如何在Python的__new__方法中用pickle实现对象缓存并解决递归报错

你代码的递归死循环触发逻辑如下：

• 你自定义的Cache类在取值时会执行pickle.loads反序列化操作
• 你为Car类实现了__reduce__方法，指定反序列化时通过Car(name)的方式重建实例
• 调用Car('audi')时先进入__new__方法查询缓存 → 触发Cache.__getitem__执行反序列化 → 反序列化需要再次调用Car(name)创建实例 → 再次进入__new__查询缓存，形成无限递归，最终抛出递归深度超限错误。

方案1：缓存直接存储实例（推荐，适合单进程内缓存场景） #

去掉Cache类的序列化逻辑，直接存储原始实例对象，既没有序列化开销，也不会触发反序列化导致的循环调用：

class Cache:
    def __init__(self):
        self.d = {}

    def __setitem__(self, obj, val):
        self.d[obj] = val

    def __getitem__(self, obj):
        return self.d[obj]

方案2：保留序列化能力，修改反序列化构造逻辑 #

如果你确实需要将缓存内容持久化/跨进程传输，需要保留pickle序列化能力，只要修改__reduce__方法返回的构造函数，让反序列化时跳过__new__的缓存查询逻辑即可：

def __reduce__(self):
    return (self.__class__.new, (self.name,))

如果你后续为Car类新增了__init__方法，需要注意避免__new__返回已有缓存实例时，重复执行__init__覆盖实例属性的问题。

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