为何自定义Pickle类加载时出现AttributeError: Can't get attribute 'MyClass'？

问题根源 #

Pickle不会序列化整个类的代码，它只存储对象的实例数据，以及对类的引用信息（类名、类所在的模块路径）。反序列化时，Python需要在当前环境中找到完全匹配的类定义——类名、模块结构、类的属性和方法必须完全一致。

你在另一台电脑的加载代码中完全没有定义MyClass，Python找不到这个类的引用，因此抛出AttributeError。

修复方法 #

方法1：在加载环境中提供一致的类定义 #

在加载pickle文件的脚本里，添加和生成端完全相同的MyClass定义；或者把MyClass封装成可导入的模块，两台电脑都安装该模块，加载时导入这个类。

修改后的加载代码示例：

import base64
import pickle

# 必须添加和生成端完全一致的类定义
class MyClass:
    def add_one(self, x):
        return x + 1

with open("some_location.txt", "rb") as f:
    encoded_data = f.read()

pickled_data = base64.b64decode(encoded_data)
loaded = pickle.loads(pickled_data)

result = loaded.add_one(5)  
print(result)  # 正常输出6

如果封装成模块（比如创建my_module.py）：

# my_module.py
class MyClass:
    def add_one(self, x):
        return x + 1

生成端导入该类：

import base64
import pickle
from my_module import MyClass

obj = MyClass()
# 后续序列化代码不变

加载端同样导入：

import base64
import pickle
from my_module import MyClass

# 后续加载代码不变

方法2：使用支持序列化类定义的工具 #

如果不想在加载端维护类定义，可以用dill库（pickle的扩展），它能序列化类的完整定义，不需要加载端提前定义类。

安装dill：

pip install dill

修改生成代码：

import base64
import dill

class MyClass:
    def add_one(self, x):
        return x + 1

obj = MyClass()
pickled_data = dill.dumps(obj)
encoded_data = base64.b64encode(pickled_data)

with open("some_location.txt", "wb") as f:
    f.write(encoded_data)

加载代码：

import base64
import dill

with open("some_location.txt", "rb") as f:
    encoded_data = f.read()

pickled_data = base64.b64decode(encoded_data)
loaded = dill.loads(pickled_data)

result = loaded.add_one(5)  
print(result)

注意：这种方式会把类代码序列化到文件中，跨不可信环境使用可能存在安全风险。

为什么Scikit-learn模型可以正常加载？ #

Scikit-learn的模型类（比如svm.SVC）属于官方维护的标准库模块，两台电脑都安装scikit-learn后，加载时Python可以从sklearn.svm模块中找到对应的类定义，满足pickle反序列化对类引用的要求。

另外，Scikit-learn内部对模型的序列化做了优化，确保模型的状态和类引用能在不同环境中（只要库版本一致）正确恢复，而你的自定义类没有这种环境保障，必须手动维护类定义的一致性。

内容的提问来源于stack exchange，提问作者mitchellang