运行指令并获取返回结果
最编程
2024-07-25 18:52:49
...
在 Go 语言中，我们经常需要调用系统底层的命令来执行一些任务。
比如执行系统命令、脚本或其他外部程序。
本教程将按照章节的形式介绍如何在 Go 中优雅地调用系统底层命令，并获取返回值。
第一章：引入必要的包
首先，我们需要引入 os/exec 包，该包提供了执行系统命令的功能。
package main
import (
"fmt"
"os/exec"
)
第二章：执行简单命令
我们将从最基本的例子开始，执行一个简单的命令，比如 echo。
func runSimpleCommand() {
cmd := exec.Command("echo", "Hello, World!")
output, err := cmd.Output()
if err != nil {
fmt.Printf("命令执行出错: %v\n", err)
return
}
fmt.Printf("命令输出: %s", output)
}
这个函数使用 exec.Command 创建一个命令对象，然后使用 cmd.Output() 方法执行命令并获取输出。
第三章：处理命令参数
接下来，我们将演示如何传递命令参数。
func runCommandWithArgs() {
cmd := exec.Command("ls", "-l", "/")
output, err := cmd.Output()
if err != nil {
fmt.Printf("命令执行出错: %v\n", err)
return
}
fmt.Printf("命令输出: %s", output)
}
在这个例子中，我们执行 ls -l / 命令，通过参数传递给 exec.Command。
第四章：获取命令的标准输出和标准错误
有时候，我们可能需要同时获取命令的标准输出和标准错误。
func runCommandWithStdoutAndStderr() {
cmd := exec.Command("ls", "-l", "/nonexistent")
stdout, err := cmd.Output()
if err != nil {
fmt.Printf("命令执行出错: %v\n", err)
}
stderr := cmd.Stderr
fmt.Printf("标准输出: %s\n", stdout)
fmt.Printf("标准错误: %s\n", stderr)
}
这个例子演示了如何通过 cmd.Output() 获取标准输出，以及通过 cmd.Stderr 获取标准错误。
第五章：传递环境变量
在某些情况下，我们可能需要传递环境变量给被调用的命令。
func runCommandWithEnvVariable() {
cmd := exec.Command("env")
// 设置环境变量
cmd.Env = append(cmd.Env, "CUSTOM_VARIABLE=custom_value")
output, err := cmd.Output()
if err != nil {
fmt.Printf("命令执行出错: %v\n", err)
return
}
fmt.Printf("命令输出: %s", output)
}
在这个例子中，我们执行 env 命令，并通过 cmd.Env 设置一个自定义环境变量。
第六章：运行示例
现在，我们将编写一个简单的 main 函数来演示上述函数的使用。
func main() {
fmt.Println("=== 执行简单命令 ===")
runSimpleCommand()
fmt.Println("\n=== 执行带参数的命令 ===")
runCommandWithArgs()
fmt.Println("\n=== 获取标准输出和标准错误 ===")
runCommandWithStdoutAndStderr()
fmt.Println("\n=== 传递环境变量 ===")
runCommandWithEnvVariable()
}
运行这个程序，你将看到每个例子的输出。
通过这个示例，你已经学会了如何在 Go 中优雅地调用系统底层的命令，并获取执行结果。
这在构建系统工具、自动化任务等场景中非常实用。
你学废了么？
推荐阅读
-
14-傅里叶变换的代码实现-一、numpy实现傅里叶变换和逆傅里叶变换 1.numpy实现傅里叶变换numpy.fft.fft2实现傅里叶变换，返回一个复数数组(complex ndarray)，也就是频谱图像numpy.fft.fftshift将零频率分量移到频谱中心(将左上角的低频区域，移到中心位置) 20*np.log(np.abs(fshift))设置频谱的范围。