根据PowerShell调用Python脚本&；传递PSObject并返回解析后的数据

一些背景：目前，我正在使用从MS SQL server查询4Mio行（50列）到PSObject（每次查询批处理10.000行），使用PowerShell处理数据（许多RegEx内容），并使用将数据写回MariaDb。 平均而言，我得到大约150行/秒。必须使用很多技巧（Net的Stringbuilder等）来实现这一性能，这并不是那么糟糕

作为新的要求，我想检测一些文本单元格的语言，我必须删除个人数据（姓名和地址）。为此，我找到了一些好的python库（和）。 我用pycld2做了测试——检测非常好

用于澄清的简化代码（提示：我是python noob）：

每次python调用都有效，但由于每次循环调用和导入pycld2库，它会破坏性能（12行/秒）。因此，这是一个蹩脚的解决方案：） 此外，如上所述，我想使用spacy，其中需要解析更多的列以删除个人数据

我不确定，如果我有心情将整个PS解析器转换为python：|

我相信，一个更好的解决方案可能是将整个PSObject从PowerShell传递到python（在PS循环开始之前），并在用python处理之后将其与PSObject一起返回，但我不知道如何使用python/python函数实现这一点

你的方法/建议是什么，还有其他想法吗？

---

谢谢：）

以下简化示例演示了如何将多个

[pscustomobject]

（

[psobject]

）实例从PowerShell传递到Python脚本（在本例中，通过

-c

作为字符串传递）：

• 通过使用JSON作为序列化格式，通过

• 。。。通过管道传递JSON，Python可以通过标准输入（stdin）读取管道

重要：

• 字符编码：
  • PowerShell在向外部程序（如Python）发送数据时使用

    $outpunecoding

    首选项变量中指定的编码，这在PowerShell[Core]v6+中默认为BOM较少的UTF-8，但遗憾的是在Windows PowerShell中默认为ASCII（！）

  • 就像PowerShell限制您向外部程序发送文本一样，它也总是将接收到的内容解释为文本，即基于存储在

    [控制台]：：outpuneCoding

    ；遗憾的是，在撰写本文时，这两个PowerShell版本都默认为系统的OEM代码页

  • 要在两个PowerShell版本中同时发送和接收（无BOM）UTF-8，请（临时）设置

    $outpuneCoding

    和

    [控制台]：：outpuneCoding

    ，如下所示：
    

    $outpunecoding=[Console]：：outpunecoding=[System.Text.Utf8Encoding]：：new（$false）

>P>如果您希望Python脚本<强>也输出对象，请再次考虑使用JSON<强>，在PuthSek上，您可以解析为<强> ./P>的对象。

---

如果要传递的数据是单行字符串的集合，则不需要JSON：

$data = 'foo', 'bar', 'baz'

$data | python -c @'

import sys

# Sample processing: print each stdin input line enclosed in [...]
for line in sys.stdin:
  print('[' + line.rstrip('\r\n') + ']')

'@

---

基于@mklement0的答案，我想分享一个完整且经过测试的解决方案，将JSON从python返回到Powershell，并考虑正确的字符编码。 我已经试过了，一批10万行-没有问题，运行完美且超高速：）

---

请为这不幸的事件道歉；脚本块包含SQL、Powershell和Python。。实际上，用Powershell删除文本可能会更快？我已经用Powershell做了很多解析、删除等工作。使用powershell删除电子邮件也很容易。但我没有发现任何数据科学图书馆像spacy一样能够检测名称或语言，就像pycld2一样。这就是Python的原因。

# Sample input objects.
$data = [pscustomobject] @{ one = 1; two = 2 }, [pscustomobject] @{ one = 10; two = 20 }

# Convert to JSON and pipe to Python.
ConvertTo-Json $data | python -c @'

import sys, json

# Parse the JSON passed via stdin into a list of dictionaries.
dicts = json.load(sys.stdin)

# Sample processing: print the 'one' entry of each dict.
for dict in dicts:
  print(dict['one'])

'@

$data = 'foo', 'bar', 'baz'

$data | python -c @'

import sys

# Sample processing: print each stdin input line enclosed in [...]
for line in sys.stdin:
  print('[' + line.rstrip('\r\n') + ']')

'@

#get data from MS SQL
$query = -join@(
                'SELECT `Id`, `CaseSubject`, `CaseDescription`, 
                `AccountCountry`, `CaseLang` '
                'FROM `db`.`table_global` '
                'ORDER BY `Id` DESC, `Id` ASC '
                'LIMIT 10000;'
                )
$data = Invoke-DbaQuery -SqlInstance $Connection -Query $Query -As PSObject -QueryTimeout 1800

