我有一个gui_project具有属性的对象.namespace，它是一个命名空间字典。（即从字符串到对象的字典。）
（这用于类似 IDE 的程序中，让用户在 Python shell 中定义自己的对象。）
我想腌制 thisgui_project以及命名空间。问题是，命名空间中的某些对象（即.namespace字典的值）不是可腌制对象。例如，其中一些引用 wxPython 小部件。
我想过滤掉不可腌制的对象，即从腌制版本中排除它们。
我怎样才能做到这一点？
（我尝试过的一件事是逐个处理这些值并尝试腌制它们，但是发生了一些无限递归，我需要避免这种情况。）
（我现在确实实现了一种GuiProject.__getstate__方法，以摆脱除 . 之外的其他不可腌制的东西namespace。）
我会使用pickler 对持久对象引用的记录支持。持久对象引用是由 pickle 引用但不存储在 pickle 中的对象。
http://docs.python.org/library/pickle.html#pickling-and-unpickling-external-objects
ZODB 多年来一直使用这个 API，所以它非常稳定。unpickling 时，您可以将对象引用替换为您喜欢的任何内容。在您的情况下，您可能希望用指示无法腌制对象的标记替换对象引用。
你可以从这样的事情开始（未经测试）：
import cPickle
def persistent_id(obj):
if isinstance(obj, wxObject):
return "filtered:wxObject"
else:
return None
class FilteredObject:
def __init__(self, about):
self.about = about
def __repr__(self):
return 'FilteredObject(%s)' % repr(self.about)
def persistent_load(obj_id):
if obj_id.startswith('filtered:'):
return FilteredObject(obj_id[9:])
else:
raise cPickle.UnpicklingError('Invalid persistent id')
def dump_filtered(obj, file):
p = cPickle.Pickler(file)
p.persistent_id = persistent_id
p.dump(obj)
def load_filtered(file)
u = cPickle.Unpickler(file)
u.persistent_load = persistent_load
return u.load()
然后只需调用 dump_filtered() 和 load_filtered() 而不是 pickle.dump() 和 pickle.load()。wxPython 对象将作为持久性 ID 进行腌制，在取消腌制时将替换为 FilteredObjects。
您可以通过过滤掉不属于内置类型且没有__getstate__方法的对象来使解决方案更通用。
更新（2010 年 11 月 15 日）：这是一种使用包装类实现相同目的的方法。使用包装类而不是子类，可以保留在文档化的 API 中。
from cPickle import Pickler, Unpickler, UnpicklingError
class FilteredObject:
def __init__(self, about):
self.about = about
def __repr__(self):
return 'FilteredObject(%s)' % repr(self.about)
class MyPickler(object):
def __init__(self, file, protocol=0):
pickler = Pickler(file, protocol)
pickler.persistent_id = self.persistent_id
self.dump = pickler.dump
self.clear_memo = pickler.clear_memo
def persistent_id(self, obj):
if not hasattr(obj, '__getstate__') and not isinstance(obj,
(basestring, int, long, float, tuple, list, set, dict)):
return "filtered:%s" % type(obj)
else:
return None
class MyUnpickler(object):
def __init__(self, file):
unpickler = Unpickler(file)
unpickler.persistent_load = self.persistent_load
self.load = unpickler.load
self.noload = unpickler.noload
def persistent_load(self, obj_id):
if obj_id.startswith('filtered:'):
return FilteredObject(obj_id[9:])
else:
raise UnpicklingError('Invalid persistent id')
if __name__ == '__main__':
from cStringIO import StringIO
class UnpickleableThing(object):
pass
f = StringIO()
p = MyPickler(f)
p.dump({'a': 1, 'b': UnpickleableThing()})
f.seek(0)
u = MyUnpickler(f)
obj = u.load()
print obj
assert obj['a'] == 1
assert isinstance(obj['b'], FilteredObject)
assert obj['b'].about
我就是这样做的（我之前做过类似的事情并且有效）：
现在，当你 unpickle 时，你会取回所有原本可以 pickle 的变量。对于所有不可腌制的变量，您现在有一个字符串列表（合法的 Python 代码），当按顺序执行时，会为您提供所需的变量。
希望这可以帮助
我最终使用 Shane Hathaway 的方法编写了自己的解决方案。
这是代码。（寻找CutePickler和CuteUnpickler。）这里是测试。它是GarlicSim的一部分，因此您可以通过安装garlicsim和执行来使用它from garlicsim.general_misc import pickle_tools。
如果您想在Pythongarlicsim 3 代码上使用它，请使用.
