Python 中的 Pickling 和 Unpickling 详解

1. 什么是 Pickling 和 Unpickling？

• Pickling： 将 Python 对象序列化为字节流的过程，以便存储到文件或通过网络传输。
• Unpickling： 将字节流反序列化为 Python 对象的过程，恢复原始数据。
• Pickling 和 Unpickling 是 Python 中实现对象持久化的核心机制。

2. 使用场景

• 数据持久化：将对象保存到文件中，以便后续使用。

• 进程间通信：在多进程编程中传递复杂对象。

• 缓存：将计算结果序列化后存储，避免重复计算。

3. 实现方式
Python 提供了 pickle 模块来实现 Pickling 和 Unpickling。

3.1 Pickling 示例

import pickle

data = {
    "name": "Alice",
    "age": 30,
    "hobbies": ["reading", "traveling"]
}

# 将对象序列化为字节流
with open("data.pkl", "wb") as file:
    pickle.dump(data, file)

3.2 Unpickling 示例

import pickle

# 将字节流反序列化为对象
with open("data.pkl", "rb") as file:
    loaded_data = pickle.load(file)

print(loaded_data)

输出：

{'name': 'Alice', 'age': 30, 'hobbies': ['reading', 'traveling']}

4. 支持的 Python 对象类型
pickle 模块支持大多数 Python 对象类型，包括：

• 基本数据类型（如 int、float、str、list、dict）。
• 自定义类和对象。
• 函数和类定义（需在反序列化时能访问到）。

5. 注意事项
5.1 安全性
风险：反序列化不可信数据可能导致代码执行（如恶意构造的 Pickle 数据）。

防护措施：

• 仅反序列化可信来源的数据。
• 使用 pickle.HIGHEST_PROTOCOL 提高安全性。

5.2 性能

• Pickling 和 Unpickling 的性能取决于数据大小和复杂度。

• 对于大型数据集，建议使用更高效的序列化工具（如 json、msgpack）。

5.3 跨语言兼容性

• pickle 是 Python 特有的格式，无法直接与其他语言交互。

• 如果需要跨语言兼容，可以使用 json 或 protobuf。

6. 高级用法
6.1 自定义类的 Pickling
通过实现 getstate 和 setstate 方法，可以控制类的序列化和反序列化行为。

示例：

class Person:
    def __init__(self, name, age):
        self.name = name
        self.age = age

    def __getstate__(self):
        return {"name": self.name, "age": self.age}

    def __setstate__(self, state):
        self.name = state["name"]
        self.age = state["age"]

# Pickling
person = Person("Alice", 30)
with open("person.pkl", "wb") as file:
    pickle.dump(person, file)

# Unpickling
with open("person.pkl", "rb") as file:
    loaded_person = pickle.load(file)

print(loaded_person.name, loaded_person.age)  # 输出：Alice 30

6.2 使用 dumps 和 loads

• pickle.dumps(obj)：将对象序列化为字节流（不写入文件）。
• pickle.loads(bytes)：将字节流反序列化为对象。

示例：

import pickle

data = {"key": "value"}
serialized = pickle.dumps(data)  # 序列化为字节流
deserialized = pickle.loads(serialized)  # 反序列化为对象

print(deserialized)  # 输出：{'key': 'value'}

7. 总结

• Pickling 和 Unpickling 是 Python 中实现对象序列化和反序列化的核心机制。
• 适用于数据持久化、进程间通信和缓存等场景。
• 使用时需注意安全性和性能问题，必要时可选择其他序列化工具。