我正在尝试将 python 代码动态添加到沙盒模块中，以便在远程机器上执行。我遇到了如何处理导入方法的问题。例如，常见的脚本编写如下：
from test_module import g
import other_module
def f():
g()
other_module.z()
我知道我可以用 g 和可能的 z 腌制 f，但是如何保留 z 的“other_module”范围？如果我将 f 和 g 都放在沙箱中，那么在调用 f 时 z 将无法正确解析。是否可以使用某种类型的嵌入式模块来正确解析 z，即 sandbox.other_module？
我将远程代码加载到沙箱中的目的是不污染全局命名空间。例如，如果使用它自己的依赖图调用另一个远程方法，那么它不应该干扰另一组远程代码。期望 python 在沙盒模块进出使用时保持稳定是否现实？我之所以这么说是因为这篇文章： 如何卸载（重新加载）Python 模块？ 这让我觉得在这种情况下删除模块（例如不同的沙箱）可能会出现问题。
其他模块可以通过以下方式导入沙箱（您的意思是在运行时动态创建的模块）
sandbox.other_module = __import__('other_module')
或者：
exec 'import other_module' in sandbox.__dict__
如果您从其他模块或其他沙盒模块中调用“沙盒”模块，并且您想稍后重新加载一些新代码，那么只导入一个模块而不是像“from sandbox import f”这样的模块名称会更容易，然后调用“sandbox. f”不是“f”。然后很容易重新加载。（但自然地重新加载命令对它没有用）
课程
>>> class A(object): pass
...
>>> a = A()
>>> A.f = lambda self, x: 2 * x # or a pickled function
>>> a.f(1)
2
>>> A.f = lambda self, x: 3 * x
>>> a.f(1)
3
似乎重新加载方法很容易。我记得重新加载在修改后的源代码中定义的类可能会很复杂，因为旧的类代码可以由某个实例保存。在最坏的情况下，可以/需要单独更新实例的代码：
some_instance.__class__ = sandbox.SomeClass # that means the same reloaded class
我将后者与通过 win32com 自动化访问的 python 服务一起使用，并且类代码的重新加载成功而不会丢失实例数据
我目前的方法是启用“import x”和“from x import y”依赖捆绑。对于当前的实现，一个缺点是它会在每个使用的模块中创建方法的副本，而在代码源中，每个用法只是对内存中相同方法的引用（尽管我在这里有冲突的结果 -请参阅代码后的部分）。
/// analysis_script.py /// （为简洁起见，排除了依赖项）
import test_module
from third_level_module import z
def f():
for i in range(1,5):
test_module.g('blah string used by g')
z()
/// 驱动程序.py ///
import modutil
import analysis_script
modutil.serialize_module_with_dependencies(analysis_script)
/// modutil.py ///
import sys
import modulefinder
import os
import inspect
import marshal
def dump_module(funcfile, name, module):
functions_list = [o for o in inspect.getmembers(module) if inspect.isfunction(o[1])]
print 'module name:' + name
marshal.dump(name, funcfile)
for func in functions_list:
print func
marshal.dump(func[1].func_code, funcfile)
def serialize_module_with_dependencies(module):
python_path = os.environ['PYTHONPATH'].split(os.pathsep)
module_path = os.path.dirname(module.__file__)
#planning to search for modules only on this python path and under the current scripts working directory
#standard libraries should be expected to be installed on the target platform
search_dir = [python_path, module_path]
mf = modulefinder.ModuleFinder(search_dir)
#__file__ returns the pyc after first run
#in this case we use replace to get the py file since we need that for our call to mf.run_script
src_file = module.__file__
if '.pyc' in src_file:
src_file = src_file.replace('.pyc', '.py')
mf.run_script(src_file)
funcfile = open("functions.pickle", "wb")
dump_module(funcfile, 'sandbox', module)
for name, mod in mf.modules.iteritems():
#the sys module is included by default but has no file and we don't want it anyway, i.e. should
#be on the remote systems path. __main__ we also don't want since it should be virtual empty and
#just used to invoke this function.
if not name == 'sys' and not name == '__main__':
dump_module(funcfile, name, sys.modules[name])
funcfile.close()
/// sandbox_reader.py ///
import marshal
import types
import imp
sandbox_module = imp.new_module('sandbox')
dynamic_modules = {}
current_module = ''
with open("functions.pickle", "rb") as funcfile:
while True:
try:
code = marshal.load(funcfile)
except EOFError:
break
if isinstance(code,types.StringType):
print "module name:" + code
if code == 'sandbox':
current_module = "sandbox"
else:
current_module = imp.new_module(code)
dynamic_modules[code] = current_module
exec 'import '+code in sandbox_module.__dict__
elif isinstance(code,types.CodeType):
print "func"
if current_module == "sandbox":
func = types.FunctionType(code, sandbox_module.__dict__, code.co_name)
setattr(sandbox_module, code.co_name, func)
else:
func = types.FunctionType(code, current_module.__dict__, code.co_name)
setattr(current_module, code.co_name, func)
else:
raise Exception( "unknown type received")
#yaa! actually invoke the method
sandbox_module.f()
del sandbox_module
例如，函数图在序列化之前如下所示：
module name:sandbox
('f', <function f at 0x15e07d0>)
('z', <function z at 0x7f47d719ade8>)
module name:test_module
('g', <function g at 0x15e0758>)
('z', <function z at 0x7f47d719ade8>)
module name:third_level_module
('z', <function z at 0x7f47d719ade8>)
具体来说，查看函数 z 我们可以看到所有引用都指向同一个地址，即 0x7f47d719ade8。
在沙盒重建后的远程进程上，我们有：
print sandbox_module.z
<function z at 0x1a071b8>
print sandbox_module.third_level_module.z
<function z at 0x1a072a8>
print sandbox_module.test_module.z
<function z at 0x1a072a8>
这让我大吃一惊！我原以为这里的所有地址在重建后都是唯一的，但由于某种原因 sandbox_module.test_module.z 和 sandbox_module.third_level_module.z 有相同的地址？
<module_name> <serialized_func1> <serialized_func2>...不够通用。一个函数可以在本地机器上通过“... import ... as ...”子句以不同的名称导入。您可以序列化混合字符串和代码对象的元组列表。暗示
def some_filter(module_name):
mod_path = sys.modules[module_name].__file__
# or if getattr(sys.modules[module_name], 'some_my_attr', None)
return not mod_path.startswith('/usr/lib/python2.7/')
dumped_funcs = {}
def dump_module(...
...
data = []
for func_name, func_obj in functions_list:
if some_filter(func_obj.__module__) and not func_obj in dumped_funcs and \
hasattr(func_obj, 'func_code'):
data.append((func_name, func_obj.func_code))
dumped_funcs[func_obj] = True # maybe later will be saved package.mod.fname
else:
data.append((func_name, '%s.%s' % (func_obj.__module__, \
func_obj.func_code.co_name)))
marshal.dump(data, funcfile)
现在沙盒和其他序列化模块之间没有重要区别。条件“如果沙箱”可以很快被删除。