一种方法是继承自pickle.Pickler并覆盖该save_dict()方法。从基类复制它，如下所示：
def save_dict(self, obj):
write = self.write
if self.bin:
write(EMPTY_DICT)
else: # proto 0 -- can't use EMPTY_DICT
write(MARK + DICT)
self.memoize(obj)
self._batch_setitems(obj.iteritems())
但是，在 _batch_setitems 中，传递一个迭代器来过滤掉所有你不想被转储的项目，例如
def save_dict(self, obj):
write = self.write
if self.bin:
write(EMPTY_DICT)
else: # proto 0 -- can't use EMPTY_DICT
write(MARK + DICT)
self.memoize(obj)
self._batch_setitems(item for item in obj.iteritems()
if not isinstance(item[1], bad_type))
由于 save_dict 不是官方 API，因此您需要检查每个新的 Python 版本是否此覆盖仍然正确。
过滤部分确实很棘手。使用简单的技巧，您可以轻松地让泡菜发挥作用。但是，当过滤器看起来更深一点时，您最终可能会过滤掉太多并丢失您可以保留的信息。但是最终可能会出现的事情的巨大可能性.namespace使得构建一个好的过滤器变得困难。
但是，我们可以利用已经是 Python 一部分的部分，例如模块deepcopy中的部分。copy
我复制了 stockcopy模块，做了以下事情：
LostObject来表示将在酸洗中丢失的对象。_deepcopy_atomic以确保x可腌制。如果不是，则返回一个实例LostObject__reduce__和/或__reduce_ex__提供有关是否以及如何腌制它的提示。我们确保这些方法不会抛出异常以提供无法腌制的提示。以下是差异：
[~/Development/scratch/] $ diff -uN /System/Library/Frameworks/Python.framework/Versions/2.6/lib/python2.6/copy.py mcopy.py
--- /System/Library/Frameworks/Python.framework/Versions/2.6/lib/python2.6/copy.py 2010-01-09 00:18:38.000000000 -0800
+++ mcopy.py 2010-11-10 08:50:26.000000000 -0800
@@ -157,6 +157,13 @@
cls = type(x)
+ # if x is picklable, there is no need to make a new copy, just ref it
+ try:
+ dumps(x)
+ return x
+ except TypeError:
+ pass
+
copier = _deepcopy_dispatch.get(cls)
if copier:
y = copier(x, memo)
@@ -179,10 +186,18 @@
reductor = getattr(x, "__reduce_ex__", None)
if reductor:
rv = reductor(2)
+ try:
+ x.__reduce_ex__()
+ except TypeError:
+ rv = LostObject, tuple()
else:
reductor = getattr(x, "__reduce__", None)
if reductor:
rv = reductor()
+ try:
+ x.__reduce__()
+ except TypeError:
+ rv = LostObject, tuple()
else:
raise Error(
"un(deep)copyable object of type %s" % cls)
@@ -194,7 +209,12 @@
_deepcopy_dispatch = d = {}
+from pickle import dumps
+class LostObject(object): pass
def _deepcopy_atomic(x, memo):
+ try:
+ dumps(x)
+ except TypeError: return LostObject()
return x
d[type(None)] = _deepcopy_atomic
d[type(Ellipsis)] = _deepcopy_atomic
现在回到酸洗部分。您只需使用这个新deepcopy功能进行深度复制，然后腌制该副本。在复制过程中，不可腌制的部分已被删除。
x = dict(a=1)
xx = dict(x=x)
x['xx'] = xx
x['f'] = file('/tmp/1', 'w')
class List():
def __init__(self, *args, **kwargs):
print 'making a copy of a list'
self.data = list(*args, **kwargs)
x['large'] = List(range(1000))
# now x contains a loop and a unpickable file object
# the following line will throw
from pickle import dumps, loads
try:
dumps(x)
except TypeError:
print 'yes, it throws'
def check_picklable(x):
try:
dumps(x)
except TypeError:
return False
return True
class LostObject(object): pass
from mcopy import deepcopy
# though x has a big List object, this deepcopy will not make a new copy of it
c = deepcopy(x)
dumps(c)
cc = loads(dumps(c))
# check loop refrence
if cc['xx']['x'] == cc:
print 'yes, loop reference is preserved'
# check unpickable part
if isinstance(cc['f'], LostObject):
print 'unpicklable part is now an instance of LostObject'
# check large object
if loads(dumps(c))['large'].data[999] == x['large'].data[999]:
print 'large object is ok'
这是输出：
making a copy of a list
yes, it throws
yes, loop reference is preserved
unpicklable part is now an instance of LostObject
large object is ok
您会看到 1) 相互指针（介于x和之间xx）被保留，我们不会陷入无限循环；2) unpicklable 文件对象被转换为LostObject实例；3) 不会创建大对象的新副本，因为它是可腌制的。