Linux编程之序列化存储Python对象(下)(转)[@more@]　　相等，但并不总是相同

　　正如在上一个示例所暗示的，只有在这些对象引用内存中同一个对象时，它们才是相同的。在 pickle 情形中，每个对象被恢复到一个与原来对象相等的对象，但不是同一个对象。换句话说，每个 pickle 都是原来对象的一个副本：

　　>>> j = [1, 2, 3]
　　>>> k = j
　　>>> k is j
　　1
　　>>> x = pickle.dumps(k)
　　>>> y = pickle.loads(x)
　　>>> y
　　[1, 2, 3]
　　>>> y == k
　　1
　　>>> y is k
　　0
　　>>> y is j
　　0
　　>>> k is j
　　1

　　清单 8. 作为原来对象副本的被恢复的对象

　　同时，我们看到 Python 能够维护对象之间的引用，这些对象是作为一个单元进行 pickle 的。然而，我们还看到分别调用 dump() 会使 Python 无法维护对在该单元外部进行 pickle 的对象的引用。相反，Python 复制了被引用对象，并将副本和被 pickle 的对象存储在一起。对于 pickle 和恢复单个对象层次结构的应用程序，这是没有问题的。但要意识到还有其它情形。

　　值得指出的是，有一个选项确实允许分别 pickle 对象，并维护相互之间的引用，只要这些对象都是 pickle 到同一文件即可。pickle 和 cPickle 模块提供了一个 Pickler（与此相对应是 Unpickler），它能够跟踪已经被 pickle 的对象。通过使用这个 Pickler，将会通过引用而不是通过值来 pickle 共享和循环引用：

　　>>> f = file('temp.pkl', 'w')
　　>>> pickler = pickle.Pickler(f)
　　>>> pickler.dump(a)
　　
　　>>> pickler.dump(b)
　　
　　>>> f.close()
　　>>> f = file('temp.pkl', 'r')
　　>>> unpickler = pickle.Unpickler(f)
　　>>> c = unpickler.load()
　　>>> d = unpickler.load()
　　>>> c[2]
　　[3, 4, [1, 2, [...]]]
　　>>> d[2]
　　[1, 2, [3, 4, [...]]]
　　>>> c[2] is d
　　1
　　>>> d[2] is c
　　1

　　清单 9. 维护分别 pickle 的对象间的引用

　　不可 pickle 的对象

　　一些对象类型是不可 pickle 的。例如，Python 不能 pickle 文件对象（或者任何带有对文件对象引用的对象），因为 Python 在 unpickle 时不能保证它可以重建该文件的状态（另一个示例比较难懂，在这类文章中不值得提出来）。试图 pickle 文件对象会导致以下错误：

　　>>> f = file('temp.pkl', 'w')
　　>>> p = pickle.dumps(f)
　　Traceback (most recent call last):
　　File "", line 1, in ?
　　File "/usr/lib/python2.2/copy_reg.py", line 57, in _reduce
　　raise TypeError, "can't pickle ％s objects" ％ base.__name__
　　TypeError: can't pickle file objects

　　清单 10. 试图 pickle 文件对象的结果