[Python教學] 進階：序列化與反序列化

在現代的軟體開發中，序列化（Serialization）與反序列化（Deserialization）是不可或缺的技術。這些操作廣泛用於資料存儲、網路傳輸以及跨平台的數據交換。Python 提供了多種工具和庫來實現這些功能，例如 pickle、json 和 yaml 等。

本篇文章將詳細介紹序列化與反序列化的概念、Python 的內建支援，以及如何在不同場景中靈活運用。

什麼是序列化與反序列化？

1. 序列化：將物件（如字典、列表、類別實例）轉換為字節流或可傳輸的格式（如 JSON 字符串），以便存儲或傳輸。
2. 反序列化：將字節流或傳輸的數據恢復為原始物件。

為什麼需要序列化？

• 儲存數據：將 Python 物件保存到文件中，供日後使用。
• 數據傳輸：在不同系統之間傳遞數據（例如通過 API 傳輸 JSON）。
• 持久化：在程序結束後保留運行中的物件狀態。

Python 常用的序列化工具

1. 使用 pickle

pickle 是 Python 的內建模組，用於將 Python 物件序列化為字節流，並可隨時反序列化。

基本用法

import pickle

# 原始物件
data = {"name": "Alice", "age": 25, "hobbies": ["reading", "cycling"]}

# 序列化：將物件轉換為字節流
with open("data.pkl", "wb") as file:
    pickle.dump(data, file)

# 反序列化：從文件中還原物件
with open("data.pkl", "rb") as file:
    loaded_data = pickle.load(file)

print(loaded_data)

優缺點

• 優點：支持幾乎所有 Python 物件（包括類別與函數）。
• 缺點：只能在 Python 環境中使用，不適合跨平台傳輸。

2. 使用 json

json 是一種輕量級的數據交換格式，常用於網路應用程式中。Python 提供了內建的 json 模組。

基本用法

import json

# 原始物件
data = {"name": "Bob", "age": 30, "hobbies": ["gaming", "hiking"]}

# 序列化：將物件轉換為 JSON 字符串
json_string = json.dumps(data, indent=4)
print(json_string)

# 反序列化：將 JSON 字符串轉回 Python 物件
loaded_data = json.loads(json_string)
print(loaded_data)

序列化到文件

# 將 JSON 保存到文件
with open("data.json", "w") as file:
    json.dump(data, file, indent=4)

# 從文件加載 JSON
with open("data.json", "r") as file:
    loaded_data = json.load(file)

print(loaded_data)

優缺點

• 優點：可讀性高，支持跨平台數據交換。
• 缺點：不支持自定義物件（需要自定義編碼與解碼方法）。

處理自定義物件

class Person:
    def __init__(self, name, age):
        self.name = name
        self.age = age

# 自定義序列化方法
def custom_encoder(obj):
    if isinstance(obj, Person):
        return {"name": obj.name, "age": obj.age}
    raise TypeError("Type not serializable")

# 自定義反序列化方法
def custom_decoder(dct):
    if "name" in dct and "age" in dct:
        return Person(dct["name"], dct["age"])
    return dct

person = Person("Charlie", 35)

# 序列化
json_string = json.dumps(person, default=custom_encoder, indent=4)
print(json_string)

# 反序列化
loaded_person = json.loads(json_string, object_hook=custom_decoder)
print(loaded_person.name, loaded_person.age)

3. 使用 yaml

yaml 是另一種常見的數據表示語言，語法簡潔且可讀性高。

基本用法

首先安裝 PyYAML：

pip install pyyaml

import yaml

# 原始物件
data = {"name": "Diana", "age": 28, "hobbies": ["painting", "skiing"]}

# 序列化：轉換為 YAML 格式
yaml_string = yaml.dump(data)
print(yaml_string)

# 反序列化：從 YAML 恢復物件
loaded_data = yaml.load(yaml_string, Loader=yaml.SafeLoader)
print(loaded_data)

優缺點

• 優點：語法簡潔，適合配置文件。
• 缺點：依賴額外的庫。

序列化與反序列化的進階應用

1. 文件數據持久化

將程序狀態保存為文件，方便下次載入。

import pickle

# 保存用戶設置
user_settings = {"theme": "dark", "font_size": 14}
with open("settings.pkl", "wb") as file:
    pickle.dump(user_settings, file)

# 加載用戶設置
with open("settings.pkl", "rb") as file:
    settings = pickle.load(file)

print(settings)

2. 通過 API 傳輸數據

利用 JSON 序列化與反序列化進行 HTTP 通訊。

import json
import requests

# 發送數據
data = {"username": "user123", "score": 95}
response = requests.post("https://example.com/api/submit", json=data)
print(response.status_code)

# 接收數據
response = requests.get("https://example.com/api/results")
result_data = response.json()
print(result_data)

常見錯誤與解決方法

1. 無法序列化自定義物件

如果直接嘗試序列化類別實例，會引發 TypeError。

解決方法：自定義編碼與解碼方法（如上 json 示例中的 custom_encoder 和 custom_decoder）。

2. 格式不兼容

例如，使用 pickle 保存的數據無法在不同 Python 版本中解析。

解決方法：選擇跨平台的格式，如 JSON 或 YAML。

3. 敏感數據存儲

序列化敏感數據時，可能引發安全問題（如反序列化惡意數據）。

解決方法：避免使用 pickle 處理不信任的數據，並考慮數據加密。

結論

本篇文章詳細介紹了 Python 序列化與反序列化的相關知識，涵蓋了 pickle、json 與 yaml 的基礎與進階用法。這些技術在數據存儲、傳輸以及程序狀態持久化中有著重要作用。希望這篇文章能幫助你掌握 Python 的序列化技術！