为了实现在Python中非阻塞地执行三个CMD指令、实时读取数据并动态输出折线图以及将最终结果导出到Excel文件的功能，可以按照以下步骤编写脚本。 ### 步骤概述： 1. **启动 CMD 指令**：通过 `subprocess.Popen` 启动命令行进程，并设置其标准输出流为管道模式以便捕获输出内容。 2. **异步处理多个进程**：使用 `asyncio` 库来管理并发任务，保证同时运行多个命令并且不会互相影响。 3. **解析和展示数据**： - 使用正则表达式或其他适当的方式从每条命令的标准输出中提取所需信息； - 利用如 Matplotlib 等库绘制图表； 4. **定时结束程序**：借助于 `signal.alarm()` 或者更推荐的方式是在主循环里加入时间判断机制，在规定时间内完成所有操作然后安全退出。 5. **保存至 Excel 文件**：最后把所有的数据整理成表格形式存入 Excel 文档中。这里我们可以选择 pandas 来简化这一过程。 下面给出一个简单的例子供参考： ```python import asyncio import subprocess from datetime import timedelta, datetime import matplotlib.pyplot as plt from threading import Thread import time import re # 导入库用于生成 excel 表格 import pandas as pd class CommandExecutor: def __init__(self): self.cmds = ["ping www.baidu.com", "ipconfig", "dir"] # 初始化图形窗口等资源... async def run_cmd(self, cmd_index): """ 执行指定下标的cmd """ process = await asyncio.create_subprocess_shell( self.cmds[cmd_index], stdout=subprocess.PIPE, stderr=subprocess.STDOUT) while True: line = (await process.stdout.readline()).decode('gbk') if not line: break print(f"Cmd {cmd_index}:", line.strip()) # 假设我们只对包含 'Reply from' 的 ping 结果感兴趣， match = re.search(r'Reply\s+from\s+(\S+)\:\s+', line) if match and len(match.groups()) > 0: ip_address = match.group(1).strip() # 实现绘图逻辑或其它需要的操作... return_code = await process.wait() def plot_data(self, data_points): x_values = list(range(len(data_points))) y_values = [point['value'] for point in data_points] plt.plot(x_values, y_values) # 绘制曲线 plt.xlabel("Time") plt.ylabel("Value") plt.title("Dynamic Data Plotting Example") plt.show(block=False) def main(): executor = CommandExecutor() loop = asyncio.get_event_loop() tasks = [] try: start_time = datetime.now() end_time = start_time + timedelta(seconds=60 * 3) # 设置三分钟后停止 while datetime.now() < end_time: threads = [ Thread(target=lambda: loop.run_until_complete(executor.run_cmd(i))) for i in range(len(executor.cmds))] for t in threads: t.start() for t in threads: t.join(timeout=(end_time-datetime.now()).total_seconds()) # 这里假设已经收集到了足够的数据点去画图了 sample_plot_data = [{'time': str(datetime.now()), 'value': n*n+n%7*89} for n in range(int((datetime.now()-start_time)/timedelta(minutes=1)))] executor.plot_data(sample_plot_data) df = pd.DataFrame.from_records([{ "IP Address": f"example_ip_{i}", "Data Value": i*i+i%7*89 } for i in range(len(sample_plot_data)) ]) writer = pd.ExcelWriter('output.xlsx', engine='xlsxwriter') df.to_excel(writer, sheet_name="Sheet1") writer.save() finally: loop.close() if __name__ == '__main__': main() ``` 此段代码展示了如何创建一个名为 `CommandExecutor` 类来进行多线程下的非阻塞性的命令行交互工作；并通过模拟数据实现了基本的数据可视化功能及Excel报表生成功能。请注意实际应用中应当针对特定场景调整命令列表及其对应的解析规则还有绘图的具体实现细节。 注意：上述代码仅为演示目的而设计，可能存在一些未考虑到的情况（例如异常处理），因此建议在生产环境中部署前进一步测试和完善该解决方案。