如何在AWS SageMaker JupyterLab中与shell交互并输入stdin值

失效原因排查 #

你之前修改sys.stdin的方案仅对当前Python内核运行的原生Python代码生效，Jupyter中以!开头的shell魔术命令会启动独立的shell子进程，不会继承Python层修改后的stdin配置，这是代码不生效的核心原因。

行业标准实现方案 #

1. 单条shell命令快速适配（优先推荐） #

这是非交互环境下处理命令stdin需求的最通用方案，两种常用写法：

• 针对确认类提示，直接用yes命令管道传值，自动应答所有确认提问：

!yes | tensorboard dev upload --logdir tb_logs --name "OntologyTagger" --description "OntologyTagger" --one_shot

• 针对多组自定义输入，直接用shell输入重定向读取stdinputs.txt文件内容作为stdin：

!tensorboard dev upload --logdir tb_logs --name "OntologyTagger" --description "OntologyTagger" --one_shot < stdinputs.txt

2. 命令原生静默参数优先 #

大部分支持交互确认的工具都自带静默执行参数，比传stdin稳定性更高。以本次使用的tensorboard命令为例，可直接添加--yes参数跳过确认步骤，无需额外传递stdin：

!tensorboard dev upload --logdir tb_logs --name "OntologyTagger" --description "OntologyTagger" --one_shot --yes

3. 全局统一适配方案（覆盖Python+shell所有进程） #

如果你需要批量处理大量需要stdin的代码，可做统一封装实现全局生效：

• 针对Python代码：保留你原有修改sys.stdin的代码，放在Notebook最开头的单元格运行，后续所有Python代码调用input()、sys.stdin.readline()都会自动读取预设的输入内容
• 针对shell命令：封装Python工具函数统一处理stdin注入，示例代码如下：

import subprocess

def run_shell(cmd, input_file="stdinputs.txt"):
    with open(input_file, "r", encoding="utf-8") as f:
        input_content = f.read()
    result = subprocess.run(
        cmd, 
        shell=True, 
        input=input_content.encode("utf-8"), 
        capture_output=True, 
        text=True
    )
    print(result.stdout)
    if result.stderr:
        print(result.stderr)

后续需要执行shell命令时，直接调用该函数即可自动注入stdin：

run_shell('tensorboard dev upload --logdir tb_logs --name "OntologyTagger" --description "OntologyTagger" --one_shot')

内容的提问来源于stack exchange，提问作者user16341274