序列化必修课：Pickle虽好，可不要乱用！
本文内容整理自道满PythonAI《Python序列化与反序列化指南》
写代码最怕啥？程序一关，辛辛苦苦处理的数据全都“飞了”，下次运行又得重来！游戏进度没了还能重打，要是你写了个爬虫，爬到一半的数据没了，那可真就是“一夜回到解放前”了。
所以，咱们得学会一招“留住数据”的魔法——序列化。说白了，就是把内存里活蹦乱跳的数据对象，转化成可以存到硬盘里的一串固定格式，或者能发到网上去给别的程序看。反过来，再把存好的数据变回内存里的对象，就叫反序列化。
这其实是开发中的必备技能。游戏存档、数据缓存、API接口调用，背后都有它的影子。今天，咱们就聊透Python里最常用的几种序列化“神器”。
一、Pickle——Python自家的“腌菜坛子”
pickle是Python自带的二进制序列化工具，它叫“pickle”，翻译过来就是“泡菜”，所以这个过程也被很形象地叫做 pickling（腌起来）。
1. 简单又强大：它用起来非常简单，核心就4个方法。它可以处理几乎所有Python内置类型，甚至连你自定义的、带方法的类实例，它都能“腌”进去。
2. 适用范围窄，有三颗惊天大雷！
pickle虽然方便，但只适合在非常封闭的Python环境里使用，有以下三个“硬伤”：
- 🚫 Python专属：别的语言（Java、Go、JS等）根本看不懂它生成的文件。想跨语言交换数据？别用它！
- 🔧 版本兼容差：不同Python版本（比如3.6和3.10）腌制的文件可能互相不兼容。升级个解释器，老存档可能就读不了了。
- 💀 高危安全漏洞：这是最重要的一点！千万不要反序列化来自不受信任来源的数据！
pickle的还原过程本质上是在执行一段代码，恶意构造的文件可以直接在你的电脑上执行任意系统命令，删文件、偷隐私都不在话下。
二、JSON——跨语言的“通用语”
如果说pickle是只能自己吃的“腌菜”，那JSON就是全球通用的“英语”了。它本身是纯文本，人读着清晰，几乎所有主流编程语言都原生支持。
1. 天生一对，类型匹配：JSON只支持六种基本类型，正好和Python的关键类型一一对应。
2. 开箱即用，处理中文很体贴：用来保存游戏进度或API响应数据都很合适。默认会把中文字符转成看不懂的\uXXXX形式，加上 ensure_ascii=False 就能保留中文原样。
三、Pickle vs JSON，怎么选？
| 特性对比 | pickle | JSON |
|---|---|---|
| 设计定位 | Python独有的二进制格式 | 通用的纯文本格式 |
| 跨语言支持 | ❌ Python专属 | ✅ 几乎所有语言都支持 |
| 安全性 | ⚠️ 高危，绝不能解析不可信数据 | ✅ 相对安全 |
| 可读性 | 二进制，不可读 | ✅ 纯文本，人机皆可读 |
| 支持类型 | Python几乎所有类型 | 基础类型（字典、列表、字符串等） |
结论就是：不要碰不可信的数据！ 对于内部临时存数据，非用不可时一定要确保来源绝对安全。
四、处理自定义对象与性能进阶
处理自定义对象：JSON默认没法处理自定义类的实例。解决方法很简单：手动写个转换函数，把对象转成字典，再来序列化。
想省心就用实例自带的obj.__dict__方法。如果类结构复杂，就在类里专门实现to_dict和from_dict方法，实现对序列化过程的更精确控制。
追求极致性能：当数据量巨大或QPS很高时，可以考虑上“外挂”方案。
- 更快的JSON库：标准库会成瓶颈，像
orjson和ujson速度能快很多。 - 二进制格式：如果还嫌JSON慢，可以用像
MessagePack或谷歌的Protocol Buffers这类二进制格式，解析更快、体积更小。
最后总结
说到底，序列化这活，首推JSON。它安全、通用、可读性好，能覆盖9成的开发场景。
pickle只在极其特殊的场景下使用，并且要严格遵守“只信自己”的铁律。如果遇到性能瓶颈，再去探索orjson这类进阶方案也不迟。
评论区聊聊：在日常开发中，你是不是也一直在用 pickle 来保存数据？有没有考虑过切换到 JSON 呢？
💡 Python 学习不走弯路！
体系化实战路线：基础语法 · 异步Web开发 · 数据采集 · 计算机视觉 · NLP · 大模型RAG实战 —— 全在「道满PythonAI」！
