networkx图序列化应避免pickle，推荐用node_link_data转字典后JSON存储，需预处理numpy类型和float('inf')，加载时手动恢复属性类型。
用 networkx 序列化图结构时，别直接存原始图对象
Python 中没有“网络流序列化”这种标准概念——图结构本身不是流，但你可以把图（比如 networkx.DiGraph）转成适合网络传输或磁盘存储的通用格式。直接用 pickle 保存图对象最省事，但有严重隐患：pickle 不跨语言、不向前兼容、反序列化可能执行任意代码。生产环境必须避免。
推荐路径是：先转成中间结构（如邻接表、边列表或 JSON 可表达的字典），再用安全格式持久化。
-
networkx.write_adjlist()生成纯文本邻接表，人可读，但丢失节点属性和权重类型（全转成字符串） -
networkx.node_link_data()返回嵌套字典，保留节点/边所有属性，能直接json.dump()，但注意：JSON 不支持float('inf')、complex、自定义对象——遇到就报TypeError: Object of type float is not JSON serializable - 若图含 NumPy 类型（如
np.int64），需预处理：用json.dumps(obj, default=lambda x: x.item() if hasattr(x, 'item') else str(x))
保存带权重的有向图到 JSON 文件时，node_link_data 是首选但要清理数据类型
这是最常见需求：图有节点坐标、边容量、整数 ID，想存成文件供其他服务读取。直接调 networkx.node_link_data(G) 得到的字典看着干净，但实际暗藏坑：
- 节点 ID 若是
numpy.int64，JSON 会拒绝序列化；解决方法：遍历data['nodes']，对每个'id'字段调int() - 边的
'capacity'若为float('inf')，得提前替换成None或一个极大整数（如10**18），并在加载时还原 - 示例片段：
import networkx as nx
import json
<p>G = nx.DiGraph()
G.add_edge('s', 'a', capacity=10)
G.add_edge('a', 't', capacity=float('inf'))</p><p>data = nx.node_link_data(G)</p><div class="aritcle_card flexRow">
<div class="artcardd flexRow">
<a class="aritcle_card_img" href="/xiazai/skill9754" title="Secure Python Code Sandbox"><img
src="https://img.php.cn/upload/skill/001/246/273/6adaf20d3191a227.jpg" alt="Secure Python Code Sandbox" ></a>
<div class="aritcle_card_info flexColumn">
<a href="/xiazai/skill9754" title="Secure Python Code Sandbox">Secure Python Code Sandbox</a>
<p>安全 Python 代码沙箱：在隔离的沙箱中执行任意 Python 代码，预装 requests、NumPy、pandas 库。返回 stdout、stderr。</p>
</div>
<a href="/xiazai/skill9754" title="Secure Python Code Sandbox" class="aritcle_card_btn flexRow flexcenter"><b></b><span>下载</span> </a>
</div>
</div><p><span>立即学习</span>“<a href="https://pan.quark.cn/s/00968c3c2c15" style="text-decoration: underline !important; color: blue; font-weight: bolder;" rel="nofollow" target="_blank">Python免费学习笔记（深入）</a>”；</p><h1>清理 inf</h1><p>for edge in data['links']:
if edge.get('capacity') == float('inf'):
edge['capacity'] = None</p><p>with open('flow_graph.json', 'w') as f:
json.dump(data, f)</p>从 JSON 加载后重建 networkx 图，记得手动恢复边属性类型
JSON 只存字符串、数字、布尔、null，所有类型信息都丢了。比如你存了 "capacity": 10，加载回来还是 int，没问题；但存了 "capacity": null，就得自己判断是否该设为 float('inf')。
- 用
nx.node_link_graph(data)能快速建图，但所有边属性都是原样字符串/数字，不会自动转回业务需要的类型 - 如果边上有
'cost'（浮点）、'is_critical'（布尔），必须遍历G.edges(data=True)手动转换 - 更稳妥的做法：封装一个
load_flow_graph(filename)函数，在里面做类型映射，比如if 'capacity' in attrs: attrs['capacity'] = float('inf') if attrs['capacity'] is None else attrs['capacity']
真要走“网络流”语义，序列化前先确认你存的是什么
这个词容易误导：如果你实际要做最大流计算（如用 networkx.maximum_flow()），那图结构 + 容量属性就够了；但如果你存的是某次运行后的流值分配（即每条边上的当前流量），那就得额外存 flow_dict 结构——它不是图的一部分，而是计算结果。
- 不要把流值硬塞进边的
'capacity'属性里，否则下次跑算法会出错 - 推荐分开存：一个
graph.json（拓扑+容量），一个flow_solution.json（形如{"s": {"a": 5.0}, "a": {"t": 5.0}}） - 如果用
ortools或cvxpy解流问题，它们通常输出 numpy 数组，此时必须用.tolist()再存 JSON，否则报错
类型擦除是序列化的根本代价，没有银弹。每次存之前，花三十秒想清楚：这个字段将来是当数字算，还是当标签查，还是只做展示——决定了你清理和恢复的粒度。
