如何从64位Python进程访问32位进程生成的date变量？

这个需求完全可行，有多种实现方式，其中用JSON文件共享数据是最省心的方案，当然也可以选择其他进程间通信方式，具体如下：

一、JSON文件共享（最推荐） #

因为data.py是定期运行的，每次生成或更新date变量后，直接把格式化好的d/m/Y字符串写入JSON文件，main.py在无限循环里定期读取这个文件即可，跨32/64位环境完全没有问题。

示例代码 #

• 32位环境的data.py：

import datetime
import json

# 生成目标date变量
date = datetime.datetime.now()
# 将格式化后的日期写入JSON文件
with open("date_data.json", "w", encoding="utf-8") as f:
    json.dump({"formatted_date": date.strftime("%d/%m/%Y")}, f)

• 64位环境的main.py读取逻辑：

import json
import time

while True:
    try:
        with open("date_data.json", "r", encoding="utf-8") as f:
            data = json.load(f)
            formatted_date = data["formatted_date"]
            print(f"获取到的日期：{formatted_date}")
    except FileNotFoundError:
        print("暂未获取到日期数据")
    # 每隔一段时间读取一次，周期和data.py的运行频率匹配即可
    time.sleep(60)

这种方式的优点是实现简单，不需要处理复杂的进程通信逻辑，容错性也强——就算某一次data.py运行失败，main.py最多只是读取旧数据或提示未获取到，不会崩溃。

二、其他可选方案（适合实时性要求更高的场景） #

如果不想用文件，也可以通过以下方式实现跨进程数据传递，但复杂度更高，你的需求是定期运行，其实没必要：

• 本地套接字：main.py启动一个本地socket服务端，data.py每次运行时作为客户端连接服务端，把日期数据发送过去。
• 命名管道：在系统中创建一个命名管道，data.py往管道写数据，main.py从管道读取。
• 共享内存：利用Python的multiprocessing模块或第三方库实现跨进程共享内存，但要注意32/64位环境下内存地址的兼容性，实现起来最麻烦。

总结 #

如果只是定期获取date变量，直接用JSON文件共享是最优解，完全能满足你的需求，不需要折腾更复杂的方案。

内容的提问来源于stack exchange，提问作者Py_trader