Python系统交互库解析过程

目录

• 系统交互库
• os 模块
• sys 模块
• subprocess 模块
• 远程管理工具
• paramiko 库
• Fabric 工具
• 网络通信库
• socket 模块
• requests 库
• 数据处理工具
• json 模块
• csv 模块
• yaml 模块
• 总结

os 模块提供了跨平台的文件和目录操作方法，是 Python 标准库中最常用的系统接口之一：

文件操作：

• os.rename(src, dst) – 重命名文件或目录
• os.remove(path) – 删除文件（不能删除目录）

os.path 子模块提供：

• os.path.exists(path) – 检查路径是否存在
• os.path.isfile(path)/os.path.isdir(path) – 判断路径类型
• os.path.getsize(path) – 获取文件大小

目录操作：

• os.mkdir(path) – 创建单个目录
• os.makedirs(path) – 递归创建多级目录
• os.listdir(path) – 列出目录内容
• os.chdir(path) – 改变当前工作目录
• os.walk(top) – 目录树生成器，递归遍历

路径处理：

• os.path.join(path1, path2) – 智能拼接路径（跨平台兼容）
• os.path.abspath(path) – 获取绝对路径
• os.path.dirname(path)/os.path.basename(path) – 获取目录名/文件名
• os.path.splitext(path) – 分离文件名和扩展名

系统信息：

• os.name – 操作系统名称（'posix', 'nt', 'java'）
• os.environ – 环境变量字典
• os.getcwd() – 获取当前工作目录
• os.cpu_count() – 获取CPU核心数

sys 模块实现了与 Python 解释器的深度交互：

命令行参数：

• sys.argv – 脚本参数列表（第一个元素是脚本名称）
• 示例：python script.py arg1 arg2 → sys.argv = ['script.py', 'arg1', 'arg2']

模块搜索路径：

• sys.path – Python 模块搜索路径列表
• 可动态修改：sys.path.append('/custom/path')

标准输入输出：

• sys.stdin/sys.stdout/sys.stderr – 标准 I/O 流对象
• 重定向示例：

sys.stdout = open('output.log', 'w')
print("这将写入文件")

解释器信息：

• sys.version – Python 版本信息
• sys.platform – 操作系统平台标识符
• sys.executable – Python 解释器路径
• sys.exit([status]) – 退出程序（0表示成功）

其他重要功能：

• sys.getsizeof(obj) – 获取对象占用的内存大小
• sys.getrecursionlimit() – 获取递归深度限制
• sys.settrace() – 设置跟踪函数用于调试

subprocess 提供了更安全的进程管理方式，替代传统的 os.system()：

基本用法：

# 运行简单命令
result = subprocess.run(["ls", "-l"], capture_output=True, text=True)
print(result.stdout)

# 检查返回码
if result.returncode != 0:
    print("命令执行失败")

高级控制：

• subprocess.Popen() – 创建子进程并返回句柄

proc = subprocess.Popen(["python", "worker.py"], 
                       stdin=subprocess.PIPE,
                       stdout=subprocess.PIPE)

管道连接：

• subprocess.PIPE – 创建管道

p1 = subprocess.Popen(["cat", "file.txt"], stdout=subprocess.PIPE)
p2 = subprocess.Popen(["grep", "keyword"], stdin=p1.stdout, stdout=subprocess.PIPE)

错误处理：

• subprocess.CalledProcessError – 命令返回非零状态时抛出
• 安全执行：

try:
    subprocess.run(["rm", "important_file"], check=True)
except subprocess.CalledProcessError as e:
    print(f"命令失败: {e}")

其他功能：

• timeout 参数 – 设置命令超时时间
• shell=True – 通过系统shell执行命令（有安全风险）
• env 参数 – 设置子进程环境变量

paramiko 是纯 Python 实现的 SSHv2 协议库：

SSH 连接：

import paramiko

client = paramiko.SSHClient()
client.set_missing_host_key_policy(paramiko.AutoAddPolicy())
client.connect('hostname', username='user', password='pass')

执行命令：

stdin, stdout, stderr = client.exec_command('ls -l')
print(stdout.read().decode())

文件传输：

sftp = client.open_sftp()
sftp.put('local.txt', 'remote.txt')  # 上传
sftp.get('remote.txt', 'local.txt')  # 下载
sftp.close()

密钥认证：

key = paramiko.RSAKey.from_private_key_file('/path/to/key.pem')
client.connect('host', username='user', pkey=key)

高级功能：

• SSH 隧道
• 保持连接
• 主机密钥验证
• 交互式 shell

Fabric2 是新一代的批量任务框架，构建在 Paramiko 之上：

任务定义：

from fabric import task

@task
def deploy(c):
    c.run('git pull')
    c.run('pip install -r requirements.txt')

主机管理：

@task
def check_disk(c):
    # 单个连接
    result = c.run('df -h', hide=True)
    print(f"磁盘使用:n{result.stdout}")
    
    # 多主机
    for connection in c:
        with connection.cd('/var/log'):
            connection.run('ls -l')

批量执行：

from fabric import Connection, ThreadingGroup

hosts = ['web1', 'web2', 'db1']
group = ThreadingGroup(*hosts, user='admin')

result = group.run('hostname')
for connection, result in result.items():
    print(f"{connection.host}: {result.stdout.strip()}")

