如何在wsgi中启动pdftk子进程？

Question

我需要在Django中处理网页请求时启动一个pdftk进程，并等待它完成。现在我的pdftk代码是这样的：

proc = subprocess.Popen(["/usr/bin/pdftk", 
                         "/tmp/infile1.pdf", 
                         "/tmp/infile2.pdf", 
                         "cat", "output", "/tmp/outfile.pdf"])    
proc.communicate()

在开发服务器上运行时（以用户www-data身份运行），这个代码没问题。但是一旦我切换到mod_wsgi，什么都不改，代码就卡在proc.communicate()这一步，而“outfile.pdf”文件则变成了一个长度为零的打开文件句柄。

我尝试了几种不同的子进程调用方式（还有老式的os.system）——把stdin/stdout/stderr设置为PIPE或者其他文件句柄都没有改变结果。使用“shell=True”可以让proc.communicate()不再卡住，但这时pdftk就无法创建输出文件，无论是在开发服务器还是mod_wsgi下都一样。这个讨论似乎表明，pdftk和操作系统信号之间可能有一些我不太理解的复杂问题。

有没有什么解决办法可以让这样的子进程调用在wsgi下正常工作？我不想用PyPDF来合并PDF文件，因为我需要合并的文件数量比较多（几百个），这样会导致内存不足（PyPDF在合并时需要把每个源PDF文件都保留在内存中）。

我是在最近的Ubuntu系统上，使用Python 2.6和2.7进行这个操作。

Answer 1

更新：在Python 3中使用Pdftk合并两个PDF文件：

这个问题已经被提出好几年了（2011年）。最开始提问的人说，在他们使用较旧版本的Python时，os.system没有起作用：

• Python 2.6 和
• Python 2.7

在Python 3.4中，os.system对我来说是有效的：

• import os
• os.system("pdftk " + template_file + " fill_form " + data_file + " output " + export_file)

Python 3.5增加了subprocess.run这个功能：

• subprocess.run("pdftk " + template_file + " fill_form " + data_file + " output " + export_file)

• 我使用了文件的绝对路径：

  • template_file = "/var/www/myproject/static/"

我在Django 1.10中运行了这个，生成的输出被保存到export_file中。

如何合并两个PDF并显示PDF输出：

from django.http import HttpResponse, HttpResponseNotFound
from django.core.files.storage import FileSystemStorage
from fdfgen import forge_fdf
import os

template_file = = "/var/www/myproject/template.pdf"
data_file = "/var/www/myproject/data.fdf"
export_file ="/var/www/myproject/pdf_output.pdf"

fields = {}
fields['organization_name'] = organization_name
fields['address_line_1'] = address_line_1
fields['request_date'] = request_date
fields['amount'] = amount
field_list = [(field, fields[field]) for field in fields]

fdf = forge_fdf("",field_list,[],[],[])
fdf_file = open(data_file,"wb")
fdf_file.write(fdf)
fdf_file.close()

os.system("pdftk " + template_file + " fill_form " + data_file + " output " + export_file)
time.sleep(1)

fs = FileSystemStorage()
if fs.exists(export_file):
  with fs.open(export_file) as pdf:
    return HttpResponse(pdf, content_type='application/pdf; charset=utf-8')
else:
    return HttpResponseNotFound('The requested pdf was not found in our server.')

库：

• pdftk
• fdfgen

Answer 2

尝试使用绝对路径来指定输入和输出文件。因为在Apache下的当前工作目录可能和运行服务器的目录不一样，可能是任何地方。

---

这是在排除明显问题后的第二次尝试。

pdftk程序是一个Java程序，它需要能够生成或接收SIGPWR信号来触发垃圾回收或执行其他操作。问题在于，在Apache/mod_wsgi的守护进程模式下，请求处理线程中会阻止信号的接收，以确保只有主线程能接收到进程关闭的触发事件。当你为运行pdftk而分叉进程时，它不幸地继承了请求处理线程中的信号屏蔽。这就导致Java的垃圾回收过程受到影响，造成pdftk以奇怪的方式失败。

解决这个问题的唯一方法是使用Celery，让前端提交一个任务到Celery队列，然后由celeryd来分叉并执行pdftk。因为这个操作是在一个与Apache不同的进程中进行的，所以就不会遇到这个问题。

想了解更多详细信息，可以在Google上搜索mod_wsgi和pdftk，特别是在Google Groups中。

http://groups.google.com/group/modwsgi/search?group=modwsgi&q=pdftk&qt_g=Search+this+group