$arg = @'
import pycld2 as cld2
import simplejson as json
import sys, re, logging

def main():
  #toggle the logging level to stderr
  # https://stackoverflow.com/a/6579522/14226613 -> https://docs.python.org/3/library/logging.html#logging.debug
  logging.basicConfig(stream=sys.stderr, level=logging.DEBUG)
  logging.info('->Encoding Python: ' + str(sys.stdin.encoding))
  # consideration of correct character encoding -> https://stackoverflow.com/a/30107752/14226613
  # Parse the JSON passed via stdin into a list of dictionaries -> https://stackoverflow.com/a/65051178/14226613
  cases = json.load(sys.stdin, 'utf-8')
  # Sample processing: print the 'one' entry of each dict.
  # https://regex101.com/r/bymIQS/1
  regex = re.compile(r'(?=[^\w\s]).|[\r\n]|\'|\"|\\')
  # hash table with Country vs Language for 'boosting' the language detection, if pycld2 is not sure
  lang_country = {'Albania' : 'ALBANIAN', 'Algeria' : 'ARABIC', 'Argentina' : 'SPANISH', 'Armenia' : 'ARMENIAN', 'Austria' : 'GERMAN', 'Azerbaijan' : 'AZERBAIJANI', 'Bangladesh' : 'BENGALI', 'Belgium' : 'DUTCH', 'Benin' : 'FRENCH', 'Bolivia, Plurinational State of' : 'SPANISH', 'Bosnia and Herzegovina' : 'BOSNIAN', 'Brazil' : 'PORTUGUESE', 'Bulgaria' : 'BULGARIAN', 'Chile' : 'SPANISH', 'China' : 'Chinese', 'Colombia' : 'SPANISH', 'Costa Rica' : 'SPANISH', 'Croatia' : 'CROATIAN', 'Czech Republic' : 'CZECH', 'Denmark' : 'DANISH', 'Ecuador' : 'SPANISH', 'Egypt' : 'ARABIC', 'El Salvador' : 'SPANISH', 'Finland' : 'FINNISH', 'France' : 'FRENCH', 'Germany' : 'GERMAN', 'Greece' : 'GREEK', 'Greenland' : 'GREENLANDIC', 'Hungary' : 'HUNGARIAN', 'Iceland' : 'ICELANDIC', 'India' : 'HINDI', 'Iran' : 'PERSIAN', 'Iraq' : 'ARABIC', 'Ireland' : 'ENGLISH', 'Israel' : 'HEBREW', 'Italy' : 'ITALIAN', 'Japan' : 'Japanese', 'Kosovo' : 'ALBANIAN', 'Kuwait' : 'ARABIC', 'Mexico' : 'SPANISH', 'Monaco' : 'FRENCH', 'Morocco' : 'ARABIC', 'Netherlands' : 'DUTCH', 'New Zealand' : 'ENGLISH', 'Norway' : 'NORWEGIAN', 'Panama' : 'SPANISH', 'Paraguay' : 'SPANISH', 'Peru' : 'SPANISH', 'Poland' : 'POLISH', 'Portugal' : 'PORTUGUESE', 'Qatar' : 'ARABIC', 'Romania' : 'ROMANIAN', 'Russia' : 'RUSSIAN', 'San Marino' : 'ITALIAN', 'Saudi Arabia' : 'ARABIC', 'Serbia' : 'SERBIAN', 'Slovakia' : 'SLOVAK', 'Slovenia' : 'SLOVENIAN', 'South Africa' : 'AFRIKAANS', 'South Korea' : 'Korean', 'Spain' : 'SPANISH', 'Sweden' : 'SWEDISH', 'Switzerland' : 'GERMAN', 'Thailand' : 'THAI', 'Tunisia' : 'ARABIC', 'Turkey' : 'TURKISH', 'Ukraine' : 'UKRAINIAN', 'United Arab Emirates' : 'ARABIC', 'United Kingdom' : 'ENGLISH', 'United States' : 'ENGLISH', 'Uruguay' : 'SPANISH', 'Uzbekistan' : 'UZBEK', 'Venezuela' : 'SPANISH'}
  for case in cases:
    #concatenate two fiels and clean them a bitfield, so that we not get any faults due line brakes etc.
    tCaseDescription = regex.sub('', (case['CaseSubject'] + ' ' + case['CaseDescription']))
    tCaseAccCountry = case['AccountCountry']
    if tCaseAccCountry in lang_country:
      language = lang_country[tCaseAccCountry]
      isReliable, textBytesFound, details = cld2.detect(tCaseDescription, 
            isPlainText = True, 
            bestEffort = True,
            hintLanguage = language)
    else:
      isReliable, textBytesFound, details = cld2.detect(tCaseDescription, 
            isPlainText = True, 
            bestEffort = True)

    #Take Value
    case['CaseLang'] = details[0][0]
    #logging.info('->Python processing CaseID: ' + str(case['Id']) + ' / Detected Language: ' + str(case['CaseLang']))
  #encode to JSON
  retVal = json.dumps(cases, 'utf-8')
  return retVal

if __name__ == '__main__':
  retVal = main()
  sys.stdout.write(str(retVal))
'@

$dataJson = ConvertTo-Json $data
$data = ($dataJson | python -X utf8 -c $arg) | ConvertFrom-Json

foreach($case in $data) {
    $tCaseSubject = $case.CaseSubject -replace "\\", "\\" -replace "'", "\'"
    $tCaseDescription = $case.CaseDescription -replace "\\", "\\" -replace "'", "\'"
    $tCaseLang = $case.CaseLang.substring(0,1).toupper() + $case.CaseLang.substring(1).tolower()
    $tCaseId = $case.Id
    
    $qUpdate = -join @(
        "UPDATE db.table_global SET CaseSubject=`'$tCaseSubject`', "
        "CaseDescription=`'$tCaseDescription`', "
        "CaseLang=`'$tCaseLang`' "
        "WHERE Id=$tCaseId;"
    )

    try{
        $result = Invoke-SqlUpdate -ConnectionName 'maria' -Query $qUpdate
      } catch {
        Write-Host -Foreground Red -Background Black ("result: " + $result + ' / No. ' + $i)
        #break
      }
}

Close-SqlConnection -ConnectionName 'maria'