使用python子进程执行unfluff

Question

我尝试使用子进程在python脚本中执行unfluff，但结果总是空的。如果我从shell中执行它，它就会正常运行。下面是一个示例：

从unfluff文档中，我可以通过以下方式提取网页内容：

curl -s 'http://observador.pt/2016/10/29/espanha-e-portugal-sao-unicos-paises-da-ue-sem-populismo-xenofobo-diz-antonio-costa' | unfluff

这会产生一个很好的json和一个很好的内容提取。现在，在python中，我使用了以下内容：

import subprocess

url = 'http://observador.pt/2016/10/29/espanha-e-portugal-sao-unicos-paises-da-ue-sem-populismo-xenofobo-diz-antonio-costa'

p = subprocess.Popen(['curl','-s',url,'|','unfluff'],stdout=subprocess.PIPE)
print p.communicate()[0] 

这将导致空字符串。那么，我做错了什么呢？

Answer 1

通过在命令中使用|，您隐式地调用了OS外壳。

因此您必须启用shell=True才能做到这一点。

p = subprocess.Popen(['curl','-s',url,'|','unfluff'],stdout=subprocess.PIPE,shell=True)

注意:由于您有Popen，因此可以通过打开2个Popen实例来更简洁地完成此操作，例如如下所示：

p1 = subprocess.Popen(['curl','-s',url],stdout=subprocess.PIPE)
p2 = subprocess.Popen('unfluff',stdin=p1.stdout,stdout=subprocess.PIPE)
print(p2.communicate()[0])

(然后您不需要shell=True参数，编辑:您仍然需要第二个Popen上的shell=True参数，可能是因为unfluff不是真正的可执行文件，所以需要外壳程序启动)

规则是:如果你想要安全，总是设置shell=True，但是命令行依赖于操作系统外壳，效率较低。所以如果没有它就能工作，那就更好了。