目录
  • 1. pickle标准库简介
    • 1.1 预备知识
    • 1.2 pickle与json的对比
  • 2. pickle常用函数
    • 2.1 pickle.dump(obj, file, protocol=None, *, fix_imports=True)
    • 2.2 pickle.load(file, *, fix_imports=True, encoding='ASCII', errors='strict')
    • 2.3 pickle.dumps(obj, protocol=None, *, fix_imports=True)
    • 2.4 pickle.loads(data, *, fix_imports=True, encoding='ASCII', errors='strict')
  • 3.参考文献

    1. pickle标准库简介

    • pickle，作为名词表示泡菜，作为动词表示用醋或盐水保存食物。由此不难联想到，用存储设备持久化保存数据。而pickle标准库恰是一个 Python 对象结构的二进制序列化和反序列化的核心库，专用于表示Python语言大量数据类型，是序列化 Python 对象时的首选。
    • pickle标准库是一个纯Python实现的标准版本，cPickle标准库(Python 3.x更名为_pickle)则是C语言实现的加速版本，读写效率较高。
    • 实际使用Python3.x过程中，我们直接导入标准版本即可，源代码最后部分会尝试导入加速版本对应函数，不必单独导入pickle模块，如下所示：

    # Use the faster _pickle if possible try: from _pickle import ( PickleError, PicklingError, UnpicklingError, Pickler, Unpickler, dump, dumps, load, loads ) except ImportError: Pickler, Unpickler = _Pickler, _Unpickler dump, dumps, load, loads = _dump, _dumps, _load, _loads

    1.1 预备知识

    • 数据持久化(Data Persistence)：将内存中的数据模型转换为存储模型，以及将存储模型转换为内存中的数据模型的统称，一般是指把瞬时数据（如内存中的对象）转换为持久数据永久保存到存储设备中（如磁盘）。
    • 序列化\反序列化分类：二进制序列、文本序列
    • 序列化(Serialization)：将对象的状态信息转换为可以存储或传输的形式的过程，目的是使内存中的状态信息持久化便于以后恢复、
    • 方便在网络传输以实现跨平台数据交互。
    • 反序列化(Deserialization)：将序列重新恢复成对象的过程，是序列化的逆过程

    1.2 pickle与json的对比

    比较维度\标准库 pickle json
    序列化方式 二进制序列 文本序列
    人类直观可读 否 是
    跨平台、语言、协议 否，Python专用 是
    数据类型表示支持 可表示大量Python数据类型 只能表示Python内置类型子集，不能表示自定义的类

    2. pickle常用函数

    2.1 pickle.dump(obj, file, protocol=None, *, fix_imports=True)

    将 Python 对象写入已打开的二进制文件

    # define a dict object obj={ "name":"Bonnie", "isAGirl":True, "age":22, "hobbies":["guitar","singing","traveling"] } # 将obj写入已打开的二进制文件，序列化 with open("puppy_love.pkl","wb") as f: pickle.dump(obj,f,protocol=pickle.HIGHEST_PROTOCOL) # 设置为可用的最高协议

    2.2 pickle.load(file, *, fix_imports=True, encoding='ASCII', errors='strict')

    从已打开的二进制文件中读取打包后的对象，重建其中特定对象的层次结构并返回

    # 从打开的二进制文件重建对象，反序列化 with open("puppy_love.pkl","rb") as f: obj_again=pickle.load(f) print("反序列化后的对象为{}".format(obj_again))

    2.3 pickle.dumps(obj, protocol=None, *, fix_imports=True)

    将 obj 打包以后的对象作为bytes 类型直接返回，而不是将其写入到文件

    # 将Python对象直接转为bytes类型，不写入文件 bytes_obj=pickle.dumps(obj,protocol=pickle.HIGHEST_PROTOCOL) # 设置为可用的最高协议 print("obj转换为bytes类型后为{}".format(bytes_obj))

    2.4 pickle.loads(data, *, fix_imports=True, encoding='ASCII', errors='strict')

    重建并返回一个对象的封存表示形式 data 的对象层级结构，bytes类型将反序列化为Python对象

    # bytes类型将反序列化为Python对象 obj_origin=pickle.loads(bytes_obj) print("bytes类型将反序列化为obj后{}".format(obj_origin))

    3.参考文献

    pickle —— Python 对象序列化 — Python 3.7.13 文档

    到此这篇关于Python标准库pickle的简单使用的文章就介绍到这了,更多相关Python pickle内容请搜索本网站以前的文章或继续浏览下面的相关文章希望大家以后多多支持本网站！

    您可能感兴趣的文章:

    • Python 中Pickle库的使用详解
    • python持久性管理pickle模块详细介绍
    • Python pickle模块用法实例分析
    • Python使用Pickle模块进行数据保存和读取的讲解
    • python使用cPickle模块序列化实例
    • Python pickle模块用法实例