腌制一个动态参数化的子类

Question

我有一个通常存储腌制类类型的系统。

我希望能够以相同的方式保存动态参数化的类，但我不能，因为我在尝试腌制一个未全局找到的类（未在简单代码中定义）时收到 PicklingError。

我的问题可以建模为以下示例代码：

class Base(object):
 def m(self):
  return self.__class__.PARAM

def make_parameterized(param_value):
 class AutoSubClass(Base):
  PARAM = param_value
 return AutoSubClass

cls = make_parameterized(input("param value?"))

当我尝试腌制课程时，我收到以下错误：

# pickle.PicklingError: Can't pickle <class '__main__.AutoSubClass'>: it's not found as __main__.AutoSubClass
import pickle
print pickle.dumps(cls)

我正在寻找一些方法来将 Base 声明为 ParameterizableBaseClass，它应该定义所需的参数（上面示例中的 PARAM）。动态参数化子类（上面的cls）应该可以通过保存“ParameterizableBaseClass”类型和不同的参数值（上面的动态param_value）来挑选。

我确信在许多情况下，这可以完全避免......如果我真的（真的）必须这样做，我也可以在我的代码中避免这种情况。我在某个时候玩过__metaclass__、copyreg 甚至__builtin__.issubclass（不要问），但无法破解这个。

如果我不问：如何以相对干净的方式实现这一点，我觉得我不会忠于蟒蛇精神？

Answer 1

我知道这是一个非常古老的问题，但我认为值得分享一种比当前接受的解决方案（使参数化类成为全局）更好的方法来酸洗参数化类。

使用__reduce__ 方法，我们可以提供一个可调用对象，它将返回我们所需类的未初始化实例。

class Base(object):
    def m(self):
        return self.__class__.PARAM

    def __reduce__(self):
        return (_InitializeParameterized(), (self.PARAM, ), self.__dict__)


def make_parameterized(param_value):
    class AutoSub(Base):
        PARAM = param_value
    return AutoSub


class _InitializeParameterized(object):
    """
    When called with the param value as the only argument, returns an 
    un-initialized instance of the parameterized class. Subsequent __setstate__
    will be called by pickle.
    """
    def __call__(self, param_value):
        # make a simple object which has no complex __init__ (this one will do)
        obj = _InitializeParameterized()
        obj.__class__ = make_parameterized(param_value)
        return obj

if __name__ == "__main__":

    from pickle import dumps, loads

    a = make_parameterized("a")()
    b = make_parameterized("b")()

    print a.PARAM, b.PARAM, type(a) is type(b)
    a_p = dumps(a)
    b_p = dumps(b)

    del a, b
    a = loads(a_p)
    b = loads(b_p)

    print a.PARAM, b.PARAM, type(a) is type(b)

值得多读几遍__reduce__ docs，看看这里到底发生了什么。

希望有人觉得这很有用。

Answer 2

是的，有可能-

当您想为您的对象自定义 Pickle 和 Unpickle 行为时，您只需在类本身上设置“__getstate__”和“__setstate__”方法。

在这种情况下，它有点棘手： 正如您所观察到的，需要在全局命名空间中存在一个类，该类是当前被腌制对象的类：它必须是同一个类，具有相同的名称。好的 - 交易是存在于全局名称空间中的 gthis 类可以在 Pickle 时创建。

在 Unpickle 时，同名的类必须存在 - 但它不必是同一个对象 - 就像它一样 - 并且在 Unpickling 过程中调用 __setstate__ 时，它可以重新创建原始对象的参数化类，并通过设置对象的__class__属性将其自己的类设置为该类。

设置对象的__class__ 属性可能看起来令人反感，但这是 OO 在 Python 中的工作方式，并且它已被正式记录，它甚至可以跨实现工作。 （我在 Python 2.6 和 Pypy 中都测试了这个 sn-p）

class Base(object):
    def m(self):
        return self.__class__.PARAM
    def __getstate__(self):
        global AutoSub
        AutoSub = self.__class__
        return (self.__dict__,self.__class__.PARAM)
    def __setstate__(self, state):
        self.__class__ = make_parameterized(state[1])
        self.__dict__.update(state[0])

def make_parameterized(param_value):
    class AutoSub(Base):
        PARAM = param_value
    return AutoSub

class AutoSub(Base):
    pass


if __name__ == "__main__":

    from pickle import dumps, loads

    a = make_parameterized("a")()
    b = make_parameterized("b")()

    print a.PARAM, b.PARAM, type(a) is type(b)
    a_p = dumps(a)
    b_p = dumps(b)

    del a, b
    a = loads(a_p)
    b = loads(b_p)

    print a.PARAM, b.PARAM, type(a) is type(b)

Answer 3

我想现在为时已晚，但是对于任何复杂的事情，我宁愿避免使用 pickle 模块，因为它有这样的问题以及更多问题。

无论如何，既然 pickle 想要全局中的类，它可以拥有它：

import cPickle

class Base(object):
    def m(self):
        return self.__class__.PARAM

    @classmethod
    def make_parameterized(cls,param):
        clsname = "AutoSubClass.%s" % param
        # create a class, assign it as a global under the same name
        typ = globals()[clsname] = type(clsname, (cls,), dict(PARAM=param))
        return typ

cls = Base.make_parameterized('asd')

import pickle
s = pickle.dumps(cls)

cls = pickle.loads(s)
print cls, cls.PARAM
# <class '__main__.AutoSubClass.asd'> asd

但是，是的，您可能过于复杂了。

Answer 4

没有在模块顶层创建的类不能被pickle，as shown in the Python documentation。

此外，即使对于顶级模块类的实例，也不会存储类属性。因此，在您的示例中，PARAM 无论如何都不会被存储。 （在上面链接的 Python 文档部分中也有解释）