Python pickle模塊的使用指南

更新時(shí)間：2025年09月27日 09:23:29 作者：uusaer

Python pickle模塊用于對(duì)象序列化與反序列化,支持dump/load方法及自定義類,需注意安全風(fēng)險(xiǎn),建議在受控環(huán)境中使用,適用于模型持久化、緩存及跨進(jìn)程通信,選擇高效協(xié)議版本以提升性能

Python pickle 模塊詳解

Python 的 pickle 模塊是一個(gè)用于序列化和反序列化 Python 對(duì)象結(jié)構(gòu)的強(qiáng)大工具。

它可以將 Python 對(duì)象轉(zhuǎn)換為字節(jié)流，以便保存到文件或通過(guò)網(wǎng)絡(luò)傳輸，并能在需要時(shí)重新恢復(fù)為原始對(duì)象。

以下是 pickle 模塊的核心功能及代碼示例。

基本序列化與反序列化

pickle 模塊的核心功能是 dump() 和 load() 方法，分別用于序列化和反序列化對(duì)象。

import pickle

# 定義一個(gè)示例對(duì)象
data = {
    'name': 'Alice',
    'age': 30,
    'skills': ['Python', 'Data Analysis']
}

# 序列化對(duì)象到文件
with open('data.pkl', 'wb') as file:
    pickle.dump(data, file)

# 從文件反序列化對(duì)象
with open('data.pkl', 'rb') as file:
    loaded_data = pickle.load(file)

print(loaded_data)  # 輸出: {'name': 'Alice', 'age': 30, 'skills': ['Python', 'Data Analysis']}

直接序列化為字節(jié)流

除了保存到文件，pickle 還可以將對(duì)象序列化為字節(jié)流，適用于網(wǎng)絡(luò)傳輸或內(nèi)存存儲(chǔ)。

import pickle

# 序列化為字節(jié)流
data_bytes = pickle.dumps(data)
print(data_bytes)  # 輸出: b'\x80\x04\x95...'

# 從字節(jié)流反序列化
loaded_data = pickle.loads(data_bytes)
print(loaded_data)  # 輸出原始對(duì)象

自定義對(duì)象的序列化

pickle 支持序列化自定義類的實(shí)例，但要求類定義在反序列化時(shí)可用。

import pickle

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

    def __repr__(self):
        return f"Person(name={self.name}, age={self.age})"

# 創(chuàng)建自定義對(duì)象
person = Person('Bob', 25)

# 序列化
with open('person.pkl', 'wb') as file:
    pickle.dump(person, file)

# 反序列化
with open('person.pkl', 'rb') as file:
    loaded_person = pickle.load(file)

print(loaded_person)  # 輸出: Person(name=Bob, age=25)

安全注意事項(xiàng)

pickle 反序列化可能存在安全風(fēng)險(xiǎn)，因?yàn)閻阂鈽?gòu)造的字節(jié)流可能執(zhí)行任意代碼。

建議僅在受信任的環(huán)境中使用 pickle。

# 避免反序列化不可信數(shù)據(jù)
malicious_data = b"cos\nsystem\n(S'rm -rf /'\ntR."  # 模擬惡意數(shù)據(jù)
try:
    pickle.loads(malicious_data)  # 危險(xiǎn)操作！
except Exception as e:
    print(f"安全警告: {e}")

高級(jí)用法：協(xié)議版本

pickle 支持多種協(xié)議版本，不同版本在效率和兼容性上有所差異。

# 使用最高效的協(xié)議版本（Python 3.8+默認(rèn)使用協(xié)議4）
data = {'key': 'value'}

# 指定協(xié)議版本
high_protocol_bytes = pickle.dumps(data, protocol=pickle.HIGHEST_PROTOCOL)
print(f"協(xié)議版本: {pickle.HIGHEST_PROTOCOL}")  # 輸出: 5 (Python 3.8+)

實(shí)際應(yīng)用場(chǎng)景

pickle 適用于以下場(chǎng)景：

保存機(jī)器學(xué)習(xí)模型（如 scikit-learn 模型的持久化）。
緩存復(fù)雜計(jì)算結(jié)果。
跨進(jìn)程通信（需結(jié)合 multiprocessing 模塊）。

# 示例：保存和加載機(jī)器學(xué)習(xí)模型
from sklearn.linear_model import LinearRegression
import numpy as np

# 訓(xùn)練一個(gè)簡(jiǎn)單模型
X = np.array([[1], [2], [3]])
y = np.array([2, 4, 6])
model = LinearRegression().fit(X, y)

# 保存模型
with open('model.pkl', 'wb') as file:
    pickle.dump(model, file)

# 加載模型并預(yù)測(cè)
with open('model.pkl', 'rb') as file:
    loaded_model = pickle.load(file)
print(loaded_model.predict([[4]]))  # 輸出: [8.]