如何在不预先导入类的情况下跨文件加载pickle自定义类实例

根本原因 #

你碰到的报错是Python标准库pickle的原生设计逻辑导致的：
pickle序列化自定义类实例时，不会存储类本身的代码定义，只会记录两个核心信息：类的可导入路径、实例的属性数据。反序列化阶段，Python会按照记录的导入路径在当前运行环境中查找对应类，找不到就直接抛出AttributeError。
你当前的代码还有一个显性bug：pickle.dump()的参数顺序写反了，第一个参数应该是待序列化的对象，第二个是文件句柄，你写的pickle.dump(f,mapper)实际是在尝试序列化文件对象，正确写法应为pickle.dump(mapper, f)。
就算修正这个bug，如果你是直接运行creator.py生成序列化文件，Mapper类会被归属到__main__模块下，在main.py中反序列化时，Python自然会在main.py对应的__main__模块里找不到Mapper类。哪怕你调整代码结构把creator.py做成可导入模块，反序列化侧仍然必须存在和序列化侧版本一致的Mapper类定义，否则依然会加载失败。

可落地的解决方案 #

不需要手动同步复制类代码的方案有以下几种，按适用场景排序：

• 把包含Mapper类的代码封装为标准Python可安装包，上传到公共/私有PyPI源，协作者只需要在自身环境中通过pip install安装对应版本的包，反序列化时Python就能自动找到对应类定义；类逻辑更新时只需要发布新版本包，协作者升级包版本即可，不需要手动维护代码副本。
• 放弃pickle，采用和语言/类结构解耦的通用序列化格式：
  如果你的Mapper是类似机器学习模型的结构，核心逻辑固定、训练产物为参数数组、基础数据类型这类通用结构，可以将模型配置、训练好的参数单独存储为JSON、Parquet、ONNX等跨环境通用格式，加载侧用固定的公开逻辑读取参数、重构实例即可，完全不依赖自定义类的导入路径。
• 用cloudpickle替代标准库pickle：
  cloudpickle是PySpark等框架常用的序列化库，和标准pickle的区别是它会在序列化时将自定义类、自定义函数的代码定义一并打包到序列化文件中，反序列化侧不需要提前导入/维护自定义类代码就能直接加载实例。注意这种方案的局限性是：如果自定义类依赖了numpy、pandas这类第三方库，反序列化侧仍然需要安装对应版本的第三方依赖，否则类方法运行时会报错；同时序列化文件体积会比标准pickle更大。

为什么不存在完全零依赖的自定义对象序列化方案 #

不存在“序列化一个带自定义方法的类实例后，在完全干净、无任何对应依赖的Python环境中直接加载运行”的方案，核心原因是：序列化本质是存储数据，无法存储可以直接被CPU执行的原生代码逻辑。即使用cloudpickle把类的Python源码打包进序列化文件，加载时也需要在当前Python环境中动态解释执行这段类定义；如果类依赖C扩展、第三方库，这些底层依赖不可能被完全打包进单个序列化文件，必须提前在环境中安装。
额外提醒：pickle（包括cloudpickle）是不安全的序列化格式，反序列化来自不可信来源的文件会触发任意代码执行风险，分发序列化对象时要确保传输链路可信。

内容的提问来源于stack exchange，提问作者CutePoison