Python异步执行CMD命令的技巧与实践

简介: Python异步执行CMD命令的技巧与实践

在Python中执行CMD命令是常见的操作,尤其是在需要与系统交互或执行外部程序时。然而,同步执行这些命令可能会阻塞程序的执行,影响性能。异步执行CMD命令可以显著提高程序的响应性和效率。本文将介绍如何在Python中异步执行CMD命令,并提供几个实用的代码案例。

1. 使用subprocess模块同步执行CMD命令

在介绍异步执行之前,我们先回顾一下如何使用subprocess模块同步执行CMD命令:

import subprocess
# 同步执行CMD命令
result = subprocess.run(['dir'], capture_output=True, text=True, shell=True)
print(result.stdout)

2. 使用asynciosubprocess异步执行CMD命令

Python的asyncio库提供了异步I/O操作的支持。结合subprocess模块,我们可以异步执行CMD命令。

import asyncio
import subprocess
async def run_cmd(cmd):
    proc = await asyncio.create_subprocess_shell(
        cmd,
        stdout=asyncio.subprocess.PIPE,
        stderr=asyncio.subprocess.PIPE
    )
    stdout, stderr = await proc.communicate()
    print(f'[{cmd!r} exited with {proc.returncode}]')
    if stdout:
        print(f'[stdout]\n{stdout.decode()}')
    if stderr:
        print(f'[stderr]\n{stderr.decode()}')
# 异步执行多个CMD命令
async def main():
    await asyncio.gather(
        run_cmd('dir'),
        run_cmd('ipconfig'),
        run_cmd('ping localhost')
    )
asyncio.run(main())

3. 使用concurrent.futures模块异步执行CMD命令

concurrent.futures模块提供了高级接口,用于异步执行调用。我们可以使用它来异步执行CMD命令。

import concurrent.futures
import subprocess
def run_cmd(cmd):
    result = subprocess.run(cmd, capture_output=True, text=True, shell=True)
    print(result.stdout)
# 使用ThreadPoolExecutor异步执行CMD命令
with concurrent.futures.ThreadPoolExecutor() as executor:
    future1 = executor.submit(run_cmd, ['dir'])
    future2 = executor.submit(run_cmd, ['ipconfig'])
    future3 = executor.submit(run_cmd, ['ping localhost'])
    # 等待所有命令执行完成
    concurrent.futures.wait([future1, future2, future3])

4. 使用asyncioos模块异步执行CMD命令

除了subprocess,我们还可以使用os模块结合asyncio来异步执行CMD命令。

import asyncio
import os
async def run_cmd(cmd):
    process = await asyncio.create_subprocess_shell(
        cmd,
        stdout=asyncio.subprocess.PIPE,
        stderr=asyncio.subprocess.PIPE
    )
    stdout, stderr = await process.communicate()
    print(f'[{cmd!r} exited with {process.returncode}]')
    if stdout:
        print(f'[stdout]\n{stdout.decode()}')
    if stderr:
        print(f'[stderr]\n{stderr.decode()}')
# 异步执行多个CMD命令
async def main():
    await asyncio.gather(
        run_cmd('dir'),
        run_cmd('ipconfig'),
        run_cmd('ping localhost')
    )
asyncio.run(main())

结语

异步执行CMD命令是提高Python程序性能的有效方法。通过使用asynciosubprocessconcurrent.futures等库,我们可以轻松实现异步操作。这些技巧在处理大量I/O密集型任务时尤为重要。希望本文提供的代码案例能帮助你更好地理解和应用异步编程在CMD命令执行中的应用。

目录
相关文章
|
1月前
|
存储 数据采集 监控
Python定时爬取新闻网站头条:从零到一的自动化实践
在信息爆炸时代,本文教你用Python定时爬取腾讯新闻头条,实现自动化监控。涵盖请求、解析、存储、去重、代理及异常通知,助你构建高效新闻采集系统,适用于金融、电商、媒体等场景。(238字)
303 2
机器学习/深度学习 算法 自动驾驶
486 0
|
2月前
|
存储 人工智能 算法
Python实现简易成语接龙小游戏:从零开始的趣味编程实践
本项目将中国传统文化与编程思维相结合,通过Python实现成语接龙游戏,涵盖数据结构、算法设计与简单AI逻辑,帮助学习者在趣味实践中掌握编程技能。
316 0
|
2月前
|
大数据 数据处理 数据安全/隐私保护
Python3 迭代器与生成器详解:从入门到实践
简介:本文深入解析Python中处理数据序列的利器——迭代器与生成器。通过通俗语言与实战案例,讲解其核心原理、自定义实现及大数据处理中的高效应用。
154 0
|
3月前
|
数据采集 Web App开发 JSON
Python爬虫基本原理与HTTP协议详解:从入门到实践
本文介绍了Python爬虫的核心知识,涵盖HTTP协议基础、请求与响应流程、常用库(如requests、BeautifulSoup)、反爬应对策略及实战案例(如爬取豆瓣电影Top250),帮助读者系统掌握数据采集技能。
274 0
|
3月前
|
传感器 数据采集 监控
Python生成器与迭代器:从内存优化到协程调度的深度实践
简介:本文深入解析Python迭代器与生成器的原理及应用,涵盖内存优化技巧、底层协议实现、生成器通信机制及异步编程场景。通过实例讲解如何高效处理大文件、构建数据流水线,并对比不同迭代方式的性能特点,助你编写低内存、高效率的Python代码。
200 0
|
3月前
|
人工智能 自然语言处理 安全
Python构建MCP服务器:从工具封装到AI集成的全流程实践
MCP协议为AI提供标准化工具调用接口,助力模型高效操作现实世界。
756 1
|
3月前
|
传感器 大数据 API
Python数字限制在指定范围内:方法与实践
在Python编程中,限制数字范围是常见需求,如游戏属性控制、金融计算和数据过滤等场景。本文介绍了五种主流方法:基础条件判断、数学运算、装饰器模式、类封装及NumPy数组处理,分别适用于不同复杂度和性能要求的场景。每种方法均有示例代码和适用情况说明,帮助开发者根据实际需求选择最优方案。
185 0
|
3月前
|
API 数据安全/隐私保护 开发者
Python自定义异常:从入门到实践的轻松指南
在Python开发中,自定义异常能提升错误处理的精准度与代码可维护性。本文通过银行系统、电商库存等实例,详解如何创建和使用自定义异常,涵盖异常基础、进阶技巧、最佳实践与真实场景应用,助你写出更专业、易调试的代码。
170 0
|
4月前
|
数据采集 监控 调度
干货分享“用 多线程 爬取数据”:单线程 + 协程的效率反超 3 倍,这才是 Python 异步的正确打开方式
在 Python 爬虫中,多线程因 GIL 和切换开销效率低下,而协程通过用户态调度实现高并发,大幅提升爬取效率。本文详解协程原理、实战对比多线程性能,并提供最佳实践,助你掌握异步爬虫核心技术。

推荐镜像

更多