pickle.loads(pickle.dumps(object)) 报错

`pickle` 在序列化和反序列化对象时会尝试导入该对象所属的模块，如果该模块不在 `sys.modules` 中，则会导致 `UnpicklingError`。这通常是因为在序列化对象时，该对象所属的模块只是动态加载（例如通过 `importlib.import_module`），并且在反序列化时该模块未被正确加载。

解决方法有两种：

1. 在序列化对象之前，确保该对象所属的模块已经被正确加载。例如，可以在脚本的开头导入该模块。

2. 在序列化和反序列化时，使用 `pickle` 的 `protocol` 参数控制序列化协议的版本。建议使用较新的协议版本，例如 `protocol=4`，这样可以避免一些兼容性问题。例如：

   pickled_data = pickle.dumps(object, protocol=4)
   unpickled_object = pickle.loads(pickled_data)

相关问题

pickle.loads()使用

pickle.loads()是Python中pickle模块的一个函数，用于反序列化一个字节对象，并返回原始对象。pickle模块是Python的序列化模块，可以将Python对象结构转换成字节流形式，然后再从这个字节流中恢复成原来的对象。

使用pickle.loads()之前，需要先导入pickle模块，然后使用pickle.dump()函数将对象序列化为字节流，接着将这个字节流传递给pickle.loads()函数，进行反序列化操作，恢复出原来的对象。

这里给出一个简单的使用示例：

import pickle

# 假设我们有一个列表对象
original_list = [1, 2, 3, 4, 5]

# 将列表对象序列化成字节流
serialized_data = pickle.dumps(original_list)

# 将字节流反序列化，恢复成列表对象
restored_list = pickle.loads(serialized_data)

# 输出恢复后的列表，检查是否与原始列表相同
print(restored_list)  # 输出应该是 [1, 2, 3, 4, 5]

在使用pickle的时候需要注意安全问题，因为pickle在反序列化时会执行其内容，如果加载了不可信的pickle数据，可能存在安全风险。因此，在使用时要确保数据来源是安全可靠的。

import pickle def func(data): print(data) def worker(array): array = pickle.loads(array) pool = ThreadPoolExecutor(1) for a in array: pool.submit( func,a ) pool.shutdown(wait=True) if __name__ == '__main__': processes = [] data = [i for i in range(300)] data = pickle.dumps(data) for i in range(3): p = multiprocessing.Process(target=worker, args=(data[100*i:100*(i+1)],)) processes.append(p) p.start() for p in processes: p.join() _pickle.UnpicklingError: pickle data was truncated

这个错误是由于 pickle 数据被截断导致的。在这个代码中，您将数据分成三个部分，并在三个进程中处理它们。在这个过程中，有可能会发生数据被截断的情况，导致无法正确反序列化 pickle 数据。您可以尝试增加数据的大小，或者尝试将其分成更小的块进行处理，以避免这个错误。另外，您还可以将 pickle 数据保存到文件中，然后在不同的进程中读取和处理它们，以避免 pickle 数据被截断的问题。