Python 动态执行代码详解：利用 exec 函数控制命名空间与安全策略

Python 动态执行代码的核心工具：exec() 函数

在开发自动化脚本或构建动态解释器时，经常需要面对一段代码仅在程序运行阶段才生成的情况。exec() 作为 Python 的核心内置函数之一，专门负责接收由字符串包装的代码实体，即时将其编译为可运行的字节码。相较于仅能计算表达式值的 eval()，它具备执行复杂结构的权限，涵盖各类变量声明、分支判断流程乃至自定义方法的定义。

第1步：明确语法架构并执行基础逻辑

目的与准备环境：确认所处的脚本环境或交互终端中具备基础的代码执行能力，准备好一段需要即时生效的代码字符串。

操作动作与参数：调用的核心签名为 exec(object[, globals[, locals]])。首要任务是确保 object 参数包含符合规范的源代码，可以是单行短指令，也可以是利用三引号拼接的长文本块。

示例演练与完成状态：传递一条打印指令，函数将在执行瞬间将目标文本推送至控制台：

exec('print("Hello, world!")')

若要批量处理多行逻辑，例如初始化计算基数并输出结果：

code = '''
x = 42
print("The answer is:", x)
'''
exec(code)

执行完成后，不仅触发了预期的文本反馈，同时会在当前代码的作用域内激活 x 变量，后续可以直接复用该标识符。

第2步：利用命名空间字典精准控制作用域

目的与风险前置：直接将代码暴露在默认的全局环境中极易造成变量覆盖隐患。为实现隔离，可利用第二个参数引入自定义的全局字典。

操作动作与参数：预先构建包含所需数据的字典（如配置项），随后将其传递给 globals。执行引擎在执行期间将完全基于这个字典进行符号查找。

示例演练与完成状态：限制执行代码只能在给定的数据集范围内工作：

variables = {'a': 1, 'b': 2, 'c': 3}
code = '''
print("a + b + c =", a + b + c)
'''
exec(code, variables)

若需同时约束局部的读取范围，可将空字典传给 globals，并通过第三个参数 locals 传递专属的临时表：

code = '''
x = 5
y = 10
print("x + y =", x + y)
'''
exec(code, {}, {'x': 1, 'y': 2})

完成判定依据为：外部主程序的运行状态不受影响，所有的读取或赋值行为均被严格锁死在传递进来的两个字典之内。

第3步：实施防护措施阻断恶意代码注入

风险提示与前提条件：赋予任何文本以最高级别的执行权是极其危险的举动。攻击者若能将破坏性命令拼凑进输入框并提交，整个系统将面临沦陷。

应对动作：必须在代码入舱前建立拦截网。强制要求所有传入的内容经过严格的字符集检测，剔除非法关键字；坚决切断未经核验的外部网络接口与动态引擎的连接。在处理高敏任务时，尽量将这类操作封装至权限受限的独立子进程中。

重要参数与限制技巧：压缩可用能力的边界。向全局字典内植入 {} 取代默认的内置环境，从而剥夺代码调用危险系统模块（如文件读写）的能力。注：网上流传的通过 ast 模块调用 restricted_eval() 来限制执行的说法缺乏事实依据，Python 原生并无此函数，正确的路径是采用代码审计解析或部署专业沙箱组件。

合理使用命名空间能够有效降低不可控执行的负面冲击。以上就是 Python 动态执行代码与 exec 函数操作的详细内容，更多关于 Python 高级特性的资料请关注本站其它相关文章！