可以理解为，之前通过傅里叶变换得到复数的数组，是不能通过图像的方法展示出来的，需要转换为灰度图像（映射到[0,255]区间）需要注意的是1> 傅里叶得到低频、高频信息，针对低频、高频处理能够实现不同的目的2> 傅里叶过程是可逆的，图像经过傅里叶变换、逆傅里叶变换后，能够恢复到原始图像3> 在频域对图像进行处理，在频域的处理会反映在逆变换图像上 # 将绘制的图显示在窗口 %matplotlib qt5 import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread(r"image\lena.bmp",cv2.IMREAD_GRAYSCALE) # 傅里叶变换 f = np.fft.fft2(img) # 移动中心位置 fshift = np.fft.fftshift(f) # 调整值范围 result = 20*np.log(np.abs(fshift)) plt.subplot(1,2,1) plt.imshow(img,cmap=plt.cm.gray) plt.title("original") plt.axis("off") plt.subplot(1,2,2) plt.imshow(result,cmap=plt.cm.gray) plt.title("result") plt.axis("off") plt.show 傅里叶变换的频谱图像： 2.numpy实现逆傅里叶变换numpy.fft.ifft2实现逆傅里叶变换，返回一个复数数组（complex ndarray）numpy.fft.ifftshiftfftshift函数的逆函数，将中心位置的低频，重新移到左上角iimg = np.abs(逆傅里叶变化结果)设置值的范围，映射到[0,255]区间 # 将绘制的图显示在窗口 %matplotlib qt5 import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread(r"image\boat.bmp",cv2.IMREAD_GRAYSCALE) # 傅里叶变换 f = np.fft.fft2(img) fshift = np.fft.fftshift(f) # 逆傅里叶变换 ishift = np.fft.ifftshift(fshift) iimg = np.fft.ifft2(ishift) iimg = np.abs(iimg) plt.subplot(1,2,1) plt.imshow(img,cmap=plt.cm.gray) plt.title("original") plt.axis("off") plt.subplot(1,2,2) plt.imshow(iimg,cmap=plt.cm.gray) plt.title("iimg") plt.axis("off") plt.show 将一副图像，进行傅里叶变换和逆傅里叶变换后，进行对比（一样的） 实例：通过numpy实现高通滤波，保留图像的边缘信息 获取图像的形状rows,cols = img.shape获取图像的中心点crow,ccol = int(rows/2),int(cols/2)将频谱图像的中心区域（低频区域）设置为0（黑色）fshift[crow-30:crow+30,ccol-30:ccol+30] = 0 # 将绘制的图显示在窗口 %matplotlib qt5 import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread(r"image\boat.bmp",cv2.IMREAD_GRAYSCALE) # 傅里叶变换 f = np.fft.fft2(img) fshift = np.fft.fftshift(f) # 高通滤波 rows,cols = img.shape crow,ccol = int(rows/2),int(cols/2) fshift[crow-30:crow+30,ccol-30:ccol+30] = 0 # 逆傅里叶变换 ishift = np.fft.ifftshift(fshift) iimg = np.fft.ifft2(ishift) iimg = np.abs(iimg) plt.subplot(1,2,1) plt.imshow(img,cmap=plt.cm.gray) plt.title("original") plt.axis("off") plt.subplot(1,2,2) plt.imshow(iimg,cmap=plt.cm.gray) plt.title("iimg") plt.axis("off") plt.show 使用numpy实现高通滤波的实验结果： 二、opencv实现傅里叶变换和逆傅里叶变换 1.opencv实现傅里叶变换 返回结果 = cv2.dft(原始图像,转换标识)1> 返回结果：是双通道的，第一个通道是结果的实数部分，第二个通道是结果的虚数部分2> 原始图像：输入图像要首先转换成np.float32(img)格式3> 转换标识：flags = cv2.DFT_COMPLEX_OUTPUT，输出一个复数阵列numpy.fft.fftshift将零频率分量移到频谱中心(将左上角的低频区域，移到中心位置)调整频谱的范围，将上面频谱图像的复数数组，转换为可以显示的灰度图像（映射到[0,255]区间）返回值 = 20*np.log(cv2.magnitude(参数1,参数2))1> 参数1：浮点型X坐标值，也就是实部2> 参数2：浮点型Y坐标值，也就是虚部 # 将绘制的图显示在窗口 %matplotlib qt5 import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread(r"image\lena.bmp",cv2.IMREAD_GRAYSCALE) # 傅里叶变换 dft = cv2.dft(np.float32(img),flags = cv2.DFT_COMPLEX_OUTPUT) # 移动中心位置 dftShift = np.fft.fftshift(dft) # 调整频谱的范围 result = 