泡椒还是json？

Question

我需要将一个小dict对象保存到磁盘,其对象的类型str和值是ints ,然后恢复它.像这样的东西:

{'juanjo': 2, 'pedro':99, 'other': 333}

什么是最好的选择,为什么？用pickle或用simplejson？序列化？

我使用的是Python 2.6.

Answer 1

对于我的序列化,我更喜欢JSON而不是pickle.取消可以运行任意代码,并且使用pickle在程序之间传输数据或在会话之间存储数据是一个安全漏洞.JSON没有引入安全漏洞并且是标准化的,因此如果您需要,可以使用不同语言的程序访问数据.

Answer 2

如果您没有任何互操作性要求(例如,您只是将数据与Python一起使用)并且二进制格式正常,请使用cPickle,它可以为您提供非常快速的Python对象序列化.

如果您想要互操作性,或者希望文本格式存储数据,请使用JSON(或其他一些适当的格式,具体取决于您的约束).

Answer 3

你可能也会觉得这很有趣,有些图表可供比较:http://kovshenin.com/archives/pickle-vs-json-which-is-faster/

Answer 4

如果您主要关注速度和空间,请使用cPickle,因为cPickle比JSON快.

如果您更关注互操作性,安全性和/或人类可读性,那么请使用JSON.

其他答案中引用的测试结果记录在2010年,2016年使用cPickle 协议2进行的更新测试显示:

• cPickle加载速度提高3.8倍
• cPickle读取速度提高1.5倍
• cPickle略小的编码

与此重现自己这个要点,这是基于康斯坦丁的基准在其他的答案中引用,但使用的cPickle按方案2的替代泡菜,并使用JSON而不是simplejson(因为JSON比simplejson更快),例如

wget https://gist.github.com/jdimatteo/af317ef24ccf1b3fa91f4399902bb534/raw/03e8dbab11b5605bc572bc117c8ac34cfa959a70/pickle_vs_json.py
python pickle_vs_json.py

在一个体面的2015 Xeon处理器上使用python 2.7的结果:

Dir Entries Method  Time    Length

dump    10  JSON    0.017   1484510
load    10  JSON    0.375   -
dump    10  Pickle  0.011   1428790
load    10  Pickle  0.098   -
dump    20  JSON    0.036   2969020
load    20  JSON    1.498   -
dump    20  Pickle  0.022   2857580
load    20  Pickle  0.394   -
dump    50  JSON    0.079   7422550
load    50  JSON    9.485   -
dump    50  Pickle  0.055   7143950
load    50  Pickle  2.518   -
dump    100 JSON    0.165   14845100
load    100 JSON    37.730  -
dump    100 Pickle  0.107   14287900
load    100 Pickle  9.907   -

带有pickle协议3的Python 3.4甚至更快.

Answer 5

JSON还是泡菜？JSON 和泡菜怎么样!你可以用jsonpickle.它易于使用,磁盘上的文件是可读的,因为它是JSON.

http://jsonpickle.github.com/

Answer 6

我尝试了几种方法，发现使用 cPickle 并将转储方法的协议参数设置为：cPickle.dumps(obj, protocol=cPickle.HIGHEST_PROTOCOL)是最快的转储方法。

import msgpack
import json
import pickle
import timeit
import cPickle
import numpy as np

num_tests = 10

obj = np.random.normal(0.5, 1, [240, 320, 3])

command = 'pickle.dumps(obj)'
setup = 'from __main__ import pickle, obj'
result = timeit.timeit(command, setup=setup, number=num_tests)
print("pickle:  %f seconds" % result)

command = 'cPickle.dumps(obj)'
setup = 'from __main__ import cPickle, obj'
result = timeit.timeit(command, setup=setup, number=num_tests)
print("cPickle:   %f seconds" % result)


command = 'cPickle.dumps(obj, protocol=cPickle.HIGHEST_PROTOCOL)'
setup = 'from __main__ import cPickle, obj'
result = timeit.timeit(command, setup=setup, number=num_tests)
print("cPickle highest:   %f seconds" % result)

command = 'json.dumps(obj.tolist())'
setup = 'from __main__ import json, obj'
result = timeit.timeit(command, setup=setup, number=num_tests)
print("json:   %f seconds" % result)


command = 'msgpack.packb(obj.tolist())'
setup = 'from __main__ import msgpack, obj'
result = timeit.timeit(command, setup=setup, number=num_tests)
print("msgpack:   %f seconds" % result)

输出：

pickle         :   0.847938 seconds
cPickle        :   0.810384 seconds
cPickle highest:   0.004283 seconds
json           :   1.769215 seconds
msgpack        :   0.270886 seconds

Answer 7

就个人而言，我通常更喜欢 JSON，因为数据是人类可读的。当然，如果您需要序列化 ​​JSON 不支持的内容，请使用 pickle。

但是对于大多数数据存储，您不需要序列化任何奇怪的东西，而且 JSON 更容易，并且始终允许您在文本编辑器中打开它并自己查看数据。

速度不错，但对于大多数数据集，差异可以忽略不计；无论如何，Python 通常不会太快。