小白求助pycrust运行问题_python吧_百度贴吧
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&签到排名：今日本吧第个签到，本吧因你更精彩，明天继续来努力！
本吧签到人数：0成为超级会员，使用一键签到本月漏签0次！成为超级会员，赠送8张补签卡连续签到：天&&累计签到：天超级会员单次开通12个月以上，赠送连续签到卡3张
关注：110,786贴子：
小白求助pycrust运行问题收藏
最近在看wxpython in action一书，书中4.4章所写的：通过将你的程序的名字传递给PyWrap，你能够用PyCrust shell来启动你的程序，不需要对你的程序作任何的改变。下例4.2显示了一个名为spare.py的程序，我们准备对它使用PyCrust。。。。。。。。。。。。。（省略spare.py代码）为了运行这个程序时使用PyCrust，要将该程序的全路径传递给PyWrap。在windows下，命令行类似如下：F:\&python pywrap.py spare.py求问大神，上面这句命令行是什么意思，尤其不明白的是，这个命令行是在哪里输入的？？pycrust里试过了，windows的CMD窗口也试过了，Python Shell也试过了，原本的spare.py程序里也试过了，都不对，答案是什么呢？
挂机一个月得百万，你还蓝瘦香菇么？
我也搞半天了这哥们搞了一大串，咱看不懂。
我是一名大专生，手淫至今已经有八年多了，这种痛苦让人无法回避，近日压力大增，自己多年来，一无是处，别说自己独立在大学生活，就连基本的切菜煮饭都尚且不会，除了懂点电脑知识之外就基本上是个一废材！手无缚鸡之力！最初，在小学五年级暑假之时，看见表哥在电脑上看些成人电影，无知的我也跟着去看。此后，又连续看了几日。再后来，在睡梦中都经常会做性梦的，自己也尝试去刺激敏感部位，开始了手淫，那时只知道很新鲜，反正家长不知道，同学师长也看不出来，自己也愈加的放肆，有时甚至一天好几次，即使是在失眠的时候也会自慰。总以为会给自己带来快感，释放压力，结果反而弄巧成拙了！我的成绩不算好也不算坏的那种，但淫心却让我的成绩一败涂地！当时的自己在初一的时候很喜欢一名女生，我经常会在大家面前说她是我老婆，而且还很下流的说一些黄色笑话。她是一个好女生，父母都是老师，成绩超级好的，属于很讨人喜欢的那种女孩子。或许，你怎么也想不到，我就是逼她成为坏学生的罪魁祸首！由于我的骚扰不断，她发火了，和班上的几个坏女生联合起来把我拉到学校的角落暴打了一顿，还给了我一巴掌，从此以后，我在学校就没被同学正眼看过（大家千万不要随便调戏女生，真的不是闹着玩的啊，还有要谨慎口业！不要讲黄色笑话）！！中考备考的时候，脑袋像是被抽空了一样！即使是自己最厉害的历史与社会，也只考了个B+（我是深圳的）。可见邪淫恶果就体现在你最在乎的事情上！考砸了之后，老师还安慰我，但内心的愧疚依然不敌淫魔的侵袭。渐渐地，又开始了荒诞的生活，可以说，初三的那个暑假过的真的是想当的颓废！每天无聊的时候就幻想着自己和女子性交，不管是老师还是同学朋友，可见我的思想恶心至极！上了高中后，我说给自己三年的时间去完成学业，考一所大学对得起自己，也对得起家人。我的坏习惯依然不改，持续的淫乱生活让我的大脑产生了严重的思维分裂症！一方面总以为自己很有天赋，即使不用功都能学得很好，一方面又不断地嫉恨那些学的很好的同学。自己本来在班上人缘还可以的，后来，由于恶习不改，天天讲黄色笑话，恶语伤人，同学也开始嫌弃我了。。。在高三的时候，自己心里面默默地许了一个心愿，我拼了命也要为我喜欢的女孩子考一个本科！后面的我就不说了，都有种想哭无泪的感觉了，只考到了深圳的一所专B院校，每年还要交一万二的学费！我对不起我爸妈，对不起那个女生，更对不起自己！
-----来自p-y.me贴吧云签到
