日韩无码专区无码一级三级片|91人人爱网站中日韩无码电影|厨房大战丰满熟妇|AV高清无码在线免费观看|另类AV日韩少妇熟女|中文日本大黄一级黄色片|色情在线视频免费|亚洲成人特黄a片|黄片wwwav色图欧美|欧亚乱色一区二区三区

 持久性就是指保持對(duì)象，甚至在多次執(zhí)行同一程序之間也保持對(duì)象。通過本文，您會(huì)對(duì) Python對(duì)象的各種持久性機(jī)制（從關(guān)系數(shù)據(jù)庫到 Python 的 pickle以及其它機(jī)制）有一個(gè)總體認(rèn)識(shí)。另外，還會(huì)讓您更深一步地了解Python 的對(duì)象序列化能力。

什么是持久性？

持久性的基本思想很簡單。假定有一個(gè) Python程序，它可能是一個(gè)管理日常待辦事項(xiàng)的程序，您希望在多次執(zhí)行這個(gè)程序之間可以保存應(yīng)用程序?qū)ο螅ùk事項(xiàng)）。換句話說，您希望將對(duì)象存儲(chǔ)在磁盤上，便于以后檢索。這就是持久性。要達(dá)到這個(gè)目的，有幾種方法，每一種方法都有其優(yōu)缺點(diǎn)。

例如，可以將對(duì)象數(shù)據(jù)存儲(chǔ)在某種格式的文本文件中，譬如 CSV文件?；蛘呖梢杂藐P(guān)系數(shù)據(jù)庫，譬如 Gadfly、MySQL、PostgreSQL 或者 DB2。這些文件格式和數(shù)據(jù)庫都非常優(yōu)秀，對(duì)于所有這些存儲(chǔ)機(jī)制，Python都有健壯的接口。

這些存儲(chǔ)機(jī)制都有一個(gè)共同點(diǎn)：存儲(chǔ)的數(shù)據(jù)是獨(dú)立于對(duì)這些數(shù)據(jù)進(jìn)行操作的對(duì)象和程序。這樣做的好處是，數(shù)據(jù)可以作為共享的資源，供其它應(yīng)用程序使用。缺點(diǎn)是，用這種方式，可以允許其它程序訪問對(duì)象的數(shù)據(jù)，這違背了面向?qū)ο蟮姆庋b性原則 — 即對(duì)象的數(shù)據(jù)只能通過這個(gè)對(duì)象自身的公共（public）接口來訪問。

另外，對(duì)于某些應(yīng)用程序，關(guān)系數(shù)據(jù)庫方法可能不是很理想。尤其是，關(guān)系數(shù)據(jù)庫不理解對(duì)象。相反，關(guān)系數(shù)據(jù)庫會(huì)強(qiáng)行使用自己的類型系統(tǒng)和關(guān)系數(shù)據(jù)模型（表），每張表包含一組元組（行），每行包含具有固定數(shù)目的靜態(tài)類型字段（列）。如果應(yīng)用程序的對(duì)象模型不能夠方便地轉(zhuǎn)換到關(guān)系模型，那么在將對(duì)象映射到元組以及將元組映射回對(duì)象方面，會(huì)碰到一定難度。這種困難常被稱為阻礙性不匹配（impedence-mismatch）問題。

對(duì)象持久性

如果希望透明地存儲(chǔ) Python 對(duì)象，而不丟失其身份和類型等信息，則需要某種形式的對(duì)象序列化：它是一個(gè)將任意復(fù)雜的對(duì)象轉(zhuǎn)成對(duì)象的文本或二進(jìn)制表示的過程。同樣，必須能夠?qū)?duì)象經(jīng)過序列化后的形式恢復(fù)到原有的對(duì)象。在 Python中，這種序列化過程稱為pickle，可以將對(duì)象 pickle 成字符串、磁盤上的文件或者任何類似于文件的對(duì)象，也可以將這些字符串、文件或任何類似于文件的對(duì)象 unpickle 成原來的對(duì)象。我們將在本文后面詳細(xì)討論 pickle。

