Flask-Shell2HTTP 使用指南
2025-04-18 15:20:47作者:申梦珏Efrain
1. 项目介绍
Flask-Shell2HTTP 是一个基于 Flask 框架的扩展,它可以将任何命令行工具转换为 REST API 服务。这个扩展通过 Flask 的端点异步且安全地执行预定义的 shell 命令,支持动态参数、文件上传、回调函数等功能。它适用于二进制到二进制/HTTP 通信、开发、原型设计、远程控制等多种场景。
2. 项目快速启动
首先,确保您的环境中已经安装了 Python(版本需大于等于 3.6)和 Flask。
接着,通过以下命令安装 Flask-Shell2HTTP:
pip install flask flask_shell2http
然后,创建一个名为 app.py 的文件,并编写以下代码:
from flask import Flask
from flask_executor import Executor
from flask_shell2http import Shell2HTTP
# 创建 Flask 应用实例
app = Flask(__name__)
executor = Executor(app)
shell2http = Shell2HTTP(app=app, executor=executor, base_url_prefix="/commands/")
def my_callback_fn(context, future):
# 用户定义的回调函数(可选)
print(context, future.result())
# 注册一个命令到端点
shell2http.register_command(endpoint="saythis", command_name="echo", callback_fn=my_callback_fn, decorators=[])
if __name__ == "__main__":
app.run(port=4000)
最后,运行应用服务器:
flask run -p 4000
现在,您的 Flask 应用已经可以通过 HTTP 调用来执行 shell 命令了。
3. 应用案例和最佳实践
设置回调函数
在执行完 shell 命令后,可以定义一个回调函数来处理结果:
def my_callback_fn(context, future):
# 用户定义的回调函数(可选)
print(context, future.result())
shell2http.register_command(endpoint="callback_example", command_name="echo", callback_fn=my_callback_fn, decorators=[])
处理文件上传
Flask-Shell2HTTP 支持在命令中处理多个文件上传:
shell2http.register_command(endpoint="upload_example", command_name="some_command", callback_fn=None, decorators=[], allow_files=True)
使用装饰器
可以为端点添加 Flask 装饰器来控制访问:
from flask import request
def require_login(f):
@wraps(f)
def decorated_function(*args, **kwargs):
if request.remote_addr != '127.0.0.1':
return "Not allowed", 403
return f(*args, **kwargs)
return decorated_function
shell2http.register_command(endpoint="secure_command", command_name="echo", callback_fn=None, decorators=[require_login])
4. 典型生态项目
Flask-Shell2HTTP 可以与 Docker 容器中的其他服务配合使用,例如将不同的二进制工具分布在微容器中,并通过 HTTP 请求在这些容器之间进行通信。这种模式特别适用于需要隔离环境或动态执行不同命令的场景。
以上是基于 Flask-Shell2HTTP 的简单教程,通过这个扩展,开发者可以轻松地将命令行工具转化为网络服务,为各种自动化任务提供便利。
登录后查看全文
热门项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0142- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。00
CherryUSBCherryUSB 是一个小而美的、可移植性高的、用于嵌入式系统(带 USB IP)的高性能 USB 主从协议栈C00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
595
4 K
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
69
21
暂无简介
Dart
831
204
Ascend Extension for PyTorch
Python
426
505
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
109
164
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
912
741
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
昇腾LLM分布式训练框架
Python
129
152
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.44 K
805