其实，我在高二的时候已经开始接触佛法。在接触佛法之后，我尝试去施食，念诵准提神咒来磨砺自己的心性。刚开始我还可以坚持，也尝到了甜头。在高二下的学业水平考试，靠佛菩萨的加持保佑，我考了个还不错的成绩，也算是对得住自己两个月来得修习了。好景不长，暑假之后，我又开始邪淫，那是明显感觉到护法神离我而去，全身一阵发凉的感觉。。。。。。就这样，反反复复地戒了又淫，我自己也羞愧难当！我没有勇气去面对自己喜欢的女孩子！因为我是个没有福报的人！无论是谁跟了我都不会走好运，我后悔自己不孝顺父母，甚至把父母放的很低的位置。谁都有资格来骂我，鄙视我，我没意见。看过很多邪淫的人被雷劈死的文章，自己整天也是提心吊胆的，生怕有一天会劈到自己头上！邪淫的人担惊受怕的，的确是如此啊！！自小学到大学，没几件事情是我做的顺利的，我知道自己的福报不足，没甚德行，一副印堂发黑，面无血色的倒霉相！但我真的不能再输了！如果再衰下去，整个家肯定要毁在我的手里了！我真的输不起！我愿意用自己的大学生活费的一部分做助印经文或者放生专用。每天有空就念诵佛号，劝阻他人妄言，心存正念。我真的很害怕自己的恶报会拖累家人，把家里人的福报给败坏了！佛菩萨，我真的错了！我不该妄自尊大，不敬天地，不敬神明！甚至和神佛漫天要价贡高我慢，我输不起，也没那资格！邪淫的恶果说也说不清楚完，望各位佛友引以为戒！
-----来自p-y.me贴吧云签到
其实，我在高二的时候已经开始接触佛法。在接触佛法之后，我尝试去施食，念诵准提神咒来磨砺自己的心性。刚开始我还可以坚持，也尝到了甜头。在高二下的学业水平考试，靠佛菩萨的加持保佑，我考了个还不错的成绩，也算是对得住自己两个月来得修习了。好景不长，暑假之后，我又开始邪淫，那是明显感觉到护法神离我而去，全身一阵发凉的感觉。。。。。。就这样，反反复复地戒了又淫，我自己也羞愧难当！我没有勇气去面对自己喜欢的女孩子！因为我是个没有福报的人！无论是谁跟了我都不会走好运，我后悔自己不孝顺父母，甚至把父母放的很低的位置。谁都有资格来骂我，鄙视我，我没意见。看过很多邪淫的人被雷劈死的文章，自己整天也是提心吊胆的，生怕有一天会劈到自己头上！邪淫的人担惊受怕的，的确是如此啊！！自小学到大学，没几件事情是我做的顺利的，我知道自己的福报不足，没甚德行，一副印堂发黑，面无血色的倒霉相！但我真的不能再输了！如果再衰下去，整个家肯定要毁在我的手里了！我真的输不起！我愿意用自己的大学生活费的一部分做助印经文或者放生专用。每天有空就念诵佛号，劝阻他人妄言，心存正念。我真的很害怕自己的恶报会拖累家人，把家里人的福报给败坏了！佛菩萨，我真的错了！我不该妄自尊大，不敬天地，不敬神明！甚至和神佛漫天要价贡高我慢，我输不起，也没那资格！邪淫的恶果说也说不清楚完，望各位佛友引以为戒！
-----来自p-y.me贴吧云签到
登录百度帐号推荐应用
为兴趣而生，贴吧更懂你。或Python之 pickle
持久性就是指保持对象，甚至在多次执行同一程序之间也保持对象。通过本文，您会对 Python对象的各种持久性机制（从关系数据库到 Python 的 pickle以及其它机制）有一个总体认识。另外，还会让您更深一步地了解Python 的对象序列化能力。什么是持久性？持久性的基本思想很简单。假定有一个 Python 程序，它可能是一个管理日常待办事项的程序，您希望在多次执行这个程序之间可以保存应用程序对象（待办事项）。换句话说，您希望将对象存储在磁盘上，便于以后检索。这就是持久性。要达到这个目的，有几种方法，每一种方法都有其优缺点。例如，可以将对象数据存储在某种格式的文本文件中，譬如 CSV 文件。或者可以用关系数据库，譬如 Gadfly、MySQL、PostgreSQL 或者 DB2。这些文件格式和数据库都非常优秀，对于所有这些存储机制，Python 都有健壮的接口。这些存储机制都有一个共同点：存储的数据是独立于对这些数据进行操作的对象和程序。这样做的好处是，数据可以作为共享的资源，供其它应用程序使用。缺点是，用这种方式，可以允许其它程序访问对象的数据，这违背了面向对象的封装性原则 — 即对象的数据只能通过这个对象自身的公共（public）接口来访问。另外，对于某些应用程序，关系数据库方法可能不是很理想。尤其是，关系数据库不理解对象。相反，关系数据库会强行使用自己的类型系统和关系数据模型（表），每张表包含一组元组（行），每行包含具有固定数目的静态类型字段（列）。如果应用程序的对象模型不能够方便地转换到关系模型，那么在将对象映射到元组以及将元组映射回对象方面，会碰到一定难度。这种困难常被称为阻碍性不匹配（impedence-mismatch）问题。回页首对象持久性如果希望透明地存储 Python 对象，而不丢失其身份和类型等信息，则需要某种形式的对象序列化：它是一个将任意复杂的对象转成对象的文本或二进制表示的过程。