能否捕获分段错误？

Question

我的应用程序依赖于ghostscript将一些pdf文件转换为每个文档页面的一系列图像。这是一个简化版本:

import locale

from ghostscript import Ghostscript as gs
from ghostscript import cleanup
from cv2 import imread, IMREAD_GRAYSCALE as GRAY
from multiprocessing import cpu_count

args = [
  "",
  "-q", "-r300", "-dNOPAUSE",
  "-sDEVICE=pgmraw",
  "-sOutputFile=%d.pgm",
  "-dNumRenderingThreads=" + str(cpu_count()),
  "-f", "_.pdf" #filename will always be "_.pdf"
]
encoding = locale.getpreferredencoding()
args = [a.encode(encoding) for a in args]

def pdftoimarray():
    cleanup()
    gs(*args)
    imarray = []
    for filename in os.listdir():
        imarray.append(imread(filename, GRAY))
    return imarray

（我有意删除了文件系统清理部分：对于这个问题来说并不重要）

问题是，我不能真正信任这些文档的来源，其中一些可能存在缺陷。通过运行一些测试，我发现其中一些错误文档会导致ghostscript实际上出现段错误，从而使我的整个应用程序崩溃。

通常，段错误是一个非常严重的事件，我们无法真正从中恢复，所以我怀疑是否真的有可能捕获它。但在我的情况下，它不应该真的那么严重：假设我的程序仍处于有效状态，我可以只将那个文档标记为坏并继续进行。

问题：我是否可以在依赖项中捕获此段错误，并从中恢复？

这在Segmentation Fault Catch中已经被问过了，但唯一的答案是错误的（它建议使用signal.signal来捕获它，但文档明确指出，使用它捕获同步信号（如SIGSEGV）没有多大意义。同样的文档指向faulthandler，但它不能真正捕获信号：如果它发生，它只提供更好的错误消息）。

这就留下了一个问题，即这个问题独特在哪里，而不是一个重复的问题：我受限制较少：我根本不打算解决这个问题：我只想忽略它并继续进行。任何有关实际避免ghostscript中的段错误的提示也将非常受欢迎。

这个问题有点老了，但我认为我应该分享一下：我正在观看有关一个很酷的新的内存分配器的视频，在听众提出的一个问题中，作者解释说他“安装了一个段错误处理程序”，这正是我感兴趣的内容。我仍然不知道他到底是如何做到的，所以这并没有完全回答我的问题，但它为我开始研究提供了一个好的起点。如果我成功地解决了这个问题，我会在这里发布一个答案。

以下是视频链接（链接指向我提到的问题的时间）：https://youtu.be/c1UBJbfR-H0?t=2058

- Cássio Renan

---

我认为你不能忽略它。你的代码试图访问不属于它的内存。在这种情况下，操作系统应立即将其终止。 - ForceBru

@ForceBru 我原本指望操作系统只会杀掉真正的罪犯（即Ghostscript依赖项），并让Python解释器保持不变（这就是像faulthandler这样的库在接收到信号后能够实际执行一些操作然后退出的原因）。我的假设错了吗？ - Cássio Renan

你可能想将Ghostscript作为外部进程调用，这样它就与Python隔离开来。如果它崩溃了，Python也不会受到损坏。在进程内运行意味着整个Python进程都会受到段错误的影响。 - John Kugelman

关于避免Ghostscript中的段错误，这显然是一个bug，因此您应该提交一个bug报告。如果您不这样做，那么问题将永远无法解决...（当然，您还应确保使用最新的软件）。 - KenS

对于任何想知道的人：当时，我们决定转向MuPdf。因此，虽然我不再需要这个答案来完成项目，但我仍然很想知道是否可能。 - Cássio Renan

Answer 1

我遇到了类似的问题，通过pythonocc渲染cad文件时有时脚本会崩溃。非常烦人。你需要手动删除文件并重新启动批处理。

基本上的思路是为任务启动一个额外的进程，并检查它的退出码：

import multiprocessing as mp


def do_stuff_that_segfaults(param):
    call_shitty_library(param)

def main():
    p = mp.Process(target=do_stuff_that_segfaults, args=param)            
    p.start()            
    p.join()
    if p.exitcode == -11:  # Segmentation fault
        do_stuff_in_case_of_segfault()

我也尝试了其他建议，比如你提供的 Segmentation Fault Catch，但都没有成功。我真的很想使用 mp.pool() 来使用所有核心，但是从 mp.pool() 中无法获取退出状态。

到目前为止，代码运行良好，并通过 do_stuff_in_case_of_segfault() 将导致 segfault 的文件移动到另一个文件夹中，而不会使我的主脚本被杀死。

- Arigion