Python序列化-为什么是pickle？

我理解Python pickle是一种以尊重对象编程的方式“存储”Python对象的方法——不同于以txt文件或DB编写的输出

您是否有关于以下几点的更多详细信息或参考资料：

• 酸洗对象“存储”在哪里
• 为什么酸洗保存对象表示比存储在DB中更重要
• 我可以从一个Python shell会话检索到另一个Python shell会话中的pickle对象吗
• 当序列化有用时，您是否有重要的示例
• 使用pickle进行序列化是否意味着数据“压缩”

---

换句话说，我正在寻找一个关于pickle的文档-Python.doc解释了如何实现pickle，但似乎没有深入讨论序列化的使用和必要性。

pickle是一种将Python对象（列表、dict等）转换为字符流的方法。其思想是，此字符流包含在另一个python脚本中重建对象所需的所有信息

至于腌制信息的存储位置，通常会：

with open('filename', 'wb') as f:
    var = {1 : 'a' , 2 : 'b'}
    pickle.dump(var, f)

这将把我们的

var

dict的pickle版本存储在“filename”文件中。然后，在另一个脚本中，可以将此文件加载到变量中，然后重新创建字典：

with open('filename','rb') as f:
    var = pickle.load(f)

pickle的另一个用途是，如果您需要通过网络（可能是通过套接字或其他方式）传输此字典，则首先需要将其转换为字符流，然后可以通过套接字连接发送

此外，这里没有“压缩”可谈……它只是一种从一种表示（在RAM中）转换到另一种表示（在“文本”中）的方法

---

About.com对pickle有很好的介绍。

pickle对于分布式和并行计算来说是绝对必要的

假设您希望使用

多处理

（或跨群集节点）执行并行映射reduce，那么您需要确保要跨并行资源映射的函数将被pickle。如果它没有进行pickle，则无法将其发送到另一个进程、计算机等上的其他资源。另请参阅一个好的示例

为此，我使用，它可以序列化python中的几乎所有内容。Dill还可以帮助您理解代码失败时是什么导致酸洗失败

---

而且，是的，人们使用拾取来保存计算或会话的状态，或者其他。如果愿意，还可以扩展pickle的Pickler和UnPickler，使用

bz2

或

gzip

进行压缩。

这是一种序列化。使用cPickle它比泡菜快得多

import pickle
##make Pickle File
with open('pickles/corups.pickle', 'wb') as handle:
    pickle.dump(corpus, handle)

#read pickle file
with open('pickles/corups.pickle', 'rb') as handle:
    corpus = pickle.load(handle)

---

我发现它对于大型复杂的自定义类特别有用。在我想到的一个特定示例中，“收集”信息（从数据库中）来创建类已经完成了一半的工作。然后，存储在类中的信息可能会在运行时被用户更改

您可以在数据库中有另一组表，然后编写另一个函数来检查存储的所有内容，并将其写入新的数据库表。然后，您需要编写另一个函数，以便能够加载通过将所有信息读回中保存的内容

---

或者，可以按原样pickle整个类，然后将其存储到数据库中的单个字段中。然后当你去加载它时，它会像以前一样一次加载回来。在保存和检索复杂的类时，这最终可以节省大量的时间和代码。

保存状态以便以后恢复，或者将对象共享/复制到其他python运行时，这可能是我的猜测。Wikipedia关于序列化的文章回答了你的许多问题：你是在问为什么我需要Pickle来进行序列化吗python或者更确切地说，序列化的目的到底是什么？最好提及pickle的安全问题。示例可以在中找到，也可以在许多SO问题中找到，例如。通常情况下，

将open（'filename'）作为f:…

也可以使用

将open（filename，'wb'）作为f:…

，否则您将无法写入该文件。谢谢！！这篇关于Python持久性管理的文章很好，一般来说，使用

pickle

通过网络传输字典不是一个好主意（json在这里可能更好）。虽然在极少数情况下，它可能有用，例如，

多处理

模块。@Tim Pietzcker:

协议=0

（Python2.x上的默认值）可用于以文本模式打开的文件。