[399]python3 pickle模块详解
- python3 pickle持久化的储存数据。
python程序运行中得到了一些字符串，列表，字典等数据，想要长久的保存下来，方便以后使用，而不是简单的放入内存中关机断电就丢失数据。python模块大全中pickle模块就排上用场了， 他可以将对象转换为一种可以传输或存储的格式。
- pickle对象串行化
pickle模块将任意一个python对象转换成一系统字节的这个操作过程叫做串行化对象；
- pickle与cpickle比较
pickle完全用python来实现的，cpickle用C来实现的，cpickle的速度要比pickle快好多倍，电脑中如果有cpickle的话建议使用cpickle。
- pickle模块中常用的函数：
pickle.dump(obj, file, [,protocol])
含义：pickle.dump（对象，文件，[使用协议]）
将要持久化的数据“对象”，保存到“文件”中，使用有3种协议，索引0为ASCII，1为旧式二进制，2为新式二进制协议，不同之处在于2要更高效一些。默认dump方法使用0做协议。
pickle.load(file)
含义：pickle.load(文件)，将file中的对象序列化读出。
从“文件”中读取字符串，将他们反序列化转换为python的数据对象，可以像操作数据类型的这些方法来操作它们；
pickle.dumps(obj[, protocol])
函数的功能：将obj对象序列化为string形式，而不是存入文件中。
obj：想要序列化的obj对象。
protocal：如果该项省略，则默认为0。如果为负值或HIGHEST_PROTOCOL，则使用最高的协议版本。
pickle.loads(string)
函数的功能：从string中读出序列化前的obj对象。
string：文件名称。
dump() 与 load() 相比 dumps() 和 loads() 还有另一种能力：dump（）函数能一个接一个地将几个对象序列化存储到同一个文件中，随后调用load（）来以同样的顺序反序列化读出这些对象。
- pickle实例代码：
1、一个字典a，用dumple（）存储到本地文件，所存数据的格式就是字典，而普通的file.write（）写入文件的是字符串。读取时，load（）返回的是一个字典，file.read（）返回的是一个字符串。
import pickle
a = {" name ": "Tom", "age": "40"}
with open('text.txt', 'wb') as file:
pickle.dump(a, file)
with open('text.txt', 'rb') as file2:
b = pickle.load(file2)
print(type(b))
print(b)
执行结果：
{‘age‘: ‘40‘, ‘ name ‘: ‘Tom‘}
2、一个列表info，用 pickle.dumps()方法将info序列化为string形式，而不是存入文件中。用pickle.loads()方法从string（文件名称data1）读出序列化前的对象。
import pickle
import pprint
info = [1, 2, 3, 'abc', 'ilovepython']
print('原始数据：')
pprint.pprint(info)
data1 = pickle.dumps(info)
data2 = pickle.loads(data1)
print("序列化：%r" % data1)
print("反序列化： %r" % data2)
执行结果：
原始数据：
[1, 2, 3, 'abc', 'ilovepython']
序列化：b'\x80\x03]q\x00(K\x01K\x02K\x03X\x03\x00\x00\x00abcq\x01X\x0b\x00\x00\x00ilovepythonq\x02e.'
反序列化： [1, 2, 3, 'abc', 'ilovepython']
3、pickle模块主要函数实例
# pickle模块主要函数的应用举例
import pickle
import pprint
dataList = [[8, 1, 'python'],
[8, 1, 'python'],
[8, 0, 'python'],
[8, 1, 'C++'],
[8, 1, 'C++']]
dataDic = {0: [1, 2, 3, 4],
1: ('a', 'b'),
2: {'c': 'yes', 'd': 'no'}}
print("原始数据dataList：")
pprint.pprint(dataList)
print("原始数据dataDic：")
pprint.pprint(dataDic)
# 使用dump()将数据序列化到文件中
fw = open('dataFile.txt', 'wb')
pickle.dump(dataList, fw)
pickle.dump(dataDic, fw)
fw.close()
# 使用load()将数据从文件中序列化读出
fr = open('dataFile.txt', 'rb')
data1 = pickle.load(fr)
print('\n'+"反序列化1：%r" % data1)
data2 = pickle.load(fr)
print("反序列化2：%r" % data2 + '\n')
fr.close()
# 使用dumps()和loads()举例
p = pickle.dumps(dataList)
print(pickle.loads(p))
p = pickle.dumps(dataDic)
print(pickle.loads(p))
执行结果：
原始数据dataList：
[[8, 1, 'python'],
[8, 1, 'python'],
[8, 0, 'python'],
[8, 1, 'C++'],
[8, 1, 'C++']]
原始数据dataDic：
{0: [1, 2, 3, 4], 1: ('a', 'b'), 2: {'c': 'yes', 'd': 'no'}}
反序列化1：[[8, 1, ‘python‘], [8, 1, ‘python‘], [8, 0, ‘python‘], [8, 1, ‘C++‘], [8, 1, ‘C++‘]]
反序列化2：{0: [1, 2, 3, 4], 1: (‘a‘, ‘b‘), 2: {‘d‘: ‘no‘, ‘c‘: ‘yes‘}}
[[8, 1, ‘python‘], [8, 1, ‘python‘], [8, 0, ‘python‘], [8, 1, ‘C++‘], [8, 1, ‘C++‘]]
{0: [1, 2, 3, 4], 1: (‘a‘, ‘b‘), 2: {‘d‘: ‘no‘, ‘c‘: ‘yes‘}}
4、要注意的是，在load（file）时，要让python能够找到类的定义，否则会报错：
import pickle
class Person:
def __init__(self, name, age):
self.name = name
self.age = age
def show(self):
print(self.name+"_"+str(self.age))
aa = Person("Battier", 6)
aa.show()
f = open('./demo3.txt', 'wb')
pickle.dump(aa, f, 0)
f.close()
# del Person
f = open('./demo3.txt', 'rb')
bb = pickle.load(f)
f.close()
bb.show()
如果不注释掉del Person的话，那么会报错：（意思就是当前的模块找不到类了）
5、清空pickler的“备忘”，使用Pickler实例在序列化对象的时候，它会“记住”已经被序列化的对象引用，所以对同一对象多次调用dump(obj)，pickler不会“傻呼呼”的去多次序列化。
import pickle
import io
class Person:
def __init__(self, name, age):
self.name = name
self.age = age
def show(self):
print(self.name + "_"+str(self.age))
aa = Person("Battier", 6)
aa.show()
fle = io.BytesIO()
pick = pickle.Pickler(fle)
pick.dump(aa)
val1 = fle.getvalue()
print(len(val1))
pick.clear_memo()
pick.dump(aa)
val2 = fle.getvalue()
print(len(val2))
fle.close()
上面代码运行结果：
Battier_6
69
138
再注释掉pick.clear_memo()后，运行结果如下：
Battier_6
69
74
主要是因为，python的pickle如果不clear_memo，则不会多次去序列化对象。
参考：http://www.mamicode.com/info-detail-2079993.html