如何使用 subprocess.Popen 通过管道连接多个进程？

Question

如何使用 Python subprocess模块执行以下 shell 命令？

echo "input data" | awk -f script.awk | sort > outfile.txt

输入数据将来自一个字符串，所以我实际上不需要echo 。 我已经走了这么远，谁能解释我如何让它也通过sort ？

p_awk = subprocess.Popen(["awk","-f","script.awk"],
                          stdin=subprocess.PIPE,
                          stdout=file("outfile.txt", "w"))
p_awk.communicate( "input data" )

更新：请注意，虽然下面接受的答案实际上并没有回答所问的问题，但我相信 S.Lott 是正确的，最好避免首先解决该问题！

Answer 1

你会更高兴以下。

import subprocess

awk_sort = subprocess.Popen( "awk -f script.awk | sort > outfile.txt",
    stdin=subprocess.PIPE, shell=True )
awk_sort.communicate( b"input data\n" )

将部分工作委托给外壳。 让它用管道连接两个进程。

将 'script.awk' 重写为 Python，消除 awk 和管道，您会更高兴。

编辑。 建议 awk 没有帮助的一些原因。

【评论的理由太多了。】

1. Awk 增加了一个没有显着价值的步骤。 awk 的处理没有什么独特之处是 Python 无法处理的。

2. 对于大量数据，从 awk 到 sort 的流水线可能会缩短处理时间。 对于短数据集，它没有显着的好处。 awk >file ; sort file快速测量awk >file ; sort file awk >file ; sort file和awk | sort awk | sort将揭示并发帮助。 对于排序，它很少有帮助，因为排序不是单程过滤器。

3. “Python to sort”处理（而不是“Python to awk to sort”）的简单性阻止了这里提出的确切类型的问题。

4. Python——虽然比 awk 更冗长——在 awk 有一些对新手不透明的隐含规则的地方也是明确的，并且对非专家来说是混乱的。

5. Awk（就像 shell 脚本本身）添加了另一种编程语言。 如果所有这一切都可以用一种语言 (Python) 完成，那么消除 shell 和 awk 编程就消除了两种编程语言，从而允许某人专注于任务的价值产生部分。

底线：awk 不能增加显着的价值。 在这种情况下，awk 是净成本； 它增加了足够的复杂性，以至于有必要提出这个问题。 删除 awk 将是一个净收益。

边栏为什么构建管道 ( a | b ) 如此困难。

当 shell 遇到a | b a | b它必须执行以下操作。

1. Fork 原始 shell 的子进程。 这最终会变成 b。

2. 构建一个操作系统管道。 （不是 Python os.pipe() ）而是调用os.pipe() ，它返回两个通过公共缓冲区连接的新文件描述符。 此时，该进程具有来自其父级的 stdin、stdout、stderr，以及一个将是“a 的 stdout”和“b 的 stdin”的文件。

3. 叉一个孩子。 孩子用新的标准输出替换它的标准输出。 执行a进程。

4. b 子节点关闭用新 b 的标准输入替换它的标准输入。 执行b进程。

5. b 子进程等待 a 完成。

6. 父级正在等待 b 完成。

我认为上面的可以递归地使用来产生a | b | c a | b | c a | b | c ，但您必须隐式地将长管道括起来，将它们视为a | (b | c) a | (b | c) 。

由于 Python 有os.pipe() 、 os.exec()和os.fork() ，并且您可以替换sys.stdin和sys.stdout ，因此有一种方法可以在纯 Python 中执行上述操作。 事实上，你可以制定出使用一些快捷键os.pipe()和subprocess.Popen 。

但是，将该操作委托给 shell 更容易。

Answer 2

import subprocess

some_string = b'input_data'

sort_out = open('outfile.txt', 'wb', 0)
sort_in = subprocess.Popen('sort', stdin=subprocess.PIPE, stdout=sort_out).stdin
subprocess.Popen(['awk', '-f', 'script.awk'], stdout=sort_in, 
                 stdin=subprocess.PIPE).communicate(some_string)

Answer 3

要模拟 shell 管道：

from subprocess import check_call

check_call('echo "input data" | a | b > outfile.txt', shell=True)

不调用 shell（参见17.1.4.2. 替换 shell 管道）：

#!/usr/bin/env python
from subprocess import Popen, PIPE

a = Popen(["a"], stdin=PIPE, stdout=PIPE)
with a.stdin:
    with a.stdout, open("outfile.txt", "wb") as outfile:
        b = Popen(["b"], stdin=a.stdout, stdout=outfile)
    a.stdin.write(b"input data")
statuses = [a.wait(), b.wait()] # both a.stdin/stdout are closed already

plumbum提供了一些语法糖：

#!/usr/bin/env python
from plumbum.cmd import a, b # magic

(a << "input data" | b > "outfile.txt")()

的模拟：

#!/bin/sh
echo "input data" | awk -f script.awk | sort > outfile.txt

是：

#!/usr/bin/env python
from plumbum.cmd import awk, sort

(awk["-f", "script.awk"] << "input data" | sort > "outfile.txt")()

