Pickle ou JSON?

Question

Je dois enregistrer sur le disque un petit objet dict dont les clés sont des chaînes et les valeurs sont ints , puis le récupérer . Quelque chose comme ça:

 {'juanjo': 2, 'pedro':99, 'other': 333}
 

Lequel et pourquoi est la meilleure option? Sérialiser avec cornichon ou avec simplejson?

J'utilise Python 2.6

Answer 1

Je préfère JSON à Pickle pour ma sérialisation. Unpickling peut exécuter du code arbitraire et utiliser pickle pour transférer des données entre programmes ou stocker des données entre des sessions constitue une faille de sécurité. JSON n'introduit pas de faille de sécurité et est normalisé, de sorte que les programmes peuvent être consultés par des programmes dans différentes langues, le cas échéant.

Answer 2

Si vous n'avez aucune exigence d'interopérabilité (c'est-à-dire que vous n'utiliserez que les données avec Python) et qu'un format binaire convient, utilisez cPickle , qui vous permet de sérialiser très rapidement les objets Python.

Si vous voulez l’interopérabilité ou si vous voulez un format texte pour stocker vos données, utilisez JSON (ou un autre format approprié en fonction de vos contraintes).

Answer 3

Vous pouvez également trouver cela intéressant, avec quelques graphiques à comparer: http://kovshenin.com/archives/pickle-vs-json-which-is-faster/

Answer 4

Json ou cornichon? Que diriez-vous de json et cornichon! Vous pouvez utiliser jsonpickle. Il est facile à utiliser et le fichier sur disque est lisible car c’est json.

http://jsonpickle.github.com/

Answer 5

Personnellement, je préfère généralement JSON car les données sont lisibles par l'homme. Certainement, si vous avez besoin de sérialiser quelque chose qu' JSON ne les prend pas, que l'utilisation Pickle.

Mais pour la plupart de stockage de données, vous n'aurez pas besoin de sérialiser des choses bizarres et JSON est beaucoup plus facile et vous pouvez toujours vous pop de l'ouvrir dans un éditeur de texte et vérifiez les données vous-même.

La vitesse c'est bien, mais pour la plupart des ensembles de données, la différence est négligeable - Python n'est généralement pas trop vite de toute façon.