[Python 标准库 - 2] 数据存储与序列化：json、pickle、csv

Python 标准库中的数据存储与序列化：json、pickle、csv

当需要将数据写入文件或通过网络传输时，序列化（Serialization） 是必不可少的步骤。Python 为此提供了三种截然不同的标准工具：json、pickle、csv。

• json：可读的文本格式，便于跨语言交换
• pickle：一种能将 Python 对象原样保存的二进制格式，功能强大但存在安全隐患
• csv：最简洁的文本格式，常用于表格数据，通用性高

本文将根据“想要存储或使用的数据类型”来阐述这三种模块的选择思路。

1. JSON

1.1 概述

JSON（JavaScript Object Notation）是基于文本且语言无关的格式。它广泛用于配置文件、API 响应/请求、日志等“与其他系统交互”的场景。在 Python 中直接使用 json 模块即可处理。

1.2 核心 API（常用）

• json.dump(obj, fp, ...) / json.load(fp, ...)：文件读写
• json.dumps(obj, ...) / json.loads(s, ...)：字符串转换/恢复

值得记住的选项：

• ensure_ascii=False：不对非 ASCII 字符进行转义，保留原文
• indent=2：格式化输出
• default=...：为 JSON 不认识的类型提供自定义转换

1.3 使用示例（基本）

import json

data = {
    "name": "Alice",
    "age": 30,
    "skills": ["Python", "Data Science"]
}

with open("data.json", "w", encoding="utf-8") as f:
    json.dump(data, f, ensure_ascii=False, indent=2)

with open("data.json", "r", encoding="utf-8") as f:
    loaded = json.load(f)

print(loaded)

1.4 解决 JSON 的“类型限制”

JSON 原生只支持 dict、list、str、int/float、bool、None。例如 datetime 无法直接序列化。这时可以使用 default 参数。

import json
from datetime import datetime, timezone

payload = {"created_at": datetime.now(timezone.utc)}

def to_jsonable(obj):
    if isinstance(obj, datetime):
        return obj.isoformat()
    raise TypeError(f"Not JSON serializable: {type(obj)!r}")

s = json.dumps(payload, default=to_jsonable, ensure_ascii=False)
print(s)

1.5 优缺点

优点

• 语言无关，易于交换/共享
• 文本格式，易于调试和版本控制
• 与 pickle 不同，加载时不会执行代码

缺点

• 类型表达有限（如 datetime、set、Decimal、二进制数据）
• 对大数据而言，体积和速度可能不如二进制格式

2. Pickle

2.1 概述

pickle 是一种 将 Python 对象原样保存 的序列化方式。其结果是二进制数据（bytes），加载后几乎恢复为原始对象。

pickle 特别适用于：

• 想保存复杂的 Python 对象（自定义类实例、嵌套结构、训练好的模型等）
• 不需要与其他语言共享数据

相反，以下情况应避免使用：

• 需要从不可信来源加载数据（pickle.load() 可能执行恶意代码）
• 与其他语言/系统交换数据

2.2 核心 API（最常用 4 个）

• pickle.dump(obj, file, protocol=...)：对象 → 文件（二进制）
• pickle.load(file)：文件 → 对象
• pickle.dumps(obj, protocol=...)：对象 → bytes
• pickle.loads(data)：bytes → 对象

import pickle

data = {"a": [1, 2, 3], "b": ("x", "y")}

with open("data.pkl", "wb") as f:
    pickle.dump(data, f)

with open("data.pkl", "rb") as f:
    loaded = pickle.load(f)

print(loaded)

2.3 protocol 是什么，为什么要关注？

protocol 是 pickle 用于存储数据的 格式版本。不同版本会影响文件大小、速度和支持的功能。

• 未指定时，Python 会选择“当前环境中最合适的默认值”。
• 通常保持默认即可。
• 需要手动指定时，主要有两种情况： 1. 与旧 Python 版本兼容（使用较低协议） 2. 追求文件大小/速度最优（使用最高协议）

import pickle

with open("data.pkl", "wb") as f:
    pickle.dump({"x": 1}, f, protocol=pickle.HIGHEST_PROTOCOL)

