上次學習過marshal模組用於序列化和反序列化，但marshal的功能比較薄弱，只支援部分內建資料型別的序列化/反序列化，對於使用者自定義的型別就無能為力，同時marshal不支援自引用(遞迴引用)的物件的序列化。所以直接使用marshal來序列化/反序列化可能不是很方便。還好，python標準庫提供了功能更加強大且更加安全的pickle和cPickle模組。
cPickle模組是使用C語言實現的，所以在執行效率上比pickle要高。但是cPickle模組中定義的型別不能被繼承（其實大多數時候，我們不需要從這些型別中繼承。）。cPickle和pickle的序列化/反序列化規則是一樣的，我們可以使用pickle序列化一個物件，然後使用cPickle來反序列化。同時，這兩個模組在處理自引用型別時會變得更加“聰明”，它不會無限制的遞迴序列化自引用物件，對於同一物件的多次引用，它只會序列化一次。例如：
|
1 2 3 4 5 6 |
import marshal, pickle list = [1] list.append(list) byt1 = marshal.dumps(list) #出錯, 無限制的遞迴序列化 byt2 = pickle.dumps(list) #No problem |
pickle的序列化規則
Python規範（Python-specific）提供了pickle的序列化規則。這就不必擔心不同版本的Python之間序列化相容性問題。預設情況下，pickle的序列化是基於文字的，我們可以直接用文字編輯器檢視序列化的文字。我們也可以序列成二進位制格式的資料，這樣的結果體積會更小。更詳細的內容，可以參考Python手冊pickle模組。
下面就開始使用pickle吧~
pickle.dump(obj, file[, protocol])
序列化物件，並將結果資料流寫入到檔案物件中。引數protocol是序列化模式，預設值為0，表示以文字的形式序列化。protocol的值還可以是1或2，表示以二進位制的形式序列化。
pickle.load(file)
反序列化物件。將檔案中的資料解析為一個Python物件。下面通過一個簡單的例子來演示上面兩個方法的使用：
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 |
#coding=gbk import pickle, StringIO class Person(object): '''自定義型別。 ''' def __init__(self, name, address): self.name = name self.address = address def display(self): print 'name:', self.name, 'address:', self.address jj = Person("JGood", "中國 杭州") jj.display() file = StringIO.StringIO() pickle.dump(jj, file, 0) #序列化 #print file.getvalue() #列印序列化後的結果 #del Person #反序列的時候，必須能找到對應類的定義。否則反序列化操作失敗。 file.seek(0) jj1 = pickle.load(file) #反序列化 jj1.display() file.close() |
注意：在反序列化的時候，必須能找到對應類的定義，否則反序列化將失敗。在上面的例子中，如果取消#del Person的註釋，在執行時將拋AttributeError異常，提示當前模組找不到Person的定義。
pickle.dumps(obj[, protocol])
pickle.loads(string)
我們也可以直接獲取序列化後的資料流，或者直接從資料流反序列化。方法dumps與loads就完成這樣的功能。dumps返回序列化後的資料流，loads返回的序列化生成的物件。
python模組中還定義了兩個類，分別用來序列化、反序列化物件。
class pickle.Pickler(file[, protocal]):
該類用於序列化物件。引數file是一個類檔案物件(file-like object)，用於儲存序列化結果。可選參數列示序列化模式。它定義了兩個方法：
dump(obj):
將物件序列化，並儲存到類檔案物件中。引數obj是要序列化的物件。
clear_memo()
清空pickler的“備忘”。使用Pickler例項在序列化物件的時候，它會“記住”已經被序列化的物件引用，所以對同一物件多次呼叫dump(obj)，pickler不會“傻傻”的去多次序列化。下面是一個簡單的例子：
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 |
#coding=gbk import pickle, StringIO class Person(object): '''自定義型別。 ''' def __init__(self, name, address): self.name = name self.address = address def display(self): print 'name:', self.name, 'address:', self.address fle = StringIO.StringIO() pick = pickle.Pickler(fle) person = Person("JGood", "Hangzhou China") pick.dump(person) val1 = fle.getvalue() print len(val1) pick.clear_memo() #註釋此句，再看看執行結果 pick.dump(person) #對同一引用物件再次進行序列化 val2 = fle.getvalue() print len(val2) #---- 結果 ---- #148 #296 # #將這行程式碼註釋掉：pick.clear_memo() #結果為： #148 #152 |
class pickle.Unpickler(file):
該類用於反序列化物件。引數file是一個類檔案(file-like object)物件，Unpickler從該引數中獲取資料進行反序列化。
load():
反序列化物件。該方法會根據已經序列化的資料流，自動選擇合適的反序列化模式。
|
1 2 3 4 5 |
#.... 接上個例子中的程式碼 fle.seek(0) unpick = pickle.Unpickler(fle) print unpick.load() |
上面介紹了pickle模組的基本使用，但和marshal一樣，並不是所有的型別都可以通過pickle序列化的。例如對於一個巢狀的型別，使用pickle序列化就失敗。例如：
|
1 2 3 4 5 6 7 8 9 10 11 12 |
class A(object): class B(object): def __init__(self, name): self.name = name def __init__(self): print 'init A' b = A.B("my name") print b c = pickle.dumps(b, 0) #失敗哦 print pickle.loads(c) |
關於pickle支援的序列化型別，可以參考Python手冊。
Python手冊中的pickle模組，介紹了更高階的主題，例如自定義序列化過程。有時間再和大家分享。