源代码： Lib/pickle.py
pickle 模块实现了对一个 Python 对象结构的二进制序列化(pickling)和反序列化(unpickling)。
pickling 是将 Python 对象及其所拥有的层次结构转化为一个字节流的过程, unpickling 是相反的操作，会将字节流转化回一个对象层次结构。
注： pickle 模块并不安全。你只应该对你信任的数据进行unpickle操作。
与 json 模块的比较
Pickle 协议和 JSON (JavaScript Object Notation) 间有着本质的不同：
- JSON 是一个文本序列化格式（它输出 unicode 文本，尽管在大多数时候它会接着以
utf-8编码），而 pickle 是一个二进制序列化格式； - JSON 是我们可以直观阅读的，而 pickle 不是；
- JSON是可互操作的，在Python系统之外广泛使用，而pickle则是Python专用的；
- 默认情况下，JSON 只能表示 Python 内置类型的子集，不能表示自定义的类；但 pickle 可以表示大量的 Python 数据类型（可以合理使用 Python 的对象内省功能自动地表示大多数类型，复杂情况可以通过实现 specific object APIs 来解决）。
- 不像pickle，对一个不信任的JSON进行反序列化的操作本身不会造成任意代码执行漏洞。
模块接口
要序列化某个包含层次结构的对象，只需调用 dumps() 函数即可。同样，要反序列化数据流，可以调用 loads() 函数。但是，如果要对序列化和反序列化加以更多的控制，可以分别创建 Pickler 或 Unpickler 对象。
pickle模块包含了以下常量：
pickle.HIGHEST_PROTOCOL
整数，可用的最高 协议版本。此值可以作为 协议 值传递给 dump() 和 dumps() 函数，以及 Pickler 的构造函数。
pickle.DEFAULT_PROTOCOL
整数，用于 pickle 数据的默认 协议版本。它可能小于 HIGHEST_PROTOCOL。它在 Python 3.4 中首次引入，与之前的版本不兼容。
在 3.0 版更改: 默认协议版本是 3。
在 3.8 版更改: 默认协议版本是 4。
pickle 模块提供了以下方法：
pickle.dump(obj, file, protocol=None, *, fix_imports=True, buffer_callback=None)
将对象 obj 封存以后的对象写入已打开的 file object file。它等同于 Pickler(file, protocol).dump(obj)。
参数 file、protocol、fix_imports 和 buffer_callback 的含义与它们在 Pickler 的构造函数中的含义相同。
在 3.8 版更改: 加入了 buffer_callback 参数。
pickle.dumps(obj, protocol=None, *, fix_imports=True, buffer_callback=None)
将 obj 封存以后的对象作为 bytes 类型直接返回，而不是将其写入到文件。
参数 protocol、fix_imports 和 buffer_callback 的含义与它们在 Pickler 的构造函数中的含义相同。
在 3.8 版更改: 加入了 buffer_callback 参数。
pickle.load(file, *, fix_imports=True, encoding=”ASCII”, errors=”strict”, buffers=None)
从已打开的 file object 文件 中读取封存后的对象，重建其中特定对象的层次结构并返回。它相当于 Unpickler(file).load()。
Pickle 协议版本是自动检测出来的，所以不需要参数来指定协议。封存对象以外的其他字节将被忽略。
参数 file、fix_imports、encoding、errors、strict 和 buffers 的含义与它们在 Unpickler 的构造函数中的含义相同。
在 3.8 版更改: 加入了 buffers 参数。
pickle.loads(bytes_object, *, fix_imports=True, encoding=”ASCII”, errors=”strict”, buffers=None)
对于封存生成的对象 bytes_object，还原出原对象的结构并返回。
Pickle 协议版本是自动检测出来的，所以不需要参数来指定协议。封存对象以外的其他字节将被忽略。
参数 file、fix_imports、encoding、errors、strict 和 buffers 的含义与它们在 Unpickler 的构造函数中的含义相同。
