Python pickle模块完全指南：对象序列化与存储

一、pickle核心功能

• 序列化（Pickling）：将Python对象转换为二进制格式
• 反序列化（Unpickling）：从二进制数据重建Python对象
• 支持几乎所有Python数据类型（函数、类、字典等）
• 提供文件操作和字节流操作两种模式

二、基本使用方法

1. 序列化到文件

import pickle

data = {
    'name': '张三',
    'age': 30,
    'skills': ['Python', 'Django', 'JavaScript']
}

# 写入文件
with open('data.pkl', 'wb') as f:
    pickle.dump(data, f)

2. 从文件反序列化

# 读取文件
with open('data.pkl', 'rb') as f:
    loaded_data = pickle.load(f)

print(loaded_data['skills'])  # 输出: ['Python', 'Django', 'JavaScript']

3. 字节流操作

# 对象转字节流
bytes_data = pickle.dumps(data)

# 字节流转对象
new_obj = pickle.loads(bytes_data)
print(new_obj['name'])  # 输出: 张三

三、注意事项与最佳实践

• 版本兼容性：不同Python版本的pickle协议可能不兼容
• 协议选择：使用protocol=pickle.HIGHEST_PROTOCOL获得最佳性能
• 大型对象处理：对于超大对象使用pickletools优化
• 替代方案：JSON用于跨语言场景，shelve用于简单数据库需求

四、典型应用场景

1. 机器学习模型保存与加载
2. 程序配置信息的持久化存储
3. 分布式计算中的对象传输
4. 程序状态的保存与恢复