pickle能序列化几乎所有Python对象（如函数、类实例、numpy数组），而json仅支持基础类型；但pickle不跨语言、不安全、版本兼容性差，仅适用于可信环境的同版本Python间传递。
为什么用 pickle 而不是 json？
因为 pickle 能序列化几乎所有 Python 原生对象（函数、类实例、datetime、嵌套自定义对象等），而 json 只支持基础类型（dict、list、str、int、float、bool、None）。如果你存的是 numpy.ndarray、sklearn.model 或带方法的类实例，json 直接报 TypeError: Object of type ... is not JSON serializable。
但代价是：pickle 文件不跨语言、不安全（反序列化恶意数据会执行任意代码）、版本兼容性差（Python 3.8 dump 的文件在 3.12 可能 load 失败）。
- 只在可信环境用，别加载不可信的
.pkl文件 - 同一 Python 版本间传递最稳；跨版本优先用
protocol=4（Python 3.8+ 默认）或显式指定protocol=5（3.8+ 支持） - 想跨语言或长期归档，改用
joblib（适合 numpy/scikit-learn）或转成hdf5/parquet
pickle.dump() 和 pickle.load() 怎么写才不报错？
常见错误是忘记以二进制模式打开文件：open(..., 'w') 会触发 TypeError: write() argument must be str, not bytes；open(..., 'r') 则报 UnicodeDecodeError。
必须用 'wb' 和 'rb'：
立即学习“Python免费学习笔记（深入）”；
import pickle
<p>data = {'a': [1, 2, 3], 'b': lambda x: x*2} # 含函数，json 不行</p><div class="aritcle_card flexRow">
<div class="artcardd flexRow">
<a class="aritcle_card_img" href="/xiazai/skill4632" title="A Python CLI skill for Cutout.Pro visual APIs — background removal, face cutout, and photo enhancement. Supports file upload & image URL input."><img
src="https://img.php.cn/upload/skill/000/000/081/179014508433528.jpg" alt="A Python CLI skill for Cutout.Pro visual APIs — background removal, face cutout, and photo enhancement. Supports file upload & image URL input." onerror="this.onerror='';this.src='/static/lhimages/moren/morentu.png'" ></a>
<div class="aritcle_card_info flexColumn">
<a href="/xiazai/skill4632" title="A Python CLI skill for Cutout.Pro visual APIs — background removal, face cutout, and photo enhancement. Supports file upload & image URL input.">A Python CLI skill for Cutout.Pro visual APIs — background removal, face cutout, and photo enhancement. Supports file upload & image URL input.</a>
<p>调用 Cutout.Pro 视觉处理 API 进行背景移除、人像抠图和照片增强，支持文件上传与图片 URL 输入。</p>
</div>
<a href="/xiazai/skill4632" title="A Python CLI skill for Cutout.Pro visual APIs — background removal, face cutout, and photo enhancement. Supports file upload & image URL input." class="aritcle_card_btn flexRow flexcenter"><b></b><span>下载</span> </a>
</div>
</div><h1>✅ 正确：二进制写</h1><p>with open('data.pkl', 'wb') as f:
pickle.dump(data, f)</p><h1>✅ 正确：二进制读</h1><p>with open('data.pkl', 'rb') as f:
loaded = pickle.load(f)- 不要用
pickle.dumps()/pickle.loads()直接处理大对象——它们把整个对象塞进内存，容易 OOM - 多个对象连续
dump到同一文件，得用多次load读取（它不会自动分隔），否则第二次load报EOFError - 路径不存在时，
dump不会自动建目录，先用os.makedirs(os.path.dirname(path), exist_ok=True)
保存大型对象（如模型）时性能很差，怎么优化？
默认 pickle 协议（Python 3.8+ 是 protocol 4）对大 dict/list 效率一般。两个实际有效的提速点：
- 显式指定更高协议：
pickle.dump(obj, f, protocol=5)（Python 3.8+ 支持，比 protocol 4 快 10–20%，尤其含大量字符串时） - 用
joblib.dump()替代（尤其对 numpy 数组、scikit-learn 模型）：内部做了内存映射和分块，比原生pickle快 2–5 倍，且压缩可选
# joblib 示例（需 pip install joblib）
from joblib import dump, load
import numpy as np
<p>arr = np.random.rand(10000, 1000)
dump(arr, 'array.joblib') # 自动压缩，更快
loaded_arr = load('array.joblib')注意：joblib 不是万能替代——它对纯 Python 对象（比如没用 numpy 的 class 实例）可能反而更慢，且不支持所有 pickle 能存的类型（如某些 C 扩展对象）。
反序列化时遇到 ModuleNotFoundError 或 AttributeError 怎么办？
这是因为 pickle 存的是“类名+模块路径”，不是代码本身。如果 load 时模块不在 sys.path，或类定义被重命名/移动了，就会崩。
典型错误信息：ModuleNotFoundError: No module named 'mymodule' 或 AttributeError: Can't get attribute 'MyClass' on <module '__main__' from '...'
- 确保
load时运行环境的包结构、导入路径和dump时完全一致（包括是否在__main__中定义类） - 避免在脚本顶层定义要持久化的类；改为放在独立
.py文件里，用import加载 - 紧急修复法：在
load前手动补模块别名，例如sys.modules['old_module'] = new_module（不推荐长期用）
最稳妥的做法，是在项目中固定模块入口（比如统一用 from myproject.models import MyModel），并把 pickle 文件和代码版本一起管理。
