Python 中的序列化与反序列化：pickle与json 的应用与区别
文章目录
Python 中的序列化与反序列化：pickle与json 的应用与区别
在 Python 中，序列化（serialization）是将 Python 对象转换为可存储或传输的格式，反序列化（deserialization）则是将存储或传输的格式恢复为 Python 对象。两种常见的序列化方式是通过 pickle 和 json 模块实现的。尽管它们都能实现相同的目标，但其用途、性能、以及安全性等方面存在显著差异。
pickle与 json模块的基本介绍
json模块：跨语言的数据交换
json（JavaScript Object Notation）是一种轻量级的数据交换格式，广泛应用于 web 开发和不同语言之间的数据传输。Python 的 json 模块提供了将 Python 对象转换为 JSON 字符串的功能，同时也支持将 JSON 字符串转换为 Python 对象。
- 适用范围：
json主要用于基本数据类型（如字符串、数字、字典、列表等）的序列化和反序列化。它是一种跨语言的标准格式，因此广泛用于与其他编程语言的数据交换。
pickle模块：Python 特有的数据存储
pickle 是 Python 内建的模块，用于将 Python 对象转换为字节流（即二进制形式），并将其存储到文件中或传输到网络中。与 json 不同，pickle 可以序列化更为复杂的数据类型，包括自定义对象、函数、甚至模块。
- 适用范围：
pickle主要用于 Python 内部的持久化存储或进程间通信（IPC）。它不能直接与其他编程语言交换数据，因为其他语言并不理解pickle格式。
pickle 和 json的序列化与反序列化示例
我们通过两个模块的具体代码示例来了解它们的使用。
使用 pickle进行序列化与反序列化：
import pickle
# 创建一个包含自定义对象的列表
data = {'name': 'Alice', 'age': 30, 'is_student': False}
# 将 Python 对象序列化为二进制格式
with open('data.pickle', 'wb') as f:
pickle.dump(data, f)
# 从文件中反序列化数据
with open('data.pickle', 'rb') as f:
loaded_data = pickle.load(f)
print(loaded_data) # 输出: {'name': 'Alice', 'age': 30, 'is_student': False}
在这个示例中，我们将一个字典对象序列化到文件 data.pickle 中，并通过 pickle.load() 将其反序列化为原始 Python 数据结构。
使用 json 进行序列化与反序列化：
import json
# 创建一个字典对象
data = {'name': 'Bob', 'age': 25, 'is_student': True}
# 将 Python 对象转换为 JSON 字符串
json_str = json.dumps(data)
print(json_str) # 输出: {"name": "Bob", "age": 25, "is_student": true}
# 将 JSON 字符串转换回 Python 对象
loaded_data = json.loads(json_str)
print(loaded_data) # 输出: {'name': 'Bob', 'age': 25, 'is_student': True}
在这个示例中，我们将一个字典对象转换为 JSON 格式的字符串，再通过 json.loads() 方法将其转换回原始的 Python 数据结构。
性能对比与选择
在大多数情况下，json 的性能略优于 pickle，尤其是在序列化和反序列化较简单的数据类型时。json 格式的字符串相对较轻，不包含任何额外的元数据，因此在传输和存储时更为高效。然而，pickle 可以序列化更加复杂的 Python 对象，适用于需要保存 Python 特有类型（如类实例、函数等）的场景。
如果你只是需要存储和传输简单的数据（如字符串、列表、字典等），那么 json 是更好的选择。而如果你的数据结构非常复杂，且需要存储 Python 特有的数据类型，pickle 更为适合。
安全性问题
尽管 pickle 在功能上比 json 更强大，但它存在一个重大的安全问题。如果你从不可信来源加载 pickle 数据，可能会遭遇代码执行漏洞。因为 pickle 在反序列化过程中可以执行对象中的 __reduce__() 方法，这可能会导致恶意代码的执行。
建议：对于不可信数据，始终避免使用 pickle.load()，如果需要处理外部数据，推荐使用 json 模块，或采用其他更安全的序列化方法。
结论：如何选择？
- 如果你的目标是跨语言的数据交换或者需要将数据存储为标准格式，选择
json。 - 如果你需要处理 Python 特有的数据类型（如类实例、函数等），并且仅在 Python 环境中使用，选择
pickle。 - 考虑到安全性，尽量避免在不信任的环境中使用
pickle进行反序列化。
小结
pickle 和 json 模块各有优劣，适用于不同的场景。在实际开发中，选择合适的模块可以帮助你更高效地处理数据序列化与反序列化操作。
原文地址：https://blog.csdn.net/weixin_42434700/article/details/143735197
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！