串行化主要用于網絡傳輸或者持久化。我們知道，網絡上的數據都是字節流，如果希望將某個對象傳送給遠端的機器，首先就必須將其轉換成字節流，然后才可以在網絡上傳輸。文件也是字節流，如果希望將某個對象保存到文件中，首先也是需要將其轉換成字節流，然后才可以保存。

與串行化對應的是反串行化，即從字節流中恢復出原來的對象。這樣傳輸才有意義。

基本流程

將串行化和反串行化與網絡傳輸合并起來，便可以得到如圖 1 所示的描述過程。

圖 1 串行化和反串行化

如果是通過文件永久保存或備份數據，則可以使用圖6-2來表示該過程。

圖 2 對象保存的過程

可以看出，串行化在這兩個領域是非常有用的。串行化的基本要求即是恢復的對象要等價于原來的對象，不能有信息丟失現象。

pickle用法

串行化相關的模塊很多，如 pickle、cpickle、json 和 marshal 等，它們都在轉換效率和壓縮效率上下了不少功夫，但其基本功能大同小異。所以本教程并不會將這些模塊都進行詳細介紹，主要介紹 pickle 庫的用法。

pickle 不用安裝，其是 Python 自帶的包，使用時僅需要引入該包即可。方法如下：

import pickle

pickle 包主要提供了兩個功能，一個是將對象轉換成字節流，即串行化；另一個是將字節流轉換成對象，即反串行化。每個功能又分出了兩個分支，一個是僅轉換成字節流，另一個是轉換成字節流并保存到文件中去。所以 pickle 包主要有 4 個接口，如表 3 所示。

表 3 pickle包的主要接口串行化

操 作串行化反串行化

轉換+文件操作

dump()

load()

轉換

dumps()

loads()

1) dump(對象，文件對象)：串行化并保存到文件

dump 的文件對象要求是可寫的。

>>> a = range(10)

>>> a

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

>>> fd = open("tmp,bin", "wb")

>>> fd

>>> pickle.dump(a, fd)

>>> fd.close()

>>> fd2 = open("tmp,bin", "rb")

>>> a2 = pickle.load(fd2)

>>> a2

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

2) load(文件對象)：從文件讀數據并恢復出對象

load 函數從文件對象中讀出一個對象，返回值就是該對象。上面的例子中演示了如何使用該接口函數。

3) dumps(對象)：僅串行化

dumps 函數返回一個字節流。

>>> a = range(10)

>>> a

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

>>> s = pickle.dumps(a)

>>> s

'(lp0\nI0\naI1\naI2\naI3\naI4\naI5\naI6\naI7\naI8\naI9\na.'

>>> type(s)

>>> b = pickle.loads(s)

>>> b

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

4) loads(字節流)：從字節流中恢復出對象

輸入應該是 dumps() 的返回值。注意，不要隨意構造字節流，因為并不是所有的字節流都能被解析出來。該接口函數的用法在上面的例子中已經演示過了。

另外，可不可以將多個對象保存到一個文件中呢？答案是可以。如果需要寫入多個對象，則可以多次調用 dump() 函數。同樣，在恢復時也要多次調用 load() 函數。它們之間的對應關系是，第一次 load() 得到的對象是第一次 dump() 對應的對象，第二次 load() 得到的對象是第二次 dump() 對應的對象，簡單來說就是先進先出。

下面的代碼演示了這個用法。

>>> a1 = range(3)

>>> a1

[0, 1, 2]

>>> a2 = range(5)

>>> a2

[0, 1, 2, 3, 4]

>>> fd = open("tmp,bin", "wb")

>>> pickle.dump(a1, fd) # 先寫入短的列表

>>> pickle.dump(a2, fd) # 再寫入長的列表

>>> fd.close()

>>> fd2 = open("tmp,bin", "rb")

>>> b1 = pickle.load(fd2)

>>> b1 # 先讀出來的是短的列表

[0, 1, 2]

>>> b2 = pickle.load(fd2)

>>> b2 # 再讀出來的是長的列表

[0, 1, 2, 3, 4]

>>> fd2.close()

總結

以上是生活随笔為你收集整理的python中pickle模块_Python pickle模块的用法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。