假定您喜歡將任何事物都保存成對(duì)象，而且希望避免將對(duì)象轉(zhuǎn)換成某種基于非對(duì)象存儲(chǔ)的開銷；那么pickle 文件可以提供這些好處，但有時(shí)可能需要比這種簡單的 pickle文件更健壯以及更具有可伸縮性的事物。例如，只用 pickle 不能解決命名和查找 pickle文件這樣的問題，另外，它也不能支持并發(fā)地訪問持久性對(duì)象。如果需要這些方面的功能，則要求助類似于ZODB（針對(duì) Python 的 Z 對(duì)象數(shù)據(jù)庫）這類數(shù)據(jù)庫。ZODB 是一個(gè)健壯的、多用戶的和面向?qū)ο蟮臄?shù)據(jù)庫系統(tǒng)，它能夠存儲(chǔ)和管理任意復(fù)雜的 Python對(duì)象，并支持事務(wù)操作和并發(fā)控制。（請(qǐng)參閱參考資料，以下載ZODB。）令人足夠感興趣的是，甚至 ZODB 也依靠 Python 的本機(jī)序列化能力，而且要有效地使用ZODB，必須充分了解 pickle。

另一種令人感興趣的解決持久性問題的方法是 Prevayler，它最初是用 Java實(shí)現(xiàn)的（有關(guān) Prevaylor 方面的 developerWorks文章，請(qǐng)參閱參考資料）。最近，一群 Python 程序員將 Prevayler 移植到了 Python 上，另起名為 PyPerSyst，由 SourceForge 托管（有關(guān)至 PyPerSyst項(xiàng)目的鏈接，請(qǐng)參閱參考資料）。Prevayler/PyPerSyst概念也是建立在 Java 和 Python 語言的本機(jī)序列化能力之上。PyPerSyst 將整個(gè)對(duì)象系統(tǒng)保存在內(nèi)存中，并通過不時(shí)地將系統(tǒng)快照pickle 到磁盤以及維護(hù)一個(gè)命令日志（通過此日志可以重新應(yīng)用最新的快照）來提供災(zāi)難恢復(fù)。所以，盡管使用 PyPerSyst 的應(yīng)用程序受到可用內(nèi)存的限制，但好處是本機(jī)對(duì)象系統(tǒng)可以完全裝入到內(nèi)存中，因而速度極快，而且實(shí)現(xiàn)起來要比如ZODB 這樣的數(shù)據(jù)庫簡單，ZODB 允許對(duì)象的數(shù)目比同時(shí)在能內(nèi)存中所保持的對(duì)象要多。

既然我們已經(jīng)簡要討論了存儲(chǔ)持久對(duì)象的各種方法，那么現(xiàn)在該詳細(xì)探討 pickle過程了。雖然我們主要感興趣的是探索以各種方式來保存 Python 對(duì)象，而不必將其轉(zhuǎn)換成某種其它格式，但我們?nèi)匀贿€有一些需要關(guān)注的地方，譬如：如何有效地 pickle 和 unpickle 簡單對(duì)象以及復(fù)雜對(duì)象，包括定制類的實(shí)例；如何維護(hù)對(duì)象的引用，包括循環(huán)引用和遞歸引用；以及如何處理類定義發(fā)生的變化，從而使用以前經(jīng)過 pickle 的實(shí)例時(shí)不會(huì)發(fā)生問題。我們將在隨后關(guān)于Python 的 pickle 能力探討中涉及所有這些問題。

一些經(jīng)過 pickle 的 Python

pickle 模塊及其同類模塊 cPickle 向 Python 提供了 pickle支持。后者是用 C 編碼的，它具有更好的性能，對(duì)于大多數(shù)應(yīng)用程序，推薦使用該模塊。我們將繼續(xù)討論pickle ，但本文的示例實(shí)際是利用了 cPickle 。由于其中大多數(shù)示例要用 Python shell來顯示，所以先展示一下如何導(dǎo)入cPickle ，并可以作為 pickle 來引用它：

 
 
 

  
  
  
>>> import cPickle as pickle
 
 
 

現(xiàn)在已經(jīng)導(dǎo)入了該模塊，接下來讓我們看一下 pickle 接口。 pickle 模塊提供了以下函數(shù)對(duì)： dumps(object) 返回一個(gè)字符串，它包含一個(gè) pickle 格式的對(duì)象；loads(string) 返回包含在 pickle 字符串中的對(duì)象； dump(object, file) 將對(duì)象寫到文件，這個(gè)文件可以是實(shí)際的物理文件，但也可以是任何類似于文件的對(duì)象，這個(gè)對(duì)象具有write() 方法，可以接受單個(gè)的字符串參數(shù)； load(file) 返回包含在 pickle 文件中的對(duì)象。

缺省情況下， dumps() 和 dump() 使用可打印的 ASCII 表示來創(chuàng)建pickle。兩者都有一個(gè) final 參數(shù)（可選），如果為True ，則該參數(shù)指定用更快以及更小的二進(jìn)制表示來創(chuàng)建pickle。 loads() 和 load() 函數(shù)自動(dòng)檢測 pickle 是二進(jìn)制格式還是文本格式。