同样，必须能够将对象经过序列化后的形式恢复到原有的对象。在 Python 中，这种序列化过程称为 pickle，可以将对象 pickle 成字符串、磁盘上的文件或者任何类似于文件的对象，也可以将这些字符串、文件或任何类似于文件的对象 unpickle 成原来的对象。我们将在本文后面详细讨论 pickle。假定您喜欢将任何事物都保存成对象，而且希望避免将对象转换成某种基于非对象存储的开销；那么 pickle 文件可以提供这些好处，但有时可能需要比这种简单的 pickle 文件更健壮以及更具有可伸缩性的事物。例如，只用 pickle 不能解决命名和查找 pickle 文件这样的问题，另外，它也不能支持并发地访问持久性对象。如果需要这些方面的功能，则要求助类似于 ZODB（针对 Python 的 Z 对象数据库）这类数据库。ZODB 是一个健壮的、多用户的和面向对象的数据库系统，它能够存储和管理任意复杂的 Python 对象，并支持事务操作和并发控制。（请参阅 参考资料，以下载 ZODB。）令人足够感兴趣的是，甚至 ZODB 也依靠 Python 的本机序列化能力，而且要有效地使用 ZODB，必须充分了解 pickle。另一种令人感兴趣的解决持久性问题的方法是 Prevayler，它最初是用 Java 实现的（有关 Prevaylor 方面的developerWorks 文章，请参阅 参考资料）。最近，一群 Python 程序员将 Prevayler 移植到了 Python 上，另起名为 PyPerSyst，由 SourceForge 托管（有关至 PyPerSyst 项目的链接，请参阅 参考资料）。Prevayler/PyPerSyst 概念也是建立在 Java 和 Python 语言的本机序列化能力之上。PyPerSyst 将整个对象系统保存在内存中，并通过不时地将系统快照 pickle 到磁盘以及维护一个命令日志（通过此日志可以重新应用最新的快照）来提供灾难恢复。所以，尽管使用 PyPerSyst 的应用程序受到可用内存的限制，但好处是本机对象系统可以完全装入到内存中，因而速度极快，而且实现起来要比如 ZODB 这样的数据库简单，ZODB 允许对象的数目比同时在能内存中所保持的对象要多。既然我们已经简要讨论了存储持久对象的各种方法，那么现在该详细探讨 pickle 过程了。虽然我们主要感兴趣的是探索以各种方式来保存 Python 对象，而不必将其转换成某种其它格式，但我们仍然还有一些需要关注的地方，譬如：如何有效地 pickle 和 unpickle 简单对象以及复杂对象，包括定制类的实例；如何维护对象的引用，包括循环引用和递归引用；以及如何处理类定义发生的变化，从而使用以前经过 pickle 的实例时不会发生问题。我们将在随后关于 Python 的 pickle 能力探讨中涉及所有这些问题。回页首一些经过 pickle 的 Pythonde&picklede& 模块及其同类模块 de&cPicklede& 向 Python 提供了 pickle 支持。后者是用 C 编码的，它具有更好的性能，对于大多数应用程序，推荐使用该模块。我们将继续讨论 de&picklede& ，但本文的示例实际是利用了 de&cPicklede& 。由于其中大多数示例要用 Python shell 来显示，所以先展示一下如何导入 de&cPicklede& ，并可以作为 de&picklede& 来引用它：de&&&& import cPickle as pickle de&现在已经导入了该模块，接下来让我们看一下 pickle 接口。 de&picklede& 模块提供了以下函数对： de&dumps(object)de& 返回一个字符串，它包含一个 pickle 格式的对象； de&loads(string)de& 返回包含在 pickle 字符串中的对象； de&dump(object, file)de& 将对象写到文件，这个文件可以是实际的物理文件，但也可以是任何类似于文件的对象，这个对象具有 de&write()de& 方法，可以接受单个的字符串参数； de&load(file)de& 返回包含在 pickle 文件中的对象。缺省情况下， de&dumps()de& 和 de&dump()de& 使用可打印的 ASCII 表示来创建 pickle。