1: 使用 Pickle 序列化和反序列化对象

pickle 模块实现了一种算法，可以将任意 Python 对象转换为一系列字节。这个过程也被称为 序列化 对象。表示对象的字节流随后可以被传输或存储，并且稍后可以被重建以创建一个具有相同特征的新对象。

对于最简单的代码，我们使用 dump() 和 load() 函数。

序列化对象

import pickle

# 一个由 pickle 支持的任意对象集合。
data = {
  'a': [1, 2.0, 3, 4+6j],
  'b': ("character string", b"byte string"),
  'c': {None, True, False}
}

with open('data.pickle', 'wb') as f:
  # 使用可用的最高协议序列化 'data' 字典。
  pickle.dump(data, f, pickle.HIGHEST_PROTOCOL)

反序列化对象

import pickle

with open('data.pickle', 'rb') as f:
  # 使用的协议版本会自动检测，因此我们不需要指定它。
  data = pickle.load(f)

使用 pickle 和字节对象

也可以使用 dumps 和 loads 函数将对象序列化为字节对象或将字节对象反序列化为对象，这两个函数分别等同于 dump 和 load。

serialized_data = pickle.dumps(data, pickle.HIGHEST_PROTOCOL)
# type(serialized_data) 是 bytes

deserialized_data = pickle.loads(serialized_data)
# deserialized_data == data

2: 自定义 Pickle 数据

有些数据无法被序列化。还有些数据由于其他原因不应该被序列化。

可以通过定义 __getstate__ 方法来指定哪些数据将被序列化。这个方法必须返回可序列化的数据。

相对应的是 __setstate__ 方法：它会接收 __getstate__ 创建的数据，并且必须用来初始化对象。

class A(object):
  def __init__(self, important_data):
    self.important_data = important_data
    
    # 添加无法序列化的数据：
    self.func = lambda: 7
    
    # 添加不应被序列化的数据，因为它会快速过期：
    self.is_up_to_date = False

  def __getstate__(self):
    return [self.important_data] # 只需要序列化这个
  
  def __setstate__(self, state):
    self.important_data = state[0]
    self.func = lambda: 7 # 只是某个硬编码的不可序列化函数
    self.is_up_to_date = False # 即使在序列化之前它是 True 也一样

现在可以这样操作：

>>> a1 = A('very important')
>>>
>>> s = pickle.dumps(a1) # 调用 a1.__getstate__()
>>>
>>> a2 = pickle.loads(s) # 调用 a1.__setstate__(['very important'])
>>> a2
<__main__.a object at 0x0000000002742470>
>>> a2.important_data
'very important'
>>> a2.func()
7

这里的实现将一个包含一个值的列表序列化：[self.important_data]。这只是一个示例，__getstate__ 可以返回任何可序列化的数据，只要 __setstate__ 知道如何反向操作即可。一个不错的选择是返回一个包含所有值的字典：{'important_data': self.important_data}。

注意，构造函数不会被调用！在前面的例子中，实例 a2 是在 pickle.loads 中创建的，而从未调用过 A.__init__，因此 A.__setstate__ 必须初始化 __init__ 本应初始化的所有内容。