清單 1 顯示了一個(gè)交互式會(huì)話，這里使用了剛才所描述的 dumps() 和 loads() 函數(shù)：

清單 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)
 
 
 

注：該文本 pickle 格式很簡單，這里就不解釋了。事實(shí)上，在 pickle 模塊中記錄了所有使用的約定。我們還應(yīng)該指出，在我們的示例中使用的都是簡單對(duì)象，因此使用二進(jìn)制 pickle格式不會(huì)在節(jié)省空間上顯示出太大的效率。然而，在實(shí)際使用復(fù)雜對(duì)象的系統(tǒng)中，您會(huì)看到，使用二進(jìn)制格式可以在大小和速度方面帶來顯著的改進(jìn)。

接下來，我們看一些示例，這些示例用到了 dump() 和 load() ，它們使用文件和類似文件的對(duì)象。這些函數(shù)的操作非常類似于我們剛才所看到的dumps() 和 loads() ，區(qū)別在于它們還有另一種能力 — dump() 函數(shù)能一個(gè)接著一個(gè)地將幾個(gè)對(duì)象轉(zhuǎn)儲(chǔ)到同一個(gè)文件。隨后調(diào)用load() 來以同樣的順序檢索這些對(duì)象。清單 2 顯示了這種能力的實(shí)際應(yīng)用：

清單 2. dump() 和 load() 示例

 
 
 

  
  
  
>>> a1 = 'apple' 
  
  
  
>>> b1 = {1: 'One', 2: 'Two', 3: 'Three'}   
  
  
  
>>> c1 = ['fee', 'fie', 'foe', 'fum']   
  
  
  
>>> f1 = file('temp.pkl', 'wb')   
  
  
  
>>> pickle.dump(a1, f1, True)   
  
  
  
>>> pickle.dump(b1, f1, True)   
  
  
  
>>> pickle.dump(c1, f1, True)   
  
  
  
>>> f1.close()   
  
  
  
>>> f2 = file('temp.pkl', 'rb')   
  
  
  
>>> a2 = pickle.load(f2)   
  
  
  
>>> a2   
  
  
  
'apple' 
  
  
  
>>> b2 = pickle.load(f2)   
  
  
  
>>> b2   
  
  
  
{1: 'One', 2: 'Two', 3: 'Three'}   
  
  
  
>>> c2 = pickle.load(f2)   
  
  
  
>>> c2   
  
  
  
['fee', 'fie', 'foe', 'fum']   
  
  
  
>>> f2.close()
 
 
 

Pickle 的威力

到目前為止，我們講述了關(guān)于 pickle 方面的基本知識(shí)。在這一節(jié)，將討論一些高級(jí)問題，當(dāng)您開始 pickle復(fù)雜對(duì)象時(shí)，會(huì)遇到這些問題，其中包括定制類的實(shí)例。幸運(yùn)的是，Python 可以很容易地處理這種情形。

可移植性

從空間和時(shí)間上說，Pickle 是可移植的。換句話說，pickle 文件格式獨(dú)立于機(jī)器的體系結(jié)構(gòu)，這意味著，例如，可以在 Linux下創(chuàng)建一個(gè) pickle，然后將它發(fā)送到在 Windows 或 Mac OS 下運(yùn)行的 Python程序。并且，當(dāng)升級(jí)到更新版本的 Python 時(shí)，不必?fù)?dān)心可能要廢棄已有的 pickle。Python 開發(fā)人員已經(jīng)保證 pickle 格式將可以向后兼容Python 各個(gè)版本。事實(shí)上，在pickle 模塊中提供了有關(guān)目前以及所支持的格式方面的詳細(xì)信息：

清單 3. 檢索所支持的格式

 
 
 

  
  
  
>>> pickle.format_version 
  
  
  
'1.3' 
  
  
  
>>> pickle.compatible_formats 
  
  
  
['1.0', '1.1', '1.2']
 
 
 

多個(gè)引用，同一對(duì)象

在 Python 中，變量是對(duì)象的引用。同時(shí)，也可以用多個(gè)變量引用同一個(gè)對(duì)象。經(jīng)證明，Python 在用經(jīng)過pickle 的對(duì)象維護(hù)這種行為方面絲毫沒有困難，如清單 4 所示：

清單 4. 對(duì)象引用的維護(hù)

 
 
 

  
  
  
>>> a = [1, 2, 3] 
  
  
  
   >>> b = a 
  
  
  
   >>> a 
  
  
  
   [1, 2, 3] 
  
  
  
   >>> b 
  
  
  
   [1, 2, 3] 
  
  
  
