聊聊pickle,序列化对象的神器

本文主要是介绍聊聊pickle,序列化对象的神器，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

工作中经常需要对一些数据进行传输，在Python中，万物皆对象，也就是说，需要对一些对象在网络中进行传输，必须要转换成为可以传输的字节码。

一般我都喜欢用一个中间缓存来保存一些数据对象，用的最多的是redis。对于常规的Python内置对象，用json数据解码成字节码，很是方便，调试中可以直接从缓存中进行查看。

假如用了pickle，这些数据都是转换了以后都是一些人类无法理解的字节码。

话说这次操作的是一个collection中的OrderedDict对象，我在将该类对象保存到缓存的时候，一般习惯用repr强制转换成字符结构，解码放入缓存，后续通过eval提取出数据对象。

a
Out[25]: OrderedDict([('a', 1)])
repr(a)
Out[26]: "OrderedDict([('a', 1)])"

就想上面显示的，当我在另外一个进程通过eval执行该字符串时，其实就是执行OrderedDict([('a', 1)])的表达式，这个时候OrderedDict是一个可调用对象，接入该进程中没有导入该对象，就会报错。

但经过我的测试，pickle就显的很强大，当你传输一个对象无论是Python内置的，还是三方导入的，当你传入一个pickle数据给另外一个数据时，他在还原实例的时候，随便帮你导入，需要的可调用对象。

简单的比方好了

import requests
a = requests.Session()

这个requests是一个三方的包，a是一个实例对象，需要Session的可调用对象创建，当pickle.dumps完成以后，就变成了一串字节码。

当另外一个进程通过pickle.loads还原该对象的时候，你不需要手动前置导入import requests,在还原对象的过程中会自动帮你导入。

这个对于传输一些标准的Python内置对象与三方实例还是非常好用的。但自定义的实例肯定是不可以的。

总结来说，序列化传输还是根据实际的情况来使用最好，标准的数据用json最好，特殊一些的用repr与eval搭配也可行，如果不需要中间缓存看数据内容，pickle肯定是最佳方案。

最后再强调一次，任何对象序列化与反序列化之后，对象的内容是相等的，但对象已经不是原来的他，因为一个是另一个的拷贝，是在计算机两块不同的内存中，无论是否经过通信传输。

这篇关于聊聊pickle,序列化对象的神器的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！