两者都有一个 final 参数（可选），如果为 de&Truede& ，则该参数指定用更快以及更小的二进制表示来创建 pickle。 de&loads()de& 和 de&load()de& 函数自动检测 pickle 是二进制格式还是文本格式。清单 1 显示了一个交互式会话，这里使用了刚才所描述的 de&dumps()de& 和 de&loads()de& 函数：清单 1. dumps() 和 loads() 的演示Welcome To PyCrust 0.7.2 - The Flakiest Python ShellSponsored by Orbtech - Your source for Python programming expertise.Python 2.2.1 (#1, Aug 27 :32)[GCC 3.2 (Mandrake Linux 9.0 3.2-1mdk)] on linux-i386Type "copyright", "credits" or "license" for more information.&&& import cPickle as pickle&&& t1 = ('this is a string', 42, [1, 2, 3], None)&&& t1('this is a string', 42, [1, 2, 3], None)&&& p1 = pickle.dumps(t1)&&& p1"(S'this is a string'/nI42/n(lp1/nI1/naI2/naI3/naNtp2/n."&&& print p1(S'this is a string'I42(lp1I1aI2aI3aNtp2.&&& t2 = pickle.loads(p1)&&& t2('this is a string', 42, [1, 2, 3], None)&&& p2 = pickle.dumps(t1, True)&&& p2'(U/x10this is a stringK*]q/x01(K/x01K/x02K/x03eNtq/x02.'&&& t3 = pickle.loads(p2)&&& t3('this is a string', 42, [1, 2, 3], None)注：该文本 pickle 格式很简单，这里就不解释了。事实上，在 de&picklede& 模块中记录了所有使用的约定。我们还应该指出，在我们的示例中使用的都是简单对象，因此使用二进制 pickle 格式不会在节省空间上显示出太大的效率。然而，在实际使用复杂对象的系统中，您会看到，使用二进制格式可以在大小和速度方面带来显著的改进。接下来，我们看一些示例，这些示例用到了 de&dump()de& 和 de&load()de& ，它们使用文件和类似文件的对象。这些函数的操作非常类似于我们刚才所看到的 de&dumps()de& 和 de&loads()de& ，区别在于它们还有另一种能力 — de&dump()de& 函数能一个接着一个地将几个对象转储到同一个文件。随后调用 de&load()de& 来以同样的顺序检索这些对象。清单 2 显示了这种能力的实际应用：清单 2. dump() 和 load() 示例&&& a1 = 'apple'&&& b1 = {1: 'One', 2: 'Two', 3: 'Three'}&&& c1 = ['fee', 'fie', 'foe', 'fum']&&& f1 = file('temp.pkl', 'wb')&&& pickle.dump(a1, f1, True)&&& pickle.dump(b1, f1, True)&&& pickle.dump(c1, f1, True)&&& f1.close()&&& f2 = file('temp.pkl', 'rb')&&& a2 = pickle.load(f2)&&& a2'apple'&&& b2 = pickle.load(f2)&&& b2{1: 'One', 2: 'Two', 3: 'Three'}&&& c2 = pickle.load(f2)&&& c2['fee', 'fie', 'foe', 'fum']&&& f2.close()回页首Pickle 的威力到目前为止，我们讲述了关于 pickle 方面的基本知识。