跳到主要内容
版本：dev

Python 原生模式

pyfory 提供了 Python 原生序列化模式，提供与 pickle/cloudpickle 相同的功能，但具有显著更好的性能、更小的数据大小和增强的安全特性。

概述​

二进制协议和 API 与 Fory 的 xlang 模式类似，但 Python 原生模式可以序列化任何 Python 对象——包括全局函数、局部函数、lambda、局部类以及使用 __getstate__/__reduce__/__reduce_ex__ 自定义序列化的类型，这些在 xlang 模式中是不允许的。

要使用 Python 原生模式，创建 Fory 时设置 xlang=False：

import pyfory
fory = pyfory.Fory(xlang=False, ref=False, strict=True)

可直接替代 Pickle/Cloudpickle​

pyfory 可以使用以下配置序列化任何 Python 对象：

  • 对于循环引用：设置 ref=True 启用引用跟踪
  • 对于函数/类：设置 strict=False 允许反序列化动态类型

⚠️ 安全警告：当 strict=False 时，Fory 将反序列化任意类型，如果数据来自不受信任的源，这可能带来安全风险。仅在完全信任数据源的受控环境中使用 strict=False。

常见用法​

import pyfory

# 创建 Fory 实例
fory = pyfory.Fory(xlang=False, ref=True, strict=False)

# 序列化常见 Python 对象
data = fory.dumps({"name": "Alice", "age": 30, "scores": [95, 87, 92]})
print(fory.loads(data))

# 序列化自定义对象
from dataclasses import dataclass

@dataclass
class Person:
    name: str
    age: int

person = Person("Bob", 25)
data = fory.dumps(person)
print(fory.loads(data))  # Person(name='Bob', age=25)

序列化全局函数​

捕获并序列化在模块级别定义的函数。Fory 反序列化并返回相同的函数对象：

import pyfory

fory = pyfory.Fory(xlang=False, ref=True, strict=False)

def my_global_function(x):
    return 10 * x

data = fory.dumps(my_global_function)
print(fory.loads(data)(10))  # 100

序列化局部函数/Lambda​

序列化带闭包的函数和 lambda 表达式。Fory 自动捕获闭包变量：

import pyfory

fory = pyfory.Fory(xlang=False, ref=True, strict=False)

# 带闭包的局部函数
def my_function():
    local_var = 10
    def local_func(x):
        return x * local_var
    return local_func

data = fory.dumps(my_function())
print(fory.loads(data)(10))  # 100

# Lambda
data = fory.dumps(lambda x: 10 * x)
print(fory.loads(data)(10))  # 100

序列化全局类/方法​

序列化类对象、实例方法、类方法和静态方法：

from dataclasses import dataclass
import pyfory
fory = pyfory.Fory(xlang=False, ref=True, strict=False)

@dataclass
class Person:
    name: str
    age: int

    def f(self, x):
        return self.age * x

    @classmethod
    def g(cls, x):
        return 10 * x

    @staticmethod
    def h(x):
        return 10 * x

# 序列化全局类
print(fory.loads(fory.dumps(Person))("Bob", 25))  # Person(name='Bob', age=25)

# 序列化实例方法
print(fory.loads(fory.dumps(Person("Bob", 20).f))(10))  # 200

# 序列化类方法
print(fory.loads(fory.dumps(Person.g))(10))  # 100

# 序列化静态方法
print(fory.loads(fory.dumps(Person.h))(10))  # 100

序列化局部类/方法​

序列化在函数内定义的类及其方法：

from dataclasses import dataclass
import pyfory
fory = pyfory.Fory(xlang=False, ref=True, strict=False)

def create_local_class():
    class LocalClass:
        def f(self, x):
            return 10 * x

        @classmethod
        def g(cls, x):
            return 10 * x

        @staticmethod
        def h(x):
            return 10 * x
    return LocalClass

# 序列化局部类
data = fory.dumps(create_local_class())
print(fory.loads(data)().f(10))  # 100

# 序列化局部类实例方法
data = fory.dumps(create_local_class()().f)
print(fory.loads(data)(10))  # 100

# 序列化局部类方法
data = fory.dumps(create_local_class().g)
print(fory.loads(data)(10))  # 100

# 序列化局部类静态方法
data = fory.dumps(create_local_class().h)
print(fory.loads(data)(10))  # 100

性能比较​

import pyfory
import pickle
import timeit

fory = pyfory.Fory(xlang=False, ref=True, strict=False)

obj = {f"key{i}": f"value{i}" for i in range(10000)}
print(f"Fory: {timeit.timeit(lambda: fory.dumps(obj), number=1000):.3f}s")
print(f"Pickle: {timeit.timeit(lambda: pickle.dumps(obj), number=1000):.3f}s")

相关主题​