布尔值列表的最快序列化与反序列化方法探究（无需单独存储元数据）

嘿，我完全懂你的心情——orjson已经够快了，但咱们开发者就是忍不住想挖挖极致性能的潜力！针对[1, 0, 0, 1]这类本质是布尔值的整数列表，要做到**不单独存储元数据（比如长度）**的快速序列化/反序列化，咱们可以绕开JSON的格式开销，从几个更轻量的方向入手：

一、纯字符编码法（最简单高效的方案） #

这个方法直接把列表里的1和0转成对应的字符，拼接成字符串——没有JSON的括号、逗号这些额外开销，序列化反序列化速度拉满，而且字符串的长度就是原列表的长度，天然自带长度信息，完全不用单独存元数据。

示例代码：

# 序列化：把布尔列表转成纯字符字符串
def serialize_to_str(bool_list):
    return ''.join('1' if val else '0' for val in bool_list)

# 反序列化：从字符串转回布尔列表
def deserialize_from_str(s):
    return [1 if c == '1' else 0 for c in s]

测试一下：serialize_to_str([1, 0, 0, 1])会得到'1001'，反序列化后完美还原原列表。这个方案的优势是实现零成本，不需要依赖任何额外库，处理速度比orjson快得多——毕竟只是简单的字符串拼接和遍历，没有JSON解析的额外步骤。

二、array模块轻量二进制序列化 #

如果想兼顾速度和更规整的二进制存储，可以用Python内置的array模块，它专门用于存储同类型的数值，序列化后的字节体积比JSON小，速度也远超orjson。

示例代码：

import array

# 序列化：转成字节数组
def serialize_with_array(bool_list):
    # 'B'表示无符号字符类型，每个元素占1字节
    arr = array.array('B', bool_list)
    return arr.tobytes()

# 反序列化：从字节转回列表
def deserialize_with_array(packed_bytes):
    arr = array.array('B')
    arr.frombytes(packed_bytes)
    return list(arr)

这个方案的序列化结果是纯二进制字节，比JSON格式更紧凑，而且array模块的底层实现是C优化过的，处理大列表时速度优势很明显。

三、bit级二进制压缩（极致省空间方案） #

如果你的列表数据量极大，追求最小的存储体积，可以把每个布尔值压缩到单个bit里——8个布尔值只占1字节，体积是字符法的1/8。这里需要注意：因为最后一个字节可能有多余的bit，反序列化时如果列表长度不固定，需要确保能通过上下文获取长度（完全不用单独存储元数据）；如果长度固定，就完全符合要求。

示例代码：

import struct

# 序列化：把布尔列表按bit打包
def serialize_bit_packed(bool_list):
    byte_count = (len(bool_list) + 7) // 8
    packed_value = 0
    for idx, val in enumerate(bool_list):
        # 把每个值放到对应的bit位上
        packed_value |= (val << idx)
    # 用大端模式打包，保证跨平台兼容性
    return struct.pack(f'>{byte_count}B', packed_value)

# 反序列化：从打包字节转回列表（需传入原长度，若长度固定可省略参数）
def deserialize_bit_packed(packed_bytes, list_length):
    packed_value = struct.unpack(f'>{(len(packed_bytes))}B', packed_bytes)[0]
    return [1 if (packed_value >> idx) & 1 else 0 for idx in range(list_length)]

比如serialize_bit_packed([1,0,0,1])会得到1字节的数据，反序列化时传入长度4就能准确还原列表。这个方案的体积优势非常明显，但实现稍复杂，适合超大规模数据的场景。

性能对比总结 #

这三个方案都避开了JSON序列化的格式开销，性能都优于orjson：

• 追求最简单、最快：选纯字符编码法
• 追求平衡速度和规整二进制存储：选array模块方案
• 追求极致小体积：选bit级压缩方案

备注：内容来源于stack exchange，提问作者umar