pickle不能直接存datetime或自定义类实例，因其仅序列化属性和模块路径而不保存类定义，加载时若类未定义或已变更则报错；json不支持非原生类型需用default参数转换；pickle通常比json更快更小，但跨环境应优先选json加类型契约。
为什么 pickle 不能直接存 datetime 或自定义类实例？
因为 pickle 默认只序列化对象的属性和模块路径，不保存类定义本身。如果加载时当前环境没有导入对应类、或类定义已变更，UnpicklingError 或 AttributeError 就会立刻出现。比如保存了 datetime.now() 的对象，加载时没问题；但若你用的是自定义类 class Report:，而加载脚本里没定义它，pickle.load() 就会报 AttributeError: Can't get attribute 'Report' on 。
实操建议：
- 确保保存与加载使用同一 Python 版本（尤其注意 Python 3.8+ 对
Protocol类的处理变化） - 避免跨项目共享 pickle 文件——它不是稳定格式，只适合同一代码基内部短期暂存
- 如必须用自定义类，可在类定义前加
__reduce__方法控制序列化行为，但多数情况不如改用json+ 显式转换
json.dumps() 报错 TypeError: Object of type X is not JSON serializable 怎么办？
这是 json 最常见的拦路虎：json 只认 str、int、float、bool、None、list、dict 这七种原生类型，其余都得手动转。比如 datetime、set、numpy.ndarray、Decimal 全部被拒。
实操建议：
- 用
default=参数传入转换函数，例如：json.dumps(data, default=lambda o: o.isoformat() if hasattr(o, 'isoformat') else str(o))
- 对
set，先转成list；对bytes，用.decode('utf-8')或 base64 编码 - 别依赖
json.JSONEncoder子类——它容易在嵌套结构中漏掉某一层，不如用default函数直截了当
保存大字典或嵌套列表时，pickle 和 json 哪个更快、更小？
实测结论：对纯 Python 原生数据（dict/list/str 等），pickle（协议 5）通常比 json 快 1.5–3 倍，体积小 10%–25%；但一旦含 numpy 数组或大量重复字符串，差距会拉大——这时该换 joblib 或 feather，而不是硬撑 pickle。
实操建议：
- 用
pickle.HIGHEST_PROTOCOL（Python 3.8+ 默认是 5），别用默认协议 3 —— 它慢且不支持共享字符串引用 - json 输出可加
separators=(',', ':')去空格，减小体积；但别开sort_keys=True，它会让性能掉 20%+ - 若数据含二进制字段（如图像 base64 字符串），json 反而更稳——pickle 对长 bytes 对象有内存峰值问题
如何安全地把 dict 带 datetime 保存为文件并重载？
最简可行方案是统一转成 ISO 字符串再进 json，加载时按需解析。不推荐用 pickle，除非你确定永不跨环境、不升级类结构。
实操建议：
- 保存：
import json from datetime import datetime data = {'created': datetime.now(), 'items': ['a', 'b']} json.dump({k: (v.isoformat() if isinstance(v, datetime) else v) for k, v in data.items()}, open('data.json', 'w')) - 加载：
loaded = json.load(open('data.json')) if 'created' in loaded: loaded['created'] = datetime.fromisoformat(loaded['created']) - 更通用的做法：封装一个
smart_dump()/smart_load()，内置常见类型映射表（datetime、date、Decimal），避免每次重复写逻辑
真正麻烦的从来不是“怎么存”，而是“下次读的时候，谁还记得这个字段当初是 datetime？”——所以关键不是选 pickle 还是 json，是在数据进出时留下可追溯的类型契约。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
