解释一下Python中内置的数据序列化机制是如何工作的（模块pickle和json）。它们有什么不同，用途是什么，不谨慎的序列化会带来哪些危险？

回答

在Python中，用于序列化（将对象转换为字节序列或字符串以进行存储/传输）的模块是pickle和json：

• pickle可以序列化任何Python对象（甚至类和函数！），但结果是二进制序列。该模块仅在Python生态系统内部工作。
• json只能序列化简单的数据结构（dict、list、str、int、float），但结果将是一个字符串（通用格式），与其他语言兼容。

在存储/传输数据时使用pickle与不受信方之间的交换是危险的，因为在反序列化时可能会执行任意恶意代码。json不存在这个缺点。

示例代码：

import pickle
import json

# Pickle（二进制序列化）
data = {'x': 10, 'func': lambda x: x + 1}
with open('data.pkl', 'wb') as f:
    pickle.dump(data, f)

# JSON（仅简单对象）
data = {'x': 10, 'y': [1, 2, 3]}
with open('data.json', 'w') as f:
    json.dump(data, f)

---

反问问题

问题： 可以使用pickle在不同会话之间序列化和保存任何Python对象吗？为什么不推荐使用该机制来保存用户数据？

回答：

不，随处使用pickle是不明智的实践。除了安全性（加载“外部”pickled对象时执行可能被危害），还有Python或类版本不匹配的问题——如果类的结构发生变化，序列化对象可能无法加载或表现不正常。

示例：

# 加载pickle文件，类的结构已发生变化
import pickle
with open('old_version.pkl', 'rb') as f:
    obj = pickle.load(f)  # AttributeError或结构不匹配

---

历史

示例 1

---

在一个大型项目中为存储用户档案使用了pickle。在更新Python版本和更改类后，序列化对象的结构失去了兼容性，导致系统故障和大多数用户数据的丢失。

---

示例 2

---

在一个Web服务中，pickle用于用户会话。恶意用户加载了恶意的pickled对象，导致服务器上执行代码注入。

---

示例 3

---

尝试通过pickle序列化函数并通过网络传输失败，在某些环境中：pickled lambda无法在不同配置/版本的计算机之间移动。

---