Python Data Persistence 简明教程

Python Data Persistence - Pickle Module

Python 中序列化和反序列化的术语分别为 pickle 和 unpickle。Python 库中的 pickle 模块使用非常特定的 Python 数据格式。因此，非 Python 应用程序可能无法正确反序列化 pickle 数据。还建议不要从未经身份验证的源中反序列化数据。

序列化的（pickle）数据可以存储在字节字符串或二进制文件中。此模块定义了 dumps() 和 loads() 函数，使用字节字符串对数据进行 pickle 和 unpickle 处理。对于基于文件的进程，该模块具有 dump() 和 load() 函数。

Python 的 pickle 协议是用于构建和解构 Python 对象到/从二进制数据中的约定。目前，pickle 模块定义了如下列出的 5 个不同的协议−

Sr.No.	Names & Description
1	Protocol version 0 与早期版本向后兼容的原始“可读”协议。
2	Protocol version 1 旧的二进制格式也兼容 Python 的早期版本。
3	Protocol version 2 在 Python 2.3 中引入，提供对新式类的高效序列化。
4	Protocol version 3 在 Python 3.0 中添加。当需要与其他 Python 3 版本兼容时推荐使用。
5	Protocol version 4 在 Python 3.4 中添加。它增加了对非常大的对象的支持。

Example

pickle 模块包含返回腌制数据的字符串表示形式的 dumps() 函数。

from pickle import dump
dct={"name":"Ravi", "age":23, "Gender":"M","marks":75}
dctstring=dumps(dct)
print (dctstring)

Output

b'\x80\x03}q\x00(X\x04\x00\x00\x00nameq\x01X\x04\x00\x00\x00Raviq\x02X\x03\x00\x00\x00ageq\x03K\x17X\x06\x00\x00\x00Genderq\x04X\x01\x00\x00\x00Mq\x05X\x05\x00\x00\x00marksq\x06KKu.

Example

使用 loads() 函数，可以解腌制该字符串并获取原始字典对象。

from pickle import load
dct=loads(dctstring)
print (dct)

Output

{'name': 'Ravi', 'age': 23, 'Gender': 'M', 'marks': 75}

还可以使用 dump() 函数将腌制对象持久存储在磁盘文件中，并使用 load() 函数检索。

import pickle
f=open("data.txt","wb")
dct={"name":"Ravi", "age":23, "Gender":"M","marks":75}
pickle.dump(dct,f)
f.close()

#to read
import pickle
f=open("data.txt","rb")
d=pickle.load(f)
print (d)
f.close()

pickle 模块还提供了面向对象 API，用于以 Pickler 和 Unpickler 类形式表示的序列化机制。

如上所述，就像 Python 中的内置对象一样，用户定义类中的对象也可以持久序列化在磁盘文件中。在下列程序中，我们定义了一个 User 类，姓名和移动号码作为其实例属性。除 init () 构造函数外，该类还重写了 str () 方法，返回其对象的字符串表示形式。

class User:
   def __init__(self,name, mob):
      self.name=name
      self.mobile=mob
   def __str__(self):
return ('Name: {} mobile: {} '. format(self.name, self.mobile))

要在文件中腌制上述类的对象，我们使用 pickler 类及其 dump() 方法。

from pickle import Pickler
user1=User('Rajani', 'raj@gmail.com', '1234567890')
file=open('userdata','wb')
Pickler(file).dump(user1)
Pickler(file).dump(user2)
file.close()

相反，Unpickler 类有一个 load() 方法，可以如下检索已序列化的对象 −

from pickle import Unpickler
file=open('usersdata','rb')
user1=Unpickler(file).load()
print (user1)