在 3.8 版更改: 加入了 buffers 参数。
pickle 模块定义了以下 3 个异常：
exception pickle.PickleError
其他 pickle 异常的基类。它是 Exception 的一个子类。
exception pickle.PicklingError
当 Pickler 遇到无法解封的对象时抛出此错误。它是 PickleError 的子类。
参考 可以被封存/解封的对象 来了解哪些对象可以被封存。
exception pickle.UnpicklingError
当解封出错时抛出此异常，例如数据损坏或对象不安全。它是 PickleError 的子类。
注意，解封时可能还会抛出其他异常，包括（但不限于） AttributeError、EOFError、ImportError 和 IndexError。
pickle 模块包含了 3 个类，Pickler、Unpickler 和 PickleBuffer：
class pickle.Pickler(file, protocol=None, *, fix_imports=True, buffer_callback=None)
它接受一个二进制文件用于写入 pickle 数据流。
protocol ：可选参数，是一个整数，告知 pickler 使用指定的协议，可选择的协议范围从 0 到 HIGHEST_PROTOCOL。如果没有指定，这一参数默认值为 DEFAULT_PROTOCOL。指定一个负数就相当于指定 HIGHEST_PROTOCOL。
file：参数必须有一个 write() 方法，该 write() 方法要能接收字节作为其唯一参数。因此，它可以是一个打开的磁盘文件（用于写入二进制内容），也可以是一个 io.BytesIO 实例，也可以是满足这一接口的其他任何自定义对象。
fix_imports：参数如果为 True 且 protocol 小于 3，pickle 将尝试将 Python 3 中的新名称映射到 Python 2 中的旧模块名称，因此 Python 2 也可以读取封存的数据流。
buffer_callback ：参数如果为 None（默认情况），缓冲区视图（buffer view）将会作为 pickle 流的一部分被序列化到 file 中。如果 buffer_callback 不为 None，那它可以用缓冲区视图调用任意次。如果某次调用返回了 False 值（例如 None），则给定的缓冲区是 带外的，否则缓冲区是带内的（例如保存在了 pickle 流里面）。如果 buffer_callback 不是 None 且 protocol 是 None 或小于 5，就会出错。
在 3.8 版更改: 加入了 buffer_callback 参数。
dump(obj)
将 obj 封存后的内容写入已打开的文件对象，该文件对象已经在构造函数中指定。
persistent_id(obj)
默认无动作，子类继承重载时使用。
如果 persistent_id() 返回 None，obj 会被照常 pickle。如果返回其他值，Pickler 会将这个函数的返回值作为 obj 的持久化 ID（Pickler 本应得到序列化数据流并将其写入文件，若此函数有返回值，则得到此函数的返回值并写入文件）。这个持久化 ID 的解释应当定义在 Unpickler.persistent_load() 中（该方法定义还原对象的过程，并返回得到的对象）。
注意，persistent_id() 的返回值本身不能拥有持久化 ID。
dispatch_table
Pickler 对象的 dispatch 表是 copyreg.pickle() 中用到的 reduction 函数 的注册。dispatch 表本身是一个 class 到其 reduction 函数的映射键值对。一个 reduction 函数只接受一个参数，就是其关联的 class，函数行为应当遵守 reduce() 接口规范。
Pickler 对象默认并没有 dispatch_table 属性，该对象默认使用 copyreg 模块中定义的全局 dispatch 表。如果要为特定 Pickler 对象自定义序列化过程，可以将 dispatch_table 属性设置为类字典对象（dict-like object）。另外，如果 Pickler 的子类设置了 dispatch_table 属性，则该子类的实例会使用这个表作为默认的 dispatch 表。
reducer_override(self, obj)
可以在 Pickler 的子类中定义的特殊 reducer。此方法的优先级高于 dispatch_table 中的任何 reducer。它应该与 reduce() 方法遵循相同的接口，它也可以返回 NotImplemented，这将使用 dispatch_table 里注册的 reducer 来封存 obj。