2.4 Pickle 的真正注意点（重要）

pickle.load() / pickle.loads() 会执行数据中包含的恢复逻辑。因此，从不可信来源加载 pickle 可能导致意外行为。

• 安全做法：不要打开未知来源的 .pkl 文件。
• 若需共享/交换，优先使用 json 等文本格式。

2.5 优缺点

优点

• 能保存几乎所有 Python 对象
• 通常比 json 更快、更简洁（尤其是复杂对象）

缺点

• 安全风险（不可信数据不可加载）
• 仅 Python 可读，无法与其他语言共享
• 类定义变更可能导致旧的 pickle 文件无法加载

3. CSV

3.1 概述

CSV（Comma-Separated Values）是最简单的表格数据格式。常见于电子表格、数据导入/导出、日志转储等场景。

3.2 核心 API（常用）

• csv.reader / csv.writer：基于列表
• csv.DictReader / csv.DictWriter：基于字典（更常用）

3.3 使用示例（DictWriter/DictReader）

import csv

data = [
    {"name": "Alice", "age": 30, "city": "Seoul"},
    {"name": "Bob",   "age": 25, "city": "Busan"},
]

with open("people.csv", "w", newline="", encoding="utf-8") as f:
    writer = csv.DictWriter(f, fieldnames=["name", "age", "city"])
    writer.writeheader()
    writer.writerows(data)

with open("people.csv", "r", encoding="utf-8") as f:
    reader = csv.DictReader(f)
    loaded = list(reader)

print(loaded)

3.4 CSV 的三大注意点

1. 一定要使用 newline=""：尤其在 Windows 系统上，可避免双行换行。
2. 所有字段默认是字符串：读取后需手动转换。
3. 分隔符/引号/换行可能出现在数据中：使用 csv 模块可安全处理。

3.5 优缺点

优点

• 极轻量，几乎所有工具都能读写
• 对表格数据非常直观

缺点

• 难以表达嵌套结构（列表/字典嵌套）
• 缺少类型信息，需手动转换

4. 比较与选择指南

一句话总结：

• 与其他系统交互 → json
• 完整保存 Python 对象 → pickle（但要严格控制来源）
• 行/列导出 → csv

5. 同一数据三种存储/恢复示例

以下示例展示如何使用 json、pickle、csv 对同一数据进行存储和读取。

import json, pickle, csv

data = [
    {"id": 1, "name": "Alice", "score": 95.5},
    {"id": 2, "name": "Bob",   "score": 88.0},
]

# 1) JSON
with open("data.json", "w", encoding="utf-8") as f:
    json.dump(data, f, ensure_ascii=False, indent=2)

with open("data.json", "r", encoding="utf-8") as f:
    json_loaded = json.load(f)

# 2) Pickle
with open("data.pkl", "wb") as f:
    pickle.dump(data, f)

with open("data.pkl", "rb") as f:
    pickle_loaded = pickle.load(f)

# 3) CSV
with open("data.csv", "w", newline="", encoding="utf-8") as f:
    writer = csv.DictWriter(f, fieldnames=["id", "name", "score"])
    writer.writeheader()
    writer.writerows(data)

with open("data.csv", "r", encoding="utf-8") as f:
    reader = csv.DictReader(f)
    csv_loaded = [
        {"id": int(row["id"]), "name": row["name"], "score": float(row["score"])}
        for row in reader
    ]

print(json_loaded)
print(pickle_loaded)
print(csv_loaded)

要点：

• CSV 读取后需手动转换类型。
• Pickle 方便但需谨慎管理加载来源。

6. 结语

仅凭 Python 标准库，便能满足数据存储与序列化的广泛需求。

• 需要跨语言共享 → json
• 想保留完整 Python 对象 → pickle
• 想以表格形式导出 → csv

根据数据形态与目的选择合适的模块，即可快速高效地完成存储与恢复。