   >>> a.append(4) 
  
  
  
   >>> a 
  
  
  
   [1, 2, 3, 4] 
  
  
  
   >>> b 
  
  
  
   [1, 2, 3, 4] 
  
  
  
   >>> c = pickle.dumps((a, b)) 
  
  
  
   >>> d, e = pickle.loads(c) 
  
  
  
   >>> d 
  
  
  
   [1, 2, 3, 4] 
  
  
  
   >>> e 
  
  
  
   [1, 2, 3, 4] 
  
  
  
   >>> d.append(5) 
  
  
  
   >>> d
  
  
  
   [1, 2, 3, 4, 5] 
  
  
  
   >>> e 
  
  
  
   [1, 2, 3, 4, 5]
 
 
 

循環(huán)引用和遞歸引用

可以將剛才演示過的對(duì)象引用支持?jǐn)U展到 循環(huán)引用（兩個(gè)對(duì)象各自包含對(duì)對(duì)方的引用）和 遞歸引用（一個(gè)對(duì)象包含對(duì)其自身的引用）。下面兩個(gè)清單著重顯示這種能力。我們先看一下遞歸引用：

>清單 5. 遞歸引用

 
 
 

  
  
  
>>> l = [1, 2, 3] 
  
  
  
>>> l.append(l) 
  
  
  
>>> l 
  
  
  
[1, 2, 3, [...]] 
  
  
  
>>> l[3] 
  
  
  
[1, 2, 3, [...]] 
  
  
  
>>> l[3][3] 
  
  
  
[1, 2, 3, [...]] 
  
  
  
>>> p = pickle.dumps(l) 
  
  
  
>>> l2 = pickle.loads(p) 
  
  
  
>>> l2 
  
  
  
[1, 2, 3, [...]] 
  
  
  
>>> l2[3] 
  
  
  
[1, 2, 3, [...]] 
  
  
  
>>> l2[3][3] 
  
  
  
[1, 2, 3, [...]]
 
 
 

現(xiàn)在，看一個(gè)循環(huán)引用的示例：

清單 6. 循環(huán)引用

 
 
 

  
  
  
>>> a = [1, 2] 
  
  
  
>>> b = [3, 4] 
  
  
  
>>> a.append(b) 
  
  
  
>>> a 
  
  
  
[1, 2, [3, 4]] 
  
  
  
>>> b.append(a) 
  
  
  
>>> a 
  
  
  
[1, 2, [3, 4, [...]]] 
  
  
  
>>> b 
  
  
  
[3, 4, [1, 2, [...]]] 
  
  
  
>>> a[2] 
  
  
  
[3, 4, [1, 2, [...]]]
  
  
  
>>> b[2] 
  
  
  
[1, 2, [3, 4, [...]]] 
  
  
  
>>> a[2] is b 
  
  
  
1 
  
  
  
>>> b[2] is a 
  
  
  
1 
  
  
  
>>> f = file('temp.pkl', 'w') 
  
  
  
>>> pickle.dump((a, b), f) 
  
  
  
>>> f.close() 
  
  
  
>>> f = file('temp.pkl', 'r') 
  
  
  
>>> c, d = pickle.load(f) 
  
  
  
>>> f.close() 
  
  
  
>>> c 
  
  
  
[1, 2, [3, 4, [...]]] 
  
  
  
>>> d 
  
  
  
[3, 4, [1, 2, [...]]] 
  
  
  
>>> c[2] 
  
  
  
[3, 4, [1, 2, [...]]] 
  
  
  
>>> d[2] 
  
  
  
[1, 2, [3, 4, [...]]] 
  
  
  
>>> c[2] is d 
  
  
  
1 
  
  
  
>>> d[2] is c 
  
  
  
1
 
 
 

注意，如果分別 pickle 每個(gè)對(duì)象，而不是在一個(gè)元組中一起 pickle 所有對(duì)象，會(huì)得到略微不同（但很重要）的結(jié)果，如清單 7 所示：

清單 7. 分別 pickle vs. 在一個(gè)元組中一起 pickle

 
 
 

  
  
  
>>> f = file('temp.pkl', 'w') 
  
  
  
>>> pickle.dump(a, f) 
  
  
  
>>> pickle.dump(b, f) 
  
  
  
>>> f.close() 
  
  
  
>>> f = file('temp.pkl', 'r') 
  
  
  
>>> c = pickle.load(f) 
  
  
  
>>> d = pickle.load(f) 
  
  
  
>>> f.close() 
  
  
  
>>> c 
  
  
  
[1, 2, [3, 4, [...]]] 
  