在这一节，将讨论一些高级问题，当您开始 pickle 复杂对象时，会遇到这些问题，其中包括定制类的实例。幸运的是，Python 可以很容易地处理这种情形。可移植性从空间和时间上说，Pickle 是可移植的。换句话说，pickle 文件格式独立于机器的体系结构，这意味着，例如，可以在 Linux 下创建一个 pickle，然后将它发送到在 Windows 或 Mac OS 下运行的 Python 程序。并且，当升级到更新版本的 Python 时，不必担心可能要废弃已有的 pickle。Python 开发人员已经保证 pickle 格式将可以向后兼容 Python 各个版本。事实上，在 de&picklede& 模块中提供了有关目前以及所支持的格式方面的详细信息：清单 3. 检索所支持的格式&&& pickle.format_version'1.3'&&& patible_formats['1.0', '1.1', '1.2']多个引用，同一对象在 Python 中，变量是对象的引用。同时，也可以用多个变量引用同一个对象。经证明，Python 在用经过 pickle 的对象维护这种行为方面丝毫没有困难，如清单 4 所示：清单 4. 对象引用的维护&&& a = [1, 2, 3]&&& b = a&&& a[1, 2, 3]&&& b[1, 2, 3]&&& a.append(4)&&& a[1, 2, 3, 4]&&& b[1, 2, 3, 4]&&& c = pickle.dumps((a, b))&&& d, e = pickle.loads(c)&&& d[1, 2, 3, 4]&&& e[1, 2, 3, 4]&&& d.append(5)&&& d[1, 2, 3, 4, 5]&&& e[1, 2, 3, 4, 5]循环引用和递归引用可以将刚才演示过的对象引用支持扩展到 循环引用（两个对象各自包含对对方的引用）和 递归引用（一个对象包含对其自身的引用）。下面两个清单着重显示这种能力。我们先看一下递归引用：&清单 5. 递归引用&&& l = [1, 2, 3]&&& l.append(l)&&& l[1, 2, 3, [...]]&&& l[3][1, 2, 3, [...]]&&& l[3][3][1, 2, 3, [...]]&&& p = pickle.dumps(l)&&& l2 = pickle.loads(p)&&& l2[1, 2, 3, [...]]&&& l2[3][1, 2, 3, [...]]&&& l2[3][3][1, 2, 3, [...]]现在，看一个循环引用的示例：清单 6. 循环引用&&& a = [1, 2]&&& b = [3, 4]&&& a.append(b)&&& a[1, 2, [3, 4]]&&& b.append(a)&&& a[1, 2, [3, 4, [...]]]&&& b[3, 4, [1, 2, [...]]]&&& a[2][3, 4, [1, 2, [...]]]&&& b[2][1, 2, [3, 4, [...]]]&&& a[2] is b1&&& b[2] is a1&&& f = file('temp.pkl', 'w')&&& pickle.dump((a, b), f)&&& f.close()&&& f = file('temp.pkl', 'r')&&& c, d = pickle.load(f)&&& f.close()&&& c[1, 2, [3, 4, [...]]]&&& d[3, 4, [1, 2, [...]]]&&& c[2][3, 4, [1, 2, [...]]]&&& d[2][1, 2, [3, 4, [...]]]&&& c[2] is d1&&& d[2] is c1注意，如果分别 pickle 每个对象，而不是在一个元组中一起 pickle 所有对象，会得到略微不同（但很重要）的结果，如清单 7 所示：清单 7. 分别 pickle vs. 在一个元组中一起 pickle&&& f = file('temp.pkl', 'w')&&& pickle.dump(a, f)&&& pickle.dump(b, f)&&& f.close()&&& f = file('temp.pkl', 'r')&&& c = pickle.load(f)&&& d = pickle.load(f)&&& f.close()&&& c[1, 2, [3, 4, [...]]]&&& d[3, 4, [1, 2, [...]]]&&& c[2][3, 4, [1, 2, [...]]]&&& d[2][1, 2, [3, 4, [...]]]&&& c[2] is d0&&& d[2] is c0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：清单 8. 作为原来对象副本的被恢复的对象&&& j = [1, 2, 3]&&& k = j&&& k is j1&&& x = pickle.dumps(k)&&& y = pickle.loads(x)&&& y[1, 2, 3]&&& y == k1&&& y is k0&&& y is j0&&& k is j1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 de&dump()de& 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。 de&picklede& 和 de&cPicklede& 模块提供了一个 de&Picklerde& （与此相对应是 de&Unpicklerde& ），它能够跟踪已经被 pickle 的对象。通过使用这个 de&Picklerde& ，将会通过引用而不是通过值来 pickle 共享和循环引用：清单 9. 维护分别 pickle 的对象间的引用&&& f = file('temp.pkl', 'w')&&& pickler = pickle.Pickler(f)&&& pickler.dump(a)&cPickle.Pickler object at 0x89b0bb8&&&& pickler.dump(b)&cPickle.Pickler object at 0x89b0bb8&&&& 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 d1&&& d[2] is c1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：清单 10. 试图 pickle 文件对象的结果&&& f = file('temp.pkl', 'w')&&& p = pickle.dumps(f)Traceback (most recent call last):
File "&input&", 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类实例与 pickle 简单对象类型相比，pickle 类实例要多加留意。这主要由于 Python 会 pickle 实例数据（通常是 de&_dict_de& 属性）和类的名称，而不会 pickle 类的代码。当 Python unpickle 类的实例时，它会试图使用在 pickle 该实例时的确切的类名称和模块名称（包括任何包的路径前缀）导入包含该类定义的模块。另外要注意，类定义必须出现在模块的最顶层，这意味着它们不能是嵌套的类（在其它类或函数中定义的类）。当 unpickle 类的实例时，通常不会再调用它们的 de&_init_()de& 方法。相反，Python 创建一个通用类实例，并应用已进行过 pickle 的实例属性，同时设置该实例的 de&_class_de& 属性，使其指向原来的类。对 Python 2.2 中引入的新型类进行 unpickle 的机制与原来的略有不同。虽然处理的结果实际上与对旧型类处理的结果相同，但 Python 使用 de&copy_regde& 模块的 de&_reconstructor()de& 函数来恢复新型类的实例。如果希望对新型或旧型类的实例修改缺省的 pickle 行为，则可以定义特殊的类的方法 de&_getstate_()de& 和 de&_setstate_()de& ，在保存和恢复类实例的状态信息期间，Python 会调用这些方法。在以下几节中，我们会看到一些示例利用了这些特殊的方法。现在，我们看一个简单的类实例。首先，创建一个 de&persist.pyde& 的 Python 模块，它包含以下新型类的定义：清单 11. 新型类的定义class Foo(object):
