python序列化，反序列化，踩过那些坑

Python的序列化和反序列化指的是将Python对象转换为可存储或可传输的格式，以及将这些格式转换回Python对象的过程。常用的序列化格式有JSON、pickle等。在进行序列化和反序列化的过程中，可能会遇到一些坑点，下面介绍一些常见的问题和解决方法。

1. JSON序列化和反序列化时，需要注意Python对象是否支持JSON格式。例如，datetime类型的对象无法直接转换为JSON格式，需要进行处理。

import json
from datetime import datetime

# 序列化
json.dumps({'time': datetime.now()})  # 报错

# 处理后序列化
json.dumps({'time': datetime.now().strftime('%Y-%m-%d %H:%M:%S')})

2. pickle序列化和反序列化时，需要注意Python对象是否支持pickle格式。例如，lambda函数和内置函数无法被pickle。

import pickle

# 序列化
pickle.dumps(lambda x: x**2)  # 报错

# 自定义函数后序列化
def my_function(x):
    return x**2

pickle.dumps(my_function)

3. 在反序列化时，需要注意安全问题。反序列化可以执行任意代码，可能会导致安全问题。因此，应该只反序列化可信来源的数据。

import pickle

# 反序列化
data = b'\x80\x04\x95\x13\x00\x00\x00\x00\x00\x00\x00\x8c\x08builtins\x94\x8c\x06print\x94\x93\x94\x8c\x05hello\x94\x85\x94.'

pickle.loads(data)  # 执行print('hello')，有安全风险

总之，在进行序列化和反序列化的过程中，需要注意Python对象是否支持序列化格式，以及安全问题。建议使用可信的序列化数据，并对反序列化数据进行审查和验证。