  
  
>>> d 
  
  
  
[3, 4, [1, 2, [...]]] 
  
  
  
>>> c[2] 
  
  
  
[3, 4, [1, 2, [...]]] 
  
  
  
>>> d[2] 
  
  
  
[1, 2, [3, 4, [...]]] 
  
  
  
>>> c[2] is d 
  
  
  
0 
  
  
  
>>> d[2] is c 
  
  
  
0
 
 
 

相等，但并不總是相同

正如在上一個(gè)示例所暗示的，只有在這些對(duì)象引用內(nèi)存中同一個(gè)對(duì)象時(shí)，它們才是相同的。在 pickle情形中，每個(gè)對(duì)象被恢復(fù)到一個(gè)與原來對(duì)象相等的對(duì)象，但不是同一個(gè)對(duì)象。換句話說，每個(gè) pickle都是原來對(duì)象的一個(gè)副本：

清單 8. 作為原來對(duì)象副本的被恢復(fù)的對(duì)象

 
 
 

  
  
  
>>> j = [1, 2, 3] 
  
  
  
>>> k = j 
  
  
  
>>> k is j 
  
  
  
1 
  
  
  
>>> x = pickle.dumps(k) 
  
  
  
>>> y = pickle.loads(x) 
  
  
  
>>> y 
  
  
  
[1, 2, 3] 
  
  
  
>>> y == k 
  
  
  
1 
  
  
  
>>> y is k 
  
  
  
0 
  
  
  
>>> y is j 
  
  
  
0 
  
  
  
>>> k is j 
  
  
  
1
 
 
 

同時(shí)，我們看到 Python 能夠維護(hù)對(duì)象之間的引用，這些對(duì)象是作為一個(gè)單元進(jìn)行 pickle 的。然而，我們還看到分別調(diào)用 dump() 會(huì)使 Python 無法維護(hù)對(duì)在該單元外部進(jìn)行 pickle的對(duì)象的引用。相反，Python 復(fù)制了被引用對(duì)象，并將副本和被 pickle 的對(duì)象存儲(chǔ)在一起。對(duì)于 pickle和恢復(fù)單個(gè)對(duì)象層次結(jié)構(gòu)的應(yīng)用程序，這是沒有問題的。但要意識(shí)到還有其它情形。

值得指出的是，有一個(gè)選項(xiàng)確實(shí)允許分別 pickle 對(duì)象，并維護(hù)相互之間的引用，只要這些對(duì)象都是 pickle 到同一文件即可。 pickle 和cPickle 模塊提供了一個(gè) Pickler （與此相對(duì)應(yīng)是 Unpickler ），它能夠跟蹤已經(jīng)被pickle 的對(duì)象。通過使用這個(gè)Pickler ，將會(huì)通過引用而不是通過值來 pickle 共享和循環(huán)引用：

清單 9. 維護(hù)分別 pickle 的對(duì)象間的引用

 
 
 

  
  
  
>>> f = file('temp.pkl', 'w')
  
  
  
>>> picklepickler = pickle.Pickler(f) 
  
  
  
>>> pickler.dump(a) 
  
  
  
 
  
  
  
>>> pickler.dump(b) 
  
  
  
 
  
  
  
>>> f.close() 
  
  
  
>>> f = file('temp.pkl', 'r') 
  
  
  
>>> unpickler = pickle.Unpickler(f) 
  
  
  
>>> c = unpickler.load() 
  
  
  
>>> d = unpickler.load() 
  
  
  
>>> c[2] 
  
  
  
[3, 4, [1, 2, [...]]] 
  
  
  
>>> d[2] 
  
  
  
[1, 2, [3, 4, [...]]] 
  
  
  
>>> c[2] is d 
  
  
  
1 
  
  
  
>>> d[2] is c 
  
  
  
1
 
 
 

不可 pickle 的對(duì)象

一些對(duì)象類型是不可 pickle 的。例如，Python 不能 pickle 文件對(duì)象（或者任何帶有對(duì)文件對(duì)象引用的對(duì)象），因?yàn)?Python 在 unpickle 時(shí)不能保證它可以重建該文件的狀態(tài)（另一個(gè)示例比較難懂，在這類文章中不值得提出來）。試圖pickle 文件對(duì)象會(huì)導(dǎo)致以下錯(cuò)誤：

清單 10. 試圖 pickle 文件對(duì)象的結(jié)果

 
 
 

  
  
  
>>> f = file('temp.pkl', 'w') 
  
  
  
>>> p = pickle.dumps(f) 
  
  
  
Traceback (most recent call last): 
  
  
  
  File "", line 1, in ? 
  