Answer 4

公认的答案回避了这个问题。 这是一个链接多个进程输出的片段：请注意，它还会打印（有点）等效的 shell 命令，以便您可以运行它并确保输出正确。

#!/usr/bin/env python3

from subprocess import Popen, PIPE

# cmd1 : dd if=/dev/zero bs=1m count=100
# cmd2 : gzip
# cmd3 : wc -c
cmd1 = ['dd', 'if=/dev/zero', 'bs=1M', 'count=100']
cmd2 = ['tee']
cmd3 = ['wc', '-c']
print(f"Shell style : {' '.join(cmd1)} | {' '.join(cmd2)} | {' '.join(cmd3)}")

p1 = Popen(cmd1, stdout=PIPE, stderr=PIPE) # stderr=PIPE optional, dd is chatty
p2 = Popen(cmd2, stdin=p1.stdout, stdout=PIPE)
p3 = Popen(cmd3, stdin=p2.stdout, stdout=PIPE)

print("Output from last process : " + (p3.communicate()[0]).decode())

# thoretically p1 and p2 may still be running, this ensures we are collecting their return codes
p1.wait()
p2.wait()
print("p1 return: ", p1.returncode)
print("p2 return: ", p2.returncode)
print("p3 return: ", p3.returncode)

Answer 5

灵感来自@Cristian 的回答。 我遇到了同样的问题，但使用了不同的命令。 所以我把我测试过的例子，我相信这可能会有所帮助：

grep_proc = subprocess.Popen(["grep", "rabbitmq"],
                             stdin=subprocess.PIPE, 
                             stdout=subprocess.PIPE)
subprocess.Popen(["ps", "aux"], stdout=grep_proc.stdin)
out, err = grep_proc.communicate()

这是经过测试的。

做了什么

• 使用来自管道的 stdin 声明惰性grep执行。 当管道将填充ps的标准输出时，此命令将在ps命令执行时执行。
• 调用主命令ps并将 stdout 定向到grep命令使用的管道。
• Grep 进行通信以从管道中获取标准输出。

我喜欢这种方式，因为它是用subprocess接口轻轻包裹的自然管道概念。

Answer 6

http://www.python.org/doc/2.5.2/lib/node535.html很好地涵盖了这一点。 有没有你不明白的部分？

您的程序将非常相似，但第二个Popen会将 stdout= 用于文件，并且您不需要其.communicate()的输出。

Answer 7

之前的回答漏掉了一个重要的点。 正如geocar所指出的， 更换shell管道基本上是正确的。 在管道的最后一个元素上运行communicate几乎就足够了。

剩下的问题是将输入数据传递到管道。 对于多个子communicate(input_data) ，最后一个元素上的简单communicate(input_data)不起作用 - 它永远挂起。 您需要像这样手动创建一个管道和一个孩子：

import os
import subprocess

input = """\
input data
more input
""" * 10

rd, wr = os.pipe()
if os.fork() != 0: # parent
    os.close(wr)
else:              # child
    os.close(rd)
    os.write(wr, input)
    os.close(wr)
    exit()

p_awk = subprocess.Popen(["awk", "{ print $2; }"],
                         stdin=rd,
                         stdout=subprocess.PIPE)
p_sort = subprocess.Popen(["sort"], 
                          stdin=p_awk.stdout,
                          stdout=subprocess.PIPE)
p_awk.stdout.close()
out, err = p_sort.communicate()
print (out.rstrip())

现在子进程通过管道提供输入，父进程调用communication()，它按预期工作。 使用这种方法，您可以创建任意长的管道，而无需“将部分工作委托给 shell”。 不幸的是，子流程文档没有提到这一点。

有几种方法可以在不使用管道的情况下实现相同的效果：

from tempfile import TemporaryFile
tf = TemporaryFile()
tf.write(input)
tf.seek(0, 0)

现在对p_awk使用stdin=tf 。 这是你喜欢什么口味的问题。

以上仍然不是 100% 等同于 bash 管道，因为信号处理是不同的。 如果您添加另一个截断sort输出的管道元素，例如head -n 10 ，您可以看到这一点。 使用上面的代码， sort将向stderr打印“Broken pipe”错误消息。 当您在 shell 中运行相同的管道时，您不会看到此消息。 （尽管这是唯一的区别， stdout的结果是相同的）。 原因似乎是 python 的Popen为SIGPIPE设置了SIG_IGN ，而外壳将它留在SIG_DFL ，并且sort的信号处理在这两种情况下是不同的。

Answer 8

编辑： pipes可用于Windows，但是，重要的是，不会出现在Windows的实际工作。 请参阅下面的评论。

Python 标准库现在包含用于处理此问题的pipes模块：

https://docs.python.org/2/library/pipes.html , https://docs.python.org/3.4/library/pipes.html

我不知道多久，这个模块已经出现，但这种方法似乎远远大于摆弄简单subprocess 。

Answer 9

对我来说，下面的方法是最干净和最容易阅读的

from subprocess import Popen, PIPE

def string_to_2_procs_to_file(input_s, first_cmd, second_cmd, output_filename):
    with open(output_filename, 'wb') as out_f:
        p2 = Popen(second_cmd, stdin=PIPE, stdout=out_f)
        p1 = Popen(first_cmd, stdout=p2.stdin, stdin=PIPE)
        p1.communicate(input=bytes(input_s))
        p1.wait()
        p2.stdin.close()
        p2.wait()

可以这样调用：

string_to_2_procs_to_file('input data', ['awk', '-f', 'script.awk'], ['sort'], 'output.txt')