python操作docker是通过调用api或执行命令行实现对容器等资源的管理，常用库为docker-py。1. 安装docker包并初始化客户端以连接docker服务；2. 使用client.containers.run()创建容器，支持命名、端口映射及后台运行，同时提供停止、删除、日志查看和执行命令的方法；3. 通过client.images.build()构建镜像并可获取、拉取及删除镜像；4. 支持网络与卷的操作，如创建网络并连接容器，创建卷并挂载至容器以实现数据持久化。熟悉docker-py接口及docker结构即可按需使用。
在Python中操作Docker，其实并不是直接“控制”Docker本身，而是通过调用Docker的API或者执行命令行的方式，来实现对容器、镜像、网络等资源的管理。这在自动化部署、测试环境搭建和CI/CD流程中非常实用。
如果你需要从Python脚本或应用中创建、启动、停止、删除容器，或者构建镜像，可以借助官方提供的docker-py库（现在叫docker），它封装了Docker API，使用起来非常方便。
下面是一些常见场景的操作建议：
立即学习“Python免费学习笔记（深入）”；
1. 安装与连接Docker客户端
要使用Python操作Docker，首先得安装docker这个包：
pip install docker
然后在代码中导入并初始化一个客户端：
import docker client = docker.from_env()
这段代码会自动读取环境变量中的Docker配置（通常是unix:///var/run/docker.sock），也就是你本地正在运行的Docker服务。
注意：运行Python脚本的用户必须有权限访问Docker socket（通常加入docker用户组）。
2. 创建和管理容器
使用Python创建容器非常简单，只需要调用client.containers.run()方法即可：
container = client.containers.run("nginx", name="my_nginx", ports={'80/tcp': 8080}, detach=True)上面这条命令做了几件事：
HT-EWCMS 为 Hetty - Enterprise Web Content Management System 的英文缩写，即海霆企业网站内容管理系统，HT-EWCMS为您提供一个高效快速和强大的企业网站解决方案，兼容各种主流操作系统和浏览器。HT-EWCMS著作权已在中华人民共和国国家版权局注册，海霆科技为 HT-EWCMS 产品的开发商，依法独立拥有 HT-EWCMS 产品著作权，著作
- 使用
nginx镜像启动容器 - 给容器起个名字
my_nginx - 把宿主机的8080端口映射到容器的80端口
-
detach=True表示后台运行（类似加了-d）
其他常用操作包括：
- 停止容器：
container.stop() - 删除容器：
container.remove() - 查看日志：
container.logs() - 进入容器执行命令：
container.exec_run("ls /")
3. 构建和管理镜像
除了操作容器，你还可以用Python构建镜像。假设当前目录下有个Dockerfile：
image, logs = client.images.build(path=".", tag="myapp:latest")
这段代码会在当前目录构建一个名为myapp:latest的镜像。你可以遍历logs来查看构建过程输出。
常见镜像操作还包括：
- 获取所有本地镜像：
client.images.list() - 拉取远程镜像：
client.images.pull("redis") - 删除镜像：
client.images.remove("myapp:latest")
4. 网络和卷的操作
Docker中网络和卷也是关键组件，Python SDK同样支持这些操作。
网络示例：
network = client.networks.create("my_network", driver="bridge")
container.connect(network)卷示例：
volume = client.volumes.create(name="my_volume")
container = client.containers.run("alpine", "touch /data/test.txt", volumes={volume.name: {'bind': '/data', 'mode': 'z'}}, detach=True)这样就可以把卷挂载进容器里，进行数据持久化或共享。
基本上就这些。Python操作Docker的核心在于熟悉docker-py这个库的接口，以及理解Docker本身的结构（容器、镜像、网络、卷）。虽然看起来功能很多，但实际使用时按需调用即可，不复杂但容易忽略细节。