20*np.log(cv2.magnitude(dftShift[:,:,0],dftShift[:,:,1])) plt.subplot(1,2,1) plt.imshow(img,cmap=plt.cm.gray) plt.title("original") plt.axis("off") plt.subplot(1,2,2) plt.imshow(result,cmap=plt.cm.gray) plt.title("result") plt.axis("off") plt.show 傅里叶变换的频谱图像： 2.opencv实现逆傅里叶变换返回结果 = cv2.idft(原始数据)1> 返回结果：取决于原始数据的类型和大小2> 原始数据：实数或者复数均可numpy.fft.ifftshiftfftshift函数的逆函数，将中心位置的低频，重新移到左上角调整频谱的范围，映射到[0,255]区间返回值 = cv2.magnitude(参数1,参数2)1> 参数1：浮点型X坐标值，也就是实部2> 参数2：浮点型Y坐标值，也就是虚部 # 将绘制的图显示在窗口 %matplotlib qt5 import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread(r"image\lena.bmp",cv2.IMREAD_GRAYSCALE) # 傅里叶变换 dft = cv2.dft(np.float32(img),flags = cv2.DFT_COMPLEX_OUTPUT) dftShift = np.fft.fftshift(dft) # 逆傅里叶变换 ishift = np.fft.ifftshift(dftShift) iimg = cv2.idft(ishift) iimg = cv2.magnitude(iimg[:,:,0],iimg[:,:,1]) plt.subplot(1,2,1) plt.imshow(img,cmap=plt.cm.gray) plt.title("original") plt.axis("off") plt.subplot(1,2,2) plt.imshow(iimg,cmap=plt.cm.gray) plt.title("inverse") plt.axis("off") plt.show 将一副图像，进行傅里叶变换和逆傅里叶变换后，进行对比（一样的） 实例：通过opencv实现低通滤波，模糊一副图像
-
如何在C语言中找出100以内所有素数并每行打印10个？使用函数prime(m)来判断一个数是否为素数，并返回1或0的结果
-
如何在C语言中通过参数传递并返回函数的输出结果？
-
使用MyBatis调用存储过程并获取返回的游标
-
Intellij IDEA 插件开发入门详解 - 如何添加 Application 和 Project Component，并创建 Action？ 在本文中，我们将详细介绍如何在 IntelliJ IDEA 中添加 Application 和 Project Component，并且通过这些组件来创建一个简单的 Action。 首先，我们将在 src 目录上使用 Alt+Insert 快捷键打开 New 对话框，然后从中选择 Application Component 并输入名称如 MyComponent。接下来，我们在 MyComponent 类中添加一个 sayHello 方法并编写相关逻辑。 然后，我们需要为我们的插件添加一个 Action，使用户可以通过菜单或其它方式访问它。为此，我们将创建一个新的类 SayHelloAction 继承自 AnAction 类，并在 actionPerformed 方法中获取 Application 和 MyComponent 对象，最后调用 MyComponent 的 sayHello 方法。 最后，我们需要为我们的插件配置相关的文件以确保它可以正常运行。在本文中，我们将详细介绍如何进行这些配置。
-
运行指令并获取返回结果
-
在Windows环境中，C和C++如何实现实时运行CMD命令并获取其输出
-
如何在Python中使用subprocess模块来运行命令、进行交互、等待进程结束并解析返回的JSON数据
-
在本地Shell脚本里通过SSH连接到远端服务器并运行指令
-
如何轻松使用JMeter进行HTTP接口测试 - 一步步教你设置线程组、 cookie、默认值与Sampler，加上响应断言和监听器，打造基础测试案例。针对复杂情况，将子系统和流程测试分类组织，确保数据一致性。同时，别忘了感谢阅读，给新手提供实战学习资源与全套测试指南，助你轻松踏上自动化测试之路！ - 在"测试计划"点击右键，添加"线程组"并设定初始"线程数"和"循环次数" - 配置"HTTP Cookie管理器"与"Http请求默认值"，输入目标系统信息，如域名、端口、协议等，让所有相关Sampler共享这些默认设置 - 在线程组内增加"HTTP Request"的Sampler，并填入接口详情，比如路径、请求方法及参数 - 添加"响应断言"检查接口返回结果，通过正则表达式验证预期结果 - 安装监听器，实时查看测试执行状况 - 如需处理流程性接口，请依次添加多个相关Sampler，关联前后请求间的上下文数据 特别提示：为了帮助大家避免学习中的曲折，我们准备了详尽的视频和文档资料库，无论你是软件测试的新手还是老司机，都能从中找到所需的全方位支持。只需点击下方链接加入我们的学习交流社群，就能立刻获取这份珍贵的学习宝藏！再次感谢您的耐心阅读，愿它成为您前行路上的一大助力！