  
  
  File "/usr/lib/python2.2/copy_reg.py", line 57, in _reduce 
  
  
  
    raise TypeError, "can't pickle %s objects" % base.__name__ 
  
  
  
TypeError: can't pickle file objects
 
 
 

類實(shí)例

與 pickle 簡單對(duì)象類型相比，pickle 類實(shí)例要多加留意。這主要由于 Python 會(huì) pickle 實(shí)例數(shù)據(jù)（通常是 _dict_ 屬性）和類的名稱，而不會(huì) pickle 類的代碼。當(dāng) Python unpickle類的實(shí)例時(shí)，它會(huì)試圖使用在 pickle 該實(shí)例時(shí)的確切的類名稱和模塊名稱（包括任何包的路徑前綴）導(dǎo)入包含該類定義的模塊。另外要注意，類定義必須出現(xiàn)在模塊的最頂層，這意味著它們不能是嵌套的類（在其它類或函數(shù)中定義的類）。

當(dāng) unpickle 類的實(shí)例時(shí)，通常不會(huì)再調(diào)用它們的 _init_() 方法。相反，Python 創(chuàng)建一個(gè)通用類實(shí)例，并應(yīng)用已進(jìn)行過 pickle的實(shí)例屬性，同時(shí)設(shè)置該實(shí)例的_class_ 屬性，使其指向原來的類。

對(duì) Python 2.2 中引入的新型類進(jìn)行 unpickle 的機(jī)制與原來的略有不同。雖然處理的結(jié)果實(shí)際上與對(duì)舊型類處理的結(jié)果相同，但Python 使用 copy_reg 模塊的 _reconstructor() 函數(shù)來恢復(fù)新型類的實(shí)例。

如果希望對(duì)新型或舊型類的實(shí)例修改缺省的 pickle 行為，則可以定義特殊的類的方法 _getstate_() 和 _setstate_() ，在保存和恢復(fù)類實(shí)例的狀態(tài)信息期間，Python會(huì)調(diào)用這些方法。在以下幾節(jié)中，我們會(huì)看到一些示例利用了這些特殊的方法。

現(xiàn)在，我們看一個(gè)簡單的類實(shí)例。首先，創(chuàng)建一個(gè) persist.py 的 Python模塊，它包含以下新型類的定義：

清單 11. 新型類的定義

 
 
 

  
  
  
class Foo(object): 
  
  
  
    def __init__(self, value): 
  
  
  
        self.value = value
 
 
 

現(xiàn)在可以 pickle Foo 實(shí)例，并看一下它的表示：

清單 12. pickle Foo 實(shí)例

 
 
 

  
  
  
>>> import cPickle as pickle 
  
  
  
>>> from Orbtech.examples.persist import Foo 
  
  
  
>>> foo = Foo('What is a Foo?') 
  
  
  
>>> p = pickle.dumps(foo) 
  
  
  
>>> print p 
  
  
  
ccopy_reg 
  
  
  
_reconstructor 
  
  
  
p1 
  
  
  
(cOrbtech.examples.persist 
  
  
  
Foo 
  
  
  
p2 
  
  
  
c__builtin__ 
  
  
  
object 
  
  
  
p3 
  
  
  
NtRp4 
  
  
  
(dp5 
  
  
  
S'value' 
  
  
  
p6 
  
  
  
S'What is a Foo?' 
  
  
  
sb. 
  
  
  
>>>
 
 
 

可以看到這個(gè)類的名稱 Foo 和全限定的模塊名稱 Orbtech.examples.persist 都存儲(chǔ)在 pickle中。如果將這個(gè)實(shí)例 pickle 成一個(gè)文件，稍后再 unpickle它或在另一臺(tái)機(jī)器上 unpickle，則 Python 會(huì)試圖導(dǎo)入Orbtech.examples.persist 模塊，如果不能導(dǎo)入，則會(huì)拋出異常。如果重命名該類和該模塊或者將該模塊移到另一個(gè)目錄，則也會(huì)發(fā)生類似的錯(cuò)誤。

這里有一個(gè) Python 發(fā)出錯(cuò)誤消息的示例，當(dāng)我們重命名 Foo 類，然后試圖裝入先前進(jìn)行過pickle 的 Foo 實(shí)例時(shí)會(huì)發(fā)生該錯(cuò)誤：

清單 13. 試圖裝入一個(gè)被重命名的 Foo 類的經(jīng)過 pickle 的實(shí)例

 
 
 

  
  
  
>>> import cPickle as pickle 
  
  
  
>>> f = file('temp.pkl', 'r') 
  
  
  
>>> foo = pickle.load(f) 
  
  
  
Traceback (most recent call last): 
  
  
  
  File "", line 1, in ? 
  
  
  
AttributeError: 'module' object has no attribute 'Foo'
 
 
 

在重命名 persist.py 模塊之后，也會(huì)發(fā)生類似的錯(cuò)誤：

清單 14. 試圖裝入一個(gè)被重命名的 persist.py 模塊的經(jīng)過 pickle 的實(shí)例

 
 
 

  
  
  
>>> import cPickle as pickle 
  
  
  
>>> f = file('temp.pkl', 'r') 
  
  
  
>>> foo = pickle.load(f) 
  
  
  
Traceback (most recent call last): 
  
  
  
  File "", line 1, in ? 
  
  
  
ImportError: No module named persist
 
 
 

我們會(huì)在下面 模式改進(jìn)這一節(jié)提供一些技術(shù)來管理這類更改，而不會(huì)破壞現(xiàn)有的 pickle。

特殊的狀態(tài)方法

前面提到對(duì)一些對(duì)象類型（譬如，文件對(duì)象）不能進(jìn)行 pickle。處理這種不能pickle 的對(duì)象的實(shí)例屬性時(shí)可以使用特殊的方法（ _getstate_() 和_setstate_() ）來修改類實(shí)例的狀態(tài)。這里有一個(gè) Foo 類的示例，我們已經(jīng)對(duì)它進(jìn)行了修改以處理文件對(duì)象屬性：

清單 15. 處理不能 pickle 的實(shí)例屬性

 
 
 

  
  
  
class Foo(object): 
  
  
  
    def __init__(self, value, filename): 
  
  
  
        self.value = value 
  
  
  
        self.logfile = file(filename, 'w') 
  
  
  
    def __getstate__(self): 
  
  
  
        """Return state values to be pickled.""" 
  
  
  
        f = self.logfile 
  
  
  
        return (self.value, f.name, f.tell()) 
  
  
  
    def __setstate__(self, state): 
  
  
  
        """Restore state from the unpickled state values.""" 
  
  
  
        self.value, name, position = state 
  
  
  
        f = file(name, 'w') 
  
  
  
        f.seek(position) 
  
  
  
        self.logfile = f
 
 
 

pickle Foo 的實(shí)例時(shí)，Python 將只 pickle 當(dāng)它調(diào)用該實(shí)例的 _getstate_() 方法時(shí)返回給它的值。類似的，在 unpickle 時(shí)，Python 將提供經(jīng)過 unpickle 的值作為參數(shù)傳遞給實(shí)例的_setstate_() 方法。在 _setstate_() 方法內(nèi)，可以根據(jù)經(jīng)過 pickle 的名稱和位置信息來重建文件對(duì)象，并將該文件對(duì)象分配給這個(gè)實(shí)例的logfile 屬性。

模式改進(jìn)

隨著時(shí)間的推移，您會(huì)發(fā)現(xiàn)自己必須要更改類的定義。如果已經(jīng)對(duì)某個(gè)類實(shí)例進(jìn)行了pickle，而現(xiàn)在又需要更改這個(gè)類，則您可能要檢索和更新那些實(shí)例，以便它們能在新的類定義下繼續(xù)正常工作。而我們已經(jīng)看到在對(duì)類或模塊進(jìn)行某些更改時(shí)，會(huì)出現(xiàn)一些錯(cuò)誤。幸運(yùn)的是，pickle和 unpickle 過程提供了一些 hook，我們可以用它們來支持這種模式改進(jìn)的需要。

在這一節(jié)，我們將探討一些方法來預(yù)測常見問題以及如何解決這些問題。由于不能 pickle類實(shí)例代碼，因此可以添加、更改和除去方法，而不會(huì)影響現(xiàn)有的經(jīng)過 pickle的實(shí)例。出于同樣的原因，可以不必?fù)?dān)心類的屬性。您必須確保包含類定義的代碼模塊在 unpickle環(huán)境中可用。同時(shí)還必須為這些可能導(dǎo)致 unpickle 問題的更改做好規(guī)劃，這些更改包括：更改類名、添加或除去實(shí)例的屬性以及改變類定義模塊的名稱或位置。

類名的更改

要更改類名，而不破壞先前經(jīng)過 pickle 的實(shí)例，請(qǐng)遵循以下步驟。首先，確保原來的類的定義沒有被更改，以便在 unpickle現(xiàn)有實(shí)例時(shí)可以找到它。不要更改原來的名稱，而是在與原來類定義所在的同一個(gè)模塊中，創(chuàng)建該類定義的一個(gè)副本，同時(shí)給它一個(gè)新的類名。然后使用實(shí)際的新類名來替代NewClassName ，將以下方法添加到原來類的定義中：