fast
已弃用。设为 True 则启用快速模式。快速模式禁用了“备忘录” (memo) 的使用，即不生成多余的 PUT 操作码来加快封存过程。不应将其与自指 (self-referential) 对象一起使用，否则将导致 Pickler 无限递归。
class pickle.Unpickler(file, *, fix_imports=True, encoding=”ASCII”, errors=”strict”, buffers=None)
它接受一个二进制文件用于读取 pickle 数据流。
Pickle 协议版本是自动检测出来的，所以不需要参数来指定协议。
file ：参数必须有三个方法，read() 方法接受一个整数参数，readinto() 方法接受一个缓冲区作为参数，readline() 方法不需要参数，这与 io.BufferedIOBase 里定义的接口是相同的。因此 file 可以是一个磁盘上用于二进制读取的文件，也可以是一个 io.BytesIO 实例，也可以是满足这一接口的其他任何自定义对象。
fix_imports, encoding 和 errors：可选的参数是 ，用于控制由Python 2 生成的 pickle 流的兼容性。如果 fix_imports 为 True，则 pickle 将尝试将旧的 Python 2 名称映射到 Python 3 中对应的新名称。encoding 和 errors 参数告诉 pickle 如何解码 Python 2 存储的 8 位字符串实例；这两个参数默认分别为 ‘ASCII’ 和 ‘strict’。encoding 参数可置为 ‘bytes’ 来将这些 8 位字符串实例读取为字节对象。读取 NumPy array 和 Python 2 存储的 datetime、date 和 time 实例时，请使用 encoding=’latin1’。
buffers ：如果为 None（默认值），则反序列化所需的所有数据都必须包含在 pickle 流中。这意味着在实例化 Pickler 时（或调用 dump() 或 dumps() 时），参数 buffer_callback 为 None。如果 buffers 不为 None，则每次 pickle 流引用 带外 缓冲区视图时，消耗的对象都应该是可迭代的启用缓冲区的对象。这样的缓冲区应该按顺序地提供给 Pickler 对象的 buffer_callback 方法。
在 3.8 版更改: 加入了 buffers 参数。
load()
从构造函数中指定的文件对象里读取封存好的对象，重建其中特定对象的层次结构并返回。封存对象以外的其他字节将被忽略。
persistent_load(pid)
默认抛出 UnpicklingError 异常。
如果定义了此方法，persistent_load() 应当返回持久化 ID pid 所指定的对象。 如果遇到无效的持久化 ID，则应当引发 UnpicklingError。
find_class(module, name)
如有必要，导入 module 模块并返回其中名叫 name 的对象，其中 module 和 name 参数都是 str 对象。注意，不要被这个函数的名字迷惑， find_class() 同样可以用来导入函数。
子类可以重载此方法，来控制加载对象的类型和加载对象的方式，从而尽可能降低安全风险。
class pickle.PickleBuffer(buffer)
缓冲区的包装器 (wrapper)，缓冲区中包含着可封存的数据。
buffer 必须是一个 buffer-providing 对象，比如 bytes-like object 或多维数组。
PickleBuffer 本身就可以生成缓冲区对象，因此可以将其传递给需要缓冲区生成器的其他 API，比如 memoryview。
PickleBuffer 对象只能用 pickle 版本 5 及以上协议进行序列化。它们符合 带外序列化 的条件。
3.8 新版功能.
raw()
返回该缓冲区底层内存区域的 memoryview。 返回的对象是一维的、C 连续布局的 memoryview，格式为 B (无符号字节)。 如果缓冲区既不是 C 连续布局也不是 Fortran 连续布局的，则抛出 BufferError 异常。
release()
释放由 PickleBuffer 占用的底层缓冲区。
示例
请使用 dump() 函数
1 | import pickle |
请使用 load() 函数
1 | import pickle |
参考
https://docs.python.org/zh-cn/3/library/pickle.html#module-pickle