数据之后，别忘了冲洗（flush）。如果你想写自己的工作者池管理器，请看multiprocessing。
Next–>