大家好我是費(fèi)老師，相信不少讀者朋友們都在Python?中利用pickle?進(jìn)行過序列化操作，而所謂的序列化，指的是將程序運(yùn)行時(shí)在內(nèi)存中產(chǎn)生的變量對(duì)象，轉(zhuǎn)換為二進(jìn)制類型的易存儲(chǔ)可傳輸數(shù)據(jù)的過程，相反地，從序列化結(jié)果解析還原為Python變量就叫做反序列化。

通常我們都是用標(biāo)準(zhǔn)庫(kù)pickle?進(jìn)行這項(xiàng)操作，但其功能單一，且針對(duì)很多常見的Python?對(duì)象如lambda?函數(shù)無法進(jìn)行序列化。而今天費(fèi)老師我要給大家介紹的庫(kù)dill?就可以看作增強(qiáng)版的pickle。

使用dill實(shí)現(xiàn)更豐富的序列化/反序列化操作

作為第三方庫(kù)，我們使用pip install dill?完成安裝后，就可以使用它來代替pickle了：

基礎(chǔ)使用

dill?的基礎(chǔ)使用與pickle?一樣，使用dump/dumps?進(jìn)行序列化操作，load/loads進(jìn)行反序列化操作，下面是一些基本的例子，我們對(duì)一些常見的對(duì)象進(jìn)行序列化/反序列化操作：

import dill
import numpy as np

demo_int = 999

demo_float = 0.99

demo_dict = {'a': 999}

demo_array = np.random.rand(2, 2)

# 序列化并寫出到pkl文件
with open('./demo.pkl', 'wb') as d:
    dill.dump(
        [demo_int, demo_float, demo_dict, demo_array],
        d
    )

從寫出的demo.pkl文件中還原對(duì)象：

# 序列化并寫出到pkl文件
with open('./demo.pkl', 'rb') as d:
    restore_demo = dill.load(d)

restore_demo

增強(qiáng)功能

看完了dill?的基礎(chǔ)用法，下面我們來介紹其相對(duì)于pickle進(jìn)行增強(qiáng)的特殊功能：

對(duì)lambda函數(shù)進(jìn)行序列化

pickle?可以對(duì)常規(guī)的函數(shù)進(jìn)行序列化，但針對(duì)lambda?函數(shù)則會(huì)報(bào)錯(cuò)，而使用dill就可以正常序列化：

保存解釋器的會(huì)話狀態(tài)

dill?中另一項(xiàng)很實(shí)用的功能則是其支持將當(dāng)前解釋器的會(huì)話狀態(tài)整個(gè)打包保存和還原，譬如下面的例子，利用dill.dump_session()?保存當(dāng)前解釋器會(huì)話狀態(tài)，在另一個(gè)獨(dú)立的py?腳本中再利用dill.load_session()就可以一步到位全部還原：

從序列化結(jié)果中還原源碼

dill?中另一個(gè)很強(qiáng)大的功能是其source?模塊可以從序列化結(jié)果中還原對(duì)象的源碼，這在序列化的對(duì)象為函數(shù)時(shí)非常實(shí)用（注意目前此功能不可以在ipykernel?中執(zhí)行，因此下面的例子使用魔術(shù)命令直接執(zhí)行外部py腳本）：

除此之外，dill?還有很多其他豐富的功能，感興趣的讀者朋友可以前往其官方文檔（https://dill.readthedocs.io/en/latest/dill.html）了解更多。