warc.open() 是 warc.WARCFile() ，和 warc.WARCFile() 可以接收 fileobj 论点，在哪里 sys.stdin 完全是一个文件对象。所以你需要做的就是这样：

import sys
import warc

f = warc.open(fileobj=sys.stdin)
for record in f:
    print record['WARC-Target-URI'], record['Content-Length']

但是在hadoop流媒体下，当输入文件 .gz ，因为hadoop将取代 \r\n 在warc文件中 \n ，这将破坏warc格式（请参阅此问题：hadoop将\r\n转换为\r\n并破坏arc格式）。作为 warc 包使用正则表达式 "WARC/(\d+.\d+)\r\n" 匹配标题（完全匹配 \r\n )，可能会出现以下错误：

IOError: Bad version line: 'WARC/1.0\n'

所以你要么修改你的 PipeMapper.java 文件，或者编写自己的解析脚本，逐行解析warc文件。
顺便说一句，只需修改 warc.py 使用 \n 而不是 \r\n 在匹配的头文件中不起作用，因为它读取的内容与文件的长度完全相同 Content-Length ，并期望在这之后有两行空行。因此hadoop所做的一定会使内容的长度与属性不匹配 Content-Length 因此会导致另一个错误，如：

IOError: Expected '\n', found 'abc\n'