配置系统：

• fabric.yml 配置文件：

user: deploy
connect_kwargs:
  key_filename: /path/to/key.pem
hosts:
  - web1.example.com
  - web2.example.com

• 或通过 Python 配置：

c = Connection('host', user='user', connect_kwargs={'password': 'pass'})

其他特性：

• 并行执行
• 失败处理
• 上下文管理器
• 本地和远程操作混合

socket 提供底层网络接口：

TCP 通信：

# 服务器端
server_socket = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
server_socket.bind(('0.0.0.0', 8000))
server_socket.listen(1)
conn, addr = server_socket.accept()

# 客户端
client_socket = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
client_socket.connect(('localhost', 8000))

UDP 通信：

# 服务器端
udp_socket = socket.socket(socket.AF_INET, socket.SOCK_DGRAM)
udp_socket.bind(('0.0.0.0', 8000))
data, addr = udp_socket.recvfrom(1024)

# 客户端
udp_socket.sendto(b'Hello', ('localhost', 8000))

常用方法：

• socket.settimeout() – 设置超时时间
• socket.getaddrinfo() – 地址解析
• socket.gethostname() – 获取主机名
• socket.shutdown() – 优雅关闭连接

高级功能：

• 非阻塞 I/O
• 套接字选项设置
• 多路复用 (select/poll)
• SSL 包装

requests 提供了人性化的 HTTP 客户端：

简单请求：

# GET 请求
response = requests.get('https://api.example.com/data')
print(response.json())

# POST 请求
payload = {'key1': 'value1', 'key2': 'value2'}
response = requests.post('https://api.example.com/post', data=payload)

参数传递：

• params – URL 查询参数

requests.get('https://api.example.com/search', params={'q': 'python'})

• json – JSON 请求体

requests.post('https://api.example.com/data', json={'key': 'value'})

会话保持：

session = requests.Session()
session.get('https://example.com/login', auth=('user', 'pass'))
response = session.get('https://example.com/dashboard')

高级功能：

• 代理支持：

proxies = {'http': 'http://proxy.example.com:8080'}
requests.get('http://example.com', proxies=proxies)

• 超时设置：

requests.get('http://example.com', timeout=5)

• SSL 验证：

requests.get('https://example.com', verify='/path/to/cert.pem')

响应处理：

• response.status_code – HTTP 状态码
• response.headers – 响应头
• response.content – 二进制响应体
• response.text – 文本响应体
• response.json() – JSON 解析

json 模块用于 API 数据交互：

序列化：

data = {'name': 'Alice', 'age': 30, 'skills': ['Python', 'SQL']}
json_str = json.dumps(data, indent=2)  # 美化输出

反序列化：

data = json.loads('{"name": "Alice", "age": 30}')

文件操作：

# 写入文件
with open('data.json', 'w') as f:
    json.dump(data, f)

# 读取文件
with open('data.json') as f:
    data = json.load(f)

高级功能：

• 自定义编码器：

class CustomEncoder(json.JSONEncoder):
    def default(self, obj):
        if isinstance(obj, datetime):
            return obj.isoformat()
        return super().default(obj)

json.dumps(obj, cls=CustomEncoder)

• 解析参数：

json.loads(json_str, object_hook=my_decoder)

csv 模块用于报表生成：

读取 CSV：

with open('data.csv') as f:
    reader = csv.reader(f)
    for row in reader:
        print(row)

写入 CSV：

with open('output.csv', 'w', newline='') as f:
    writer = csv.writer(f)
    writer.writerow(['Name', 'Age'])
    writer.writerow(['Alice', 30])

字典格式：

# 读取
with open('data.csv') as f:
    reader = csv.DictReader(f)
    for row in reader:
        print(row['Name'], row['Age'])

# 写入
with open('output.csv', 'w') as f:
    fieldnames = ['Name', 'Age']
    writer = csv.DictWriter(f, fieldnames=fieldnames)
    writer.writeheader()
    writer.writerow({'Name': 'Alice', 'Age': 30})

方言支持：

csv.register_dialect('mydialect', delimiter='|', quoting=csv.QUOTE_MINIMAL)
with open('data.psv') as f:
    reader = csv.reader(f, dialect='mydialect')

yaml 用于配置文件解析：

基本用法：

import yaml

# 解析 YAML
with open('config.yaml') as f:
    config = yaml.safe_load(f)

# 生成 YAML
data = {'server': {'host': '127.0.0.1', 'port': 8000}}
yaml_str = yaml.dump(data, default_flow_style=False)

高级特性：

• 锚点和别名：

defaults: &defaults
  adapter: postgres
  host: localhost

development:
  <<: *defaults
  database: dev

• 自定义标签
• 多文档流

安全考虑：

• 始终优先使用 yaml.safe_load() 而非 yaml.load()
• 避免加载不受信任的 YAML 文件
• 复杂对象需要自定义表示器/构造器

与其他格式对比：

• 比 JSON 更易读
• 支持注释
• 比 XML 更简洁
• 适合配置文件和复杂数据结构

以上为个人经验，希望能给大家一个参考，也希望大家多多支持风君子博客。

您可能感兴趣的文章:

• Python使用Plotly制作交互式图表的操作指南
• 一文教你如何使用python编写交互式.exe程序
• 使用Python进行数据库交互的实践指南(从SQL查询到ORM操作)
• Python与Java交互出现乱码的问题解决
• Python与Java进行交互操作的方法与性能对比
• 使用Python打造交互式图片管理器