Question

我想使用Python的子进程模块将正则表达式传递给pdfgrep。代码执行时没有错误，但pdfgrep没有正确接收参数。测试pdf在cwd中并包含字符串＆＃39; Mary Jane＆＃39;。这是我的代码（Python 3.6）：

import subprocess
filtered = ['[A-Z].+Jane'] # the list of regexes is shortened to one string, to keep the example simple.
for regex in filtered: 
    arg = 'pdfgrep -PrH ' + f"{regex}"
    process_match = subprocess.run(arg, stdout=subprocess.PIPE, shell=True)

预期结果是process_match将包含包含匹配项的CompletedProcess()对象。

但相反，它会返回以下内容：

CompletedProcess(args="pdfgrep -PrH '[A-Z].+Jane'", returncode=127, stdout=b'')

在命令行中，调用相同的pdfgrep命令可找到匹配的pdf。我可以在Ruby中使用以下代码轻松完成任务：

process_match = %x[pdfgrep -PrH "#{regex}"]

我是python的新手。在尝试将正则表达式传递给外部命令时，我出了什么问题？

Answer 1

subprocess.run需要参数列表（不是字符串），例如

arg = ['pdfgrep',  '-PrH',  f"{regex}"]

而不是arg = 'pdfgrep -PrH' + f"{regex}"

修改

您在使用shell=True时应该使用字符串的注释是正确的，但正如python子流程文档中所讨论的那样，可能存在安全隐患，并且它很少是绝对必要的，因此最好开发不使用外壳的习惯。

Answer 2

以下代码按预期工作：

for regex in filtered:
    arg = ['/usr/local/bin/pdfgrep',  '-PrH',  f"{regex}"]
    process_match = subprocess.run(arg, stdout=subprocess.PIPE)

我的原始代码（至少）有两个问题。首先，我需要将命令作为列表传递给subprocess.run，但为了实现这一点，我需要指定pdfgrep的完整路径。

如何使用python子进程模块将正则表达式传递给pdfgrep？

2 个答案: