python操作docker可通过docker-py sdk实现，安装方式为pip install docker，并使用docker.from_env()连接本地或远程服务。1. 管理容器：client.containers.run()创建并启动容器，支持端口映射与后台运行；可查看日志、停止或删除容器，但需先停止再删除。2. 镜像构建与拉取：client.images.build()根据dockerfile构建镜像，client.images.pull()从仓库拉取镜像，建议添加异常处理应对构建失败或超时。3. 容器执行命令与状态监控：container.exec_run()可在运行中的容器内执行命令，container.status和container.attrs用于获取状态及详细信息，便于调试和运维。sdk方法与命令行操作一一对应，熟悉后更适合自动化流程。
在Python中操作Docker，其实并不复杂。借助官方提供的docker-py SDK，你可以用Python代码来管理镜像、容器、网络、卷等Docker资源。它的使用方式和命令行操作类似，只是换成了编程语言来实现。
下面是一些常用的技巧和场景说明，适合刚接触SDK的同学上手。
安装与连接Docker服务
首先需要安装SDK库：
立即学习“Python免费学习笔记（深入）”；
pip install docker
然后，在Python脚本中导入并连接Docker服务：
import docker client = docker.from_env()
这个client对象就是你用来操作Docker的核心入口。它默认会尝试连接本地的Docker守护进程（也就是你平时运行docker命令时依赖的那个服务）。
如果你要连接远程Docker服务，可以用TCP方式初始化：
client = docker.DockerClient(base_url='tcp://192.168.1.100:2375')
当然，这要求远程主机开启了Docker API，并配置了相应的访问权限。
管理容器：创建、启动、停止与日志查看
这是最常见的操作之一。比如你想用Python启动一个Nginx容器，可以这样写：
container = client.containers.run("nginx", name="my_nginx", ports={'80/tcp': 8080}, detach=True)几个关键参数说明：
-
"nginx"是使用的镜像名。 -
name指定容器名称，方便后续管理。 -
ports映射宿主机端口到容器内部，格式是{容器端口: 主机端口}。 -
detach=True表示后台运行，相当于-d参数。
一旦容器运行起来，你还可以做这些事：
-
查看日志：
print(container.logs())
-
停止容器：
container.stop()
-
删除容器：
container.remove()
需要注意的是，如果容器还在运行状态，直接删除会报错，建议先stop再remove。
镜像构建与拉取
除了管理容器，SDK也支持构建和拉取镜像。
比如从Dockerfile构建镜像：
client.images.build(path="/path/to/dockerfile", tag="myapp:latest")
其中path是你存放Dockerfile的目录，tag是生成的镜像名。
如果是从仓库拉取已有镜像：
client.images.pull("redis", tag="alpine")这样就能把redis:alpine镜像拉下来备用。
构建失败或者拉取超时的情况也不少见，常见原因包括网络问题、Dockerfile语法错误等，建议加上异常处理：
try:
image, _ = client.images.build(...)
except docker.errors.BuildError as e:
print(f"Build failed: {e}")容器执行命令 & 获取状态
有时候你需要在一个已经运行的容器里执行命令，比如进入容器跑个shell脚本。可以用exec_run方法：
exit_code, output = container.exec_run("ls /tmp")
print(output.decode())这段代码会在容器内执行ls /tmp命令，并输出结果。
另外，想监控容器状态也很简单：
status = container.status # 当前状态，比如 running, exited details = container.attrs # 包含IP、挂载点等详细信息
通过这些属性，你可以获取容器的网络IP、挂载的卷路径、环境变量等重要信息，用于调试或自动化运维。
基本上就这些。Python SDK虽然功能丰富，但用起来不难，关键是理解每个方法对应的命令行操作。很多命令都能找到对应关系，比如docker run对应client.containers.run()，docker build对应client.images.build()。
刚开始可能会遇到权限问题、API版本不一致等问题，建议多看官方文档，也可以用client.version()确认当前SDK支持的API版本。
总之，熟悉之后你会发现，用Python控制Docker，比手动敲命令更灵活，也更适合自动化流程。