清單 16. 更改類名：添加到原來類定義的方法

 
 
 

  
  
  
def __setstate__(self, state): 
  
  
  
    self.__dict__.update(state) 
  
  
  
    self.__class__ = NewClassName
 
 
 

當(dāng) unpickle 現(xiàn)有實(shí)例時(shí)，Python 將查找原來類的定義，并調(diào)用實(shí)例的 _setstate_() 方法，同時(shí)將給新的類定義重新分配該實(shí)例的_class_ 屬性。一旦確定所有現(xiàn)有的實(shí)例都已經(jīng) unpickle、更新和重新 pickle 后，可以從源代碼模塊中除去舊的類定義。

屬性的添加和刪除

這些特殊的狀態(tài)方法 _getstate_() 和 _setstate_() 再一次使我們能控制每個(gè)實(shí)例的狀態(tài)，并使我們有機(jī)會(huì)處理實(shí)例屬性中的更改。讓我們看一個(gè)簡單的類的定義，我們將向其添加和除去一些屬性。這是是最初的定義：

清單 17. 最初的類定義

 
 
 

  
  
  
class Person(object): 
  
  
  
    def __init__(self, firstname, lastname): 
  
  
  
        self.firstname = firstname 
  
  
  
        self.lastname = lastname
 
 
 

假定已經(jīng)創(chuàng)建并 pickle 了 Person 的實(shí)例，現(xiàn)在我們決定真的只想存儲(chǔ)一個(gè)名稱屬性，而不是分別存儲(chǔ)姓和名。這里有一種方式可以更改類的定義，它將先前經(jīng)過pickle 的實(shí)例遷移到新的定義：

清單 18. 新的類定義

 
 
 

  
  
  
class Person(object): 
  
  
  
    def __init__(self, fullname): 
  
  
  
        self.fullname = fullname 
  
  
  
    def __setstate__(self, state): 
  
  
  
        if 'fullname' not in state: 
  
  
  
            first = '' 
  
  
  
            last = '' 
  
  
  
            if 'firstname' in state: 
  
  
  
                first = state['firstname'] 
  
  
  
                del state['firstname'] 
  
  
  
            if 'lastname' in state: 
  
  
  
                last = state['lastname'] 
  
  
  
                del state['lastname'] 
  
  
  
            self.fullname = " ".join([first, last]).strip() 
  
  
  
        self.__dict__.update(state)
 
 
 

在這個(gè)示例，我們添加了一個(gè)新的屬性 fullname ，并除去了兩個(gè)現(xiàn)有的屬性 firstname 和 lastname 。當(dāng)對(duì)先前進(jìn)行過 pickle 的實(shí)例執(zhí)行 unpickle 時(shí)，其先前進(jìn)行過 pickle的狀態(tài)會(huì)作為字典傳遞給 _setstate_() ，它將包括firstname 和 lastname 屬性的值。接下來，將這兩個(gè)值組合起來，并將它們分配給新屬性 fullname 。在這個(gè)過程中，我們刪除了狀態(tài)字典中舊的屬性。更新和重新 pickle先前進(jìn)行過 pickle 的所有實(shí)例之后，現(xiàn)在可以從類定義中除去_setstate_() 方法。

模塊的修改

在概念上，模塊的名稱或位置的改變類似于類名稱的改變，但處理方式卻完全不同。那是因?yàn)槟K的信息存儲(chǔ)在 pickle中，而不是通過標(biāo)準(zhǔn)的 pickle 接口就可以修改的屬性。事實(shí)上，改變模塊信息的唯一辦法是對(duì)實(shí)際的 pickle文件本身執(zhí)行查找和替換操作。至于如何確切地去做，這取決于具體的操作系統(tǒng)和可使用的工具。很顯然，在這種情況下，您會(huì)想備份您的文件，以免發(fā)生錯(cuò)誤。但這種改動(dòng)應(yīng)該非常簡單，并且對(duì)二進(jìn)制pickle 格式進(jìn)行更改與對(duì)文本 pickle 格式進(jìn)行更改應(yīng)該一樣有效。

結(jié)束語

對(duì)象持久性依賴于底層編程語言的對(duì)象序列化能力。對(duì)于 Python 對(duì)象即意味著pickle。Python 的 pickle 為 Python 對(duì)象有效的持久性管理提供了健壯的和可靠的基礎(chǔ)。

網(wǎng)站題目：Python持久性管理
網(wǎng)站網(wǎng)址：http://www.5511xx.com/article/djcosdp.html