如何用文本文件保存读取大型嵌套数组以实现Python程序间共享？

这问题我太熟了！要实现嵌套数组在两个Python程序之间完美传递，核心就是把数组序列化（转成可存储的文本/二进制格式）到文件，再在另一个程序里反序列化（还原成原数组）。下面给你讲几种最实用的方法，每种都附代码示例，你可以根据需求选：

方法1：用JSON（最通用，跨语言友好） #

JSON是个跨语言的轻量级格式，只要你的嵌套数组里是Python基本类型（列表、字典、字符串、数字、布尔值、None），用它准没错，而且生成的文件是纯文本，可读性强。

保存数组的代码（程序A）： #

import json

# 假设这是你的大型嵌套数组
nested_array = [
    [1, 2, 3],
    ["a", "b", ["x", "y", None]],
    [True, False, {"key": "value"}]
]

# 写入文件，ensure_ascii=False支持中文等非ASCII字符，indent让格式更易读
with open("array_data.json", "w", encoding="utf-8") as f:
    json.dump(nested_array, f, ensure_ascii=False, indent=4)

读取数组的代码（程序B）： #

import json

with open("array_data.json", "r", encoding="utf-8") as f:
    loaded_array = json.load(f)

# 验证是否和原数组完全一致
print(loaded_array == nested_array)  # 输出True

⚠️ 注意：JSON不支持Python特有的对象（比如datetime、自定义类实例、set），如果你的数组里有这些，得先转成JSON支持的类型，或者换别的方法。

方法2：用Pickle（Python专属，支持所有Python对象） #

如果你的嵌套数组里有Python独有的对象，或者想原汁原味保留所有信息，Pickle是最佳选择——它能序列化几乎所有Python对象，而且体积小、速度快。

保存数组的代码（程序A）： #

import pickle

# 示例：数组里包含自定义类实例
class MyClass:
    def __init__(self, value):
        self.value = value

nested_array = [
    [1, 2, 3],
    ["a", "b", ["x", "y", None]],
    [MyClass(100), MyClass(200)]
]

# 注意用二进制模式写入
with open("array_data.pkl", "wb") as f:
    pickle.dump(nested_array, f)

读取数组的代码（程序B）： #

import pickle

# 要确保两个程序里的自定义类定义完全一致
class MyClass:
    def __init__(self, value):
        self.value = value

with open("array_data.pkl", "rb") as f:
    loaded_array = pickle.load(f)

# 验证一致性
print(loaded_array[2][0].value == nested_array[2][0].value)  # 输出True

⚠️ 重要提醒：Pickle是不安全的！绝对不要读取来源不明的Pickle文件，因为它在反序列化时会执行文件里的代码，可能被黑客利用。

方法3：用NumPy（适合数值型嵌套数组） #

如果你的嵌套数组是纯数值类型（比如全是整数、浮点数），而且数据量很大，用NumPy的二进制格式会比JSON/Pickle高效得多，读写速度快，占用空间小。

保存数组的代码（程序A）： #

import numpy as np

# 把Python列表转成NumPy数组
nested_array = np.array([
    [1, 2, 3],
    [4.5, 5.6, 6.7],
    [7, 8, 9]
])

# 保存成.npy文件（单个数组）
np.save("array_data.npy", nested_array)

# 如果要存多个数组，用npz格式：
# np.savez("array_data.npz", arr1=nested_array, arr2=another_array)

读取数组的代码（程序B）： #

import numpy as np

# 读取.npy文件
loaded_array = np.load("array_data.npy")

# 转成Python列表（如果需要的话）
loaded_list = loaded_array.tolist()

# 验证一致性
print(np.array_equal(loaded_array, nested_array))  # 输出True

方法4：用repr + eval（简单但不安全，不推荐） #

如果你图省事，也可以把数组转成字符串（用repr()），然后写入文件，读取时用eval()还原。但这种方法风险极高——如果文件被篡改，eval()会执行恶意代码，所以只适合本地测试，绝对不要用于生产环境。

示例代码（不推荐）： #

# 保存
nested_array = [[1,2,3], ["a","b"]]
with open("array_data.txt", "w") as f:
    f.write(repr(nested_array))

# 读取
with open("array_data.txt", "r") as f:
    loaded_array = eval(f.read())

总结怎么选： #

• 要跨语言、可读性强、安全：选JSON
• Python专属、有复杂对象：选Pickle（注意仅读取可信文件）
• 数值型大数据量：选NumPy
• 绝对别用eval除非你完全信任文件来源

内容的提问来源于stack exchange，提问作者user7296192