def __init__(self, value):
self.value = value现在可以 pickle de&Foode& 实例，并看一下它的表示：清单 12. pickle Foo 实例&&& import cPickle as pickle&&& from Orbtech.examples.persist import Foo&&& foo = Foo('What is a Foo?')&&& p = pickle.dumps(foo)&&& print pccopy_reg_reconstructorp1(cOrbtech.examples.persistFoop2c__builtin__objectp3NtRp4(dp5S'value'p6S'What is a Foo?'sb.&&&可以看到这个类的名称 de&Foode& 和全限定的模块名称 de&Orbtech.examples.persistde& 都存储在 pickle 中。如果将这个实例 pickle 成一个文件，稍后再 unpickle 它或在另一台机器上 unpickle，则 Python 会试图导入 de&Orbtech.examples.persistde& 模块，如果不能导入，则会抛出异常。如果重命名该类和该模块或者将该模块移到另一个目录，则也会发生类似的错误。这里有一个 Python 发出错误消息的示例，当我们重命名 de&Foode& 类，然后试图装入先前进行过 pickle 的 de&Foode& 实例时会发生该错误：清单 13. 试图装入一个被重命名的 Foo 类的经过 pickle 的实例&&& import cPickle as pickle&&& f = file('temp.pkl', 'r')&&& foo = pickle.load(f)Traceback (most recent call last):
File "&input&", line 1, in ?AttributeError: 'module' object has no attribute 'Foo'在重命名 de&persist.pyde& 模块之后，也会发生类似的错误：清单 14. 试图装入一个被重命名的 persist.py 模块的经过 pickle 的实例&&& import cPickle as pickle&&& f = file('temp.pkl', 'r')&&& foo = pickle.load(f)Traceback (most recent call last):
File "&input&", line 1, in ?ImportError: No module named persist我们会在下面 模式改进这一节提供一些技术来管理这类更改，而不会破坏现有的 pickle。特殊的状态方法前面提到对一些对象类型（譬如，文件对象）不能进行 pickle。处理这种不能 pickle 的对象的实例属性时可以使用特殊的方法（ de&_getstate_()de& 和 de&_setstate_()de& ）来修改类实例的状态。这里有一个 de&Foode& 类的示例，我们已经对它进行了修改以处理文件对象属性：清单 15. 处理不能 pickle 的实例属性class Foo(object):
def __init__(self, value, filename):
self.value = value
self.logfile = file(filename, 'w')
def __getstate__(self):
"""Return state values to be pickled."""
f = self.logfile
return (self.value, f.name, f.tell())
def __setstate__(self, state):
"""Restore state from the unpickled state values."""
