在 Python 中查看 Popen 管道流

背景：
Linux 上的 Python 2.6.6。 DNA 序列分析流程的第一部分。
我想从已安装的远程存储（LAN）读取可能经过 gzip 压缩的文件，以及它是否经过 gzip 压缩； gunzip 将其压缩到流中（即使用gunzip FILENAME -c），如果流（文件）的第一个字符是“@”，则将该整个流路由到一个在标准输入上获取输入的过滤程序，否则只需将其直接通过管道传输到本地磁盘上的文件。我想最大限度地减少从远程存储读取/查找文件的数量（仅一次通过文件应该不是不可能的？）。

示例输入文件的内容，前四行对应于 FASTQ 格式的一条记录：

@I328_1_FC30MD2AAXX:8:1:1719:1113/1                                        
GTTATTATTATAATTTTTTACCGCATTTATCATTTCTTCTTTATTTTCATATTGATAATAAATATATGCAATTCG
+I328_1_FC30MD2AAXX:8:1:1719:1113/1                                        
hhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhhahhhhhhfShhhYhhQhh]hhhhffhU\UhYWc

不应通过管道传输到过滤程序的文件包含如下所示的记录（前两行对应于 FASTA 格式的一条记录）：

>I328_1_FC30MD2AAXX:8:1:1719:1113/1
GTTATTATTATAATTTTTTACCGCATTTATCATTTCTTCTTTATTTTCATATTGATAATAAATATATGCAATTCG

有些人编写了半伪代码来可视化我想要做的事情（我知道按照我编写的方式这是不可能的）。我希望这有一定道理：

if gzipped:
    gunzip = Popen(["gunzip", "-c", "remotestorage/file.gz"], stdout=PIPE)
    if gunzip.stdout.peek(1) == "@": # This isn't possible
        fastq = True
    else:
        fastq = False
if fastq:
    filter = Popen(["filter", "localstorage/outputfile.fastq"], stdin=gunzip.stdout).communicate()
else:
    # Send the gunzipped stream to another file

忽略这样一个事实：代码不会像我在这里编写的那样运行，并且我没有错误处理等，所有这些都已经在我的其他代码中了。我只是想要帮助查看流或找到解决方法。如果你能的话我会很棒gunzip.stdout.peek(1)但我意识到这是不可能的。

到目前为止我尝试过的：
我认为 subprocess.Popen 可能会帮助我实现这一目标，并且我尝试了很多不同的想法，其中包括尝试使用某种 io.BufferedRandom() 对象来写入流，但我不知道如何做到这一点会工作。我知道流是不可搜索的，但也许解决方法可能是读取gunzip流的第一个字符，然后创建一个新流，在其中首先根据文件内容输入“@”或“>”，然后填充其余部分将gunzip.stdout-stream添加到新流中。然后，这个新流将被输入到过滤器的 Popen 标准输入中。

请注意，文件大小可能比可用内存大几倍。我不想从远程存储中执行多次源文件读取，也不想进行不必要的文件访问。

欢迎任何想法！请向我提问，如果我说得不够清楚，我可以澄清。

这是您的实现首先根据文件内容输入“@”或“">”，然后将gunzip.stdout-stream的其余部分填充到新流中提议。我只测试了测试的本地文件分支，但它应该足以演示这个概念。

if gzipped:
    source = Popen(["gunzip", "-c", "remotestorage/file.gz"], stdout=PIPE)
else:
    source = Popen(["cat", "remotestorage/file"], stdout=PIPE)
firstchar = source.stdout.read(1)
# "unread" the char we've just read
source = Popen([r"(printf '\x%02x' && cat)" % ord(firstchar)],
               shell=True, stdin=source.stdout, stdout=PIPE)

# Now feed the output to a filter or to a local file.
flocal = None
try:
    if firstchar == "@":
        filter = Popen(["filter", "localstorage/outputfile.fastq"],
                       stdin=source.stdout)
    else:
        flocal = open('localstorage/outputfile.stream', 'w')
        filter = Popen(["cat"], stdin=source.stdout, stdout=flocal)
    filter.communicate()
finally:
    if flocal is not None:
        flocal.close()

这个想法是从源命令的输出中读取单个字符，然后使用重新创建原始输出(printf '\xhh' && cat)，有效实现peek。替换流指定shell=True to Popen，将其留给 shell 并cat做繁重的工作。数据始终保留在管道中，永远不会完全读入内存。请注意，仅在单次调用时请求 shell 的服务Popen它实现了不读取所查看的字节，而不是涉及用户提供的文件名的调用。即使在这一点上，该字节也会转义为十六进制，以确保 shell 在调用时不会破坏它printf.

可以进一步清理代码以实现名为的实际函数peek返回所查看的内容和替换内容new_source.