python pickle模块_python pickle模块

持久性的基本思想很简单。假定有一个 Python 程序，它可能是一个管理日常待办事项的程序，您希望在多次执行这个程序之间可以保存应用程序对象(待办事项)。换句话说，您希望将对象存储在磁盘上，便于以后检索。这就是持久性。要达到这个目的，有几种方法，每一种方法都有其优缺点。

例如，可以将对象数据存储在某种格式的文本文件中，譬如 CSV 文件。或者可以用关系数据库，譬如 Gadfly、MySQL、PostgreSQL 或者 DB2。这些文件格式和数据库都非常优秀，对于所有这些存储机制，Python 都有健壮的接口。

这些存储机制都有一个共同点：存储的数据是独立于对这些数据进行操作的对象和程序。这样做的好处是，数据可以作为共享的资源，供其它应用程序使用。缺点是，用这种方式，可以允许其它程序访问对象的数据，这违背了面向对象的封装性原则 — 即对象的数据只能通过这个对象自身的公共(public)接口来访问。

另外，对于某些应用程序，关系数据库方法可能不是很理想。尤其是，关系数据库不理解对象。相反，关系数据库会强行使用自己的类型系统和关系数据模型(表)，每张表包含一组元组(行)，每行包含具有固定数目的静态类型字段(列)。如果应用程序的对象模型不能够方便地转换到关系模型，那么在将对象映射到元组以及将元组映射回对象方面，会碰到一定难度。这种困难常被称为阻碍性不匹配(impedence-mismatch)问题。

序列化：dumps(object) 返回一个字符串，它包含一个 pickle 格式的对象。

dump(object, file) 将对象写到文件，这个文件可以是实际的物理文件，但也可以是任何类似于文件的对象，这个对象具有 write() 方法，可以接受单个的字符串参数

反序列化： loads(string) 返回包含在 pickle 字符串中的对象

load(file) 返回包含在 pickle 文件中的对象

清单1 ：dumps() 和 loads() 的演示

>>> import cPickle as pickle

>>> t1 = ('this is a string', 42, [1, 2, 3], None)

>>> t1

('this is a string', 42, [1, 2, 3], None)

>>> p1 = pickle.dumps(t1)

>>> p1

"(S'this is a string'/nI42/n(lp1/nI1/naI2/naI3/naNtp2/n."

>>> print p1

(S'this is a string'

I42

(lp1

I1

aI2

aI3

aNtp2

.

>>> t2 = pickle.loads(p1)

>>> t2

('this is a string', 42, [1, 2, 3], None)

>>> p2 = pickle.dumps(t1, True)

>>> p2

'(U/x10this is a stringK*]q/x01(K/x01K/x02K/x03eNtq/x02.'

>>> t3 = pickle.loads(p2)

>>> t3

('this is a string', 42, [1, 2, 3], None)

接下来，我们看一些示例，这些示例用到了 dump() 和 load() ，它们使用文件和类似文件的对象。这些函数的操作非常类似于我们刚才所看到的 dumps() 和 loads() ，区别在于它们还有另一种能力 — dump() 函数能一个接着一个地将几个对象转储到同一个文件。随后调用 load() 来以同样的顺序检索这些对象。清单 2 显示了这种能力的实际应用：