self.value, name, position = state
f = file(name, 'w')
f.seek(position)
self.logfile = fpickle de&Foode& 的实例时，Python 将只 pickle 当它调用该实例的 de&_getstate_()de& 方法时返回给它的值。类似的，在 unpickle 时，Python 将提供经过 unpickle 的值作为参数传递给实例的 de&_setstate_()de& 方法。在 de&_setstate_()de& 方法内，可以根据经过 pickle 的名称和位置信息来重建文件对象，并将该文件对象分配给这个实例的 de&logfilede& 属性。回页首模式改进随着时间的推移，您会发现自己必须要更改类的定义。如果已经对某个类实例进行了 pickle，而现在又需要更改这个类，则您可能要检索和更新那些实例，以便它们能在新的类定义下继续正常工作。而我们已经看到在对类或模块进行某些更改时，会出现一些错误。幸运的是，pickle 和 unpickle 过程提供了一些 hook，我们可以用它们来支持这种模式改进的需要。在这一节，我们将探讨一些方法来预测常见问题以及如何解决这些问题。由于不能 pickle 类实例代码，因此可以添加、更改和除去方法，而不会影响现有的经过 pickle 的实例。出于同样的原因，可以不必担心类的属性。您必须确保包含类定义的代码模块在 unpickle 环境中可用。同时还必须为这些可能导致 unpickle 问题的更改做好规划，这些更改包括：更改类名、添加或除去实例的属性以及改变类定义模块的名称或位置。类名的更改要更改类名，而不破坏先前经过 pickle 的实例，请遵循以下步骤。首先，确保原来的类的定义没有被更改，以便在 unpickle 现有实例时可以找到它。不要更改原来的名称，而是在与原来类定义所在的同一个模块中，创建该类定义的一个副本，同时给它一个新的类名。然后使用实际的新类名来替代 de&NewClassNamede& ，将以下方法添加到原来类的定义中：清单 16. 更改类名：添加到原来类定义的方法def __setstate__(self, state):
self.__dict__.update(state)
self.__class__ = NewClassName当 unpickle 现有实例时，Python 将查找原来类的定义，并调用实例的 de&_setstate_()de& 方法，同时将给新的类定义重新分配该实例的 de&_class_de& 属性。一旦确定所有现有的实例都已经 unpickle、更新和重新 pickle 后，可以从源代码模块中除去旧的类定义。属性的添加和删除这些特殊的状态方法 de&_getstate_()de& 和 de&_setstate_()de& 再一次使我们能控制每个实例的状态，并使我们有机会处理实例属性中的更改。让我们看一个简单的类的定义，我们将向其添加和除去一些属性。这是是最初的定义：清单 17. 最初的类定义class Person(object):
def __init__(self, firstname, lastname):
self.firstname = firstname
self.lastname = lastname假定已经创建并 pickle 了 de&Personde& 的实例，现在我们决定真的只想存储一个名称属性，而不是分别存储姓和名。这里有一种方式可以更改类的定义，它将先前经过 pickle 的实例迁移到新的定义：清单 18. 新的类定义class Person(object):
def __init__(self, fullname):
self.fullname = fullname
def __setstate__(self, state):
if 'fullname' not in state:
first = ''
if 'firstname' in state:
first = state['firstname']
del state['firstname']
if 'lastname' in state:
last = state['lastname']
del state['lastname']
self.fullname = " ".join([first, last]).strip()
self.__dict__.update(state)在这个示例，我们添加了一个新的属性 de&fullnamede& ，并除去了两个现有的属性 de&firstnamede& 和 de&lastnamede& 。当对先前进行过 pickle 的实例执行 unpickle 时，其先前进行过 pickle 的状态会作为字典传递给 de&_setstate_()de& ，它将包括 de&firstnamede& 和 de&lastnamede& 属性的值。接下来，将这两个值组合起来，并将它们分配给新属性 de&fullnamede& 。在这个过程中，我们删除了状态字典中旧的属性。更新和重新 pickle 先前进行过 pickle 的所有实例之后，现在可以从类定义中除去 de&_setstate_()de& 方法。模块的修改在概念上，模块的名称或位置的改变类似于类名称的改变，但处理方式却完全不同。那是因为模块的信息存储在 pickle 中，而不是通过标准的 pickle 接口就可以修改的属性。事实上，改变模块信息的唯一办法是对实际的 pickle 文件本身执行查找和替换操作。至于如何确切地去做，这取决于具体的操作系统和可使用的工具。很显然，在这种情况下，您会想备份您的文件，以免发生错误。但这种改动应该非常简单，并且对二进制 pickle 格式进行更改与对文本 pickle 格式进行更改应该一样有效。
最新教程周点击榜
微信扫一扫