快速介绍Python Invoke以及简单例子

简介: 快速介绍Python Invoke以及简单例子

快速介绍Python Invoke, Fabric附赠

Fabric 套娃之一 Invoke

Fabric 文档介绍了,Fabric是基于Invoke,和Paramiko的高级封装,为了更好的理解Fabric的行为,还是不想漏掉Invoke这个包,所以本文做一个快速介绍及演示,并用实例来展示他的强大之处。

什么是Invoke?

Invoke是支持python2.7和python3.4以上版本的功能强大的任务执行库。

Invoke的前身竟然就是Fabric 1.x, 同样也提供了干净,高级的API,我觉得这里的干净指的就是更加高级的封装,可能帮用户完成了一些内容解析,编解码功能,用户也不必再写大面积的CLI解析判断。当然Invoke做的远远不止这么多。Invoke封装出的高级API可以用于运行shell命令,类似于shell脚本的替换选项。

由于我的工作环境也有限,自动化可能各公司的方案都百花齐放吧。

实例

from invoke import task
@task
def clean(c, docs=False, bytecode=False, extra=''):
    patterns = ['build']
    if docs:
        patterns.append('docs/_build')
    if bytecode:
        patterns.append('**/*.pyc')
    if extra:
        patterns.append(extra)
    for pattern in patterns:
        c.run("rm -rf {}".format(pattern))
@task
def build(c, docs=False):
    c.run("python setup.py build")
    if docs:
        c.run("sphinx-build docs docs/_build")

执行方法

invoke clean build

从其中就能看出invoke的强大和简洁了

  1. 单次调用可以执行多个task(就好像 make && make install)
  2. 同时简化了命令行解析的参数处理

Invoke的前身Fabric 1.x当时的考虑是作为命令行工具作为默认的工作模式,或者说是常用的使用方式。

并且,满足了和shell脚本兼容性不好的同学可以通过,Invoke来完成一些自动化的项目打包,部署工作。

用例

>>> from invoke import run
>>> cmd = "pip install -r requirements.txt"
>>> result = run(cmd, hide=True, warn=True)
>>> print(result.ok)
True
>>> print(result.stdout.splitlines()[-1])
Successfully installed invocations-0.13.0 pep8-1.5.7 spec-1.3.1

可以看到,invoke仍可以直接下command到本地去

但从这个用例看不出来,run这个接口是否可以获取持续的终端输出,是否会阻塞,能不能有像subprocess.popen那样,拥有communicate方法可以持续通信。

最后一个用例展现了invoke对命令行参数的高级封装(是根据第一个脚本来的)

$ invoke clean --docs --bytecode build --docs --extra='**/*.pyo'
$ invoke clean -d -b build --docs -e '**/*.pyo'
$ invoke clean -db build -de '**/*.pyo'

包含了,可选参数,参数简写默认支持,这三行命令的效果是一样的

Invoke像他的很多前身一样,它也提供一些高级功能,比如命名空间,任务别名,before/after 钩子,并行执行等等。

安装

$ pip install invoke

Reference

https://www.pyinvoke.org/



相关文章
|
监控 Shell 持续交付
强大的 Python 任务自动化工具!invoke 十分钟入门指南
invoke 是从著名的远程部署工具 Fabric 中分离出来的,它与 paramiko 一起是 Fabric 的两大最核心的基础组件。
680 0
|
Python
Python:invoke强大的任务自动化工具
Python:invoke强大的任务自动化工具
114 0
|
Python
Python:invoke强大的任务自动化工具
Python:invoke强大的任务自动化工具
233 0
|
6月前
|
机器学习/深度学习 存储 设计模式
Python 高级编程与实战:深入理解性能优化与调试技巧
本文深入探讨了Python的性能优化与调试技巧,涵盖profiling、caching、Cython等优化工具,以及pdb、logging、assert等调试方法。通过实战项目,如优化斐波那契数列计算和调试Web应用,帮助读者掌握这些技术,提升编程效率。附有进一步学习资源,助力读者深入学习。
|
3月前
|
Python
Python编程基石:整型、浮点、字符串与布尔值完全解读
本文介绍了Python中的四种基本数据类型:整型(int)、浮点型(float)、字符串(str)和布尔型(bool)。整型表示无大小限制的整数,支持各类运算;浮点型遵循IEEE 754标准,需注意精度问题;字符串是不可变序列,支持多种操作与方法;布尔型仅有True和False两个值,可与其他类型转换。掌握这些类型及其转换规则是Python编程的基础。
213 33
|
2月前
|
数据采集 分布式计算 大数据
不会Python,还敢说搞大数据?一文带你入门大数据编程的“硬核”真相
不会Python,还敢说搞大数据?一文带你入门大数据编程的“硬核”真相
88 1
|
3月前
|
设计模式 安全 Python
Python编程精进:正则表达式
正则表达式是一种强大的文本处理工具,用于搜索、匹配和提取模式。本文介绍了正则表达式的语法基础,如`\d`、`\w`等符号,并通过实例展示其在匹配电子邮件、验证电话号码、处理日期格式等场景中的应用。同时,文章提醒用户注意性能、编码、安全性等问题,避免常见错误,如特殊字符转义不当、量词使用错误等。掌握正则表达式能显著提升文本处理效率,但需结合实际需求谨慎设计模式。
135 2
|
4月前
|
数据采集 安全 BI
用Python编程基础提升工作效率
一、文件处理整明白了,少加两小时班 (敲暖气管子)领导让整理100个Excel表?手都干抽筋儿了?Python就跟铲雪车似的,哗哗给你整利索!
116 11
|
6月前
|
人工智能 Java 数据安全/隐私保护
[oeasy]python081_ai编程最佳实践_ai辅助编程_提出要求_解决问题
本文介绍了如何利用AI辅助编程解决实际问题,以猫屎咖啡的购买为例,逐步实现将购买斤数换算成人民币金额的功能。文章强调了与AI协作时的三个要点:1) 去除无关信息,聚焦目标;2) 将复杂任务拆解为小步骤,逐步完成;3) 巩固已有成果后再推进。最终代码实现了输入验证、单位转换和价格计算,并保留两位小数。总结指出,在AI时代,人类负责明确目标、拆分任务和确认结果,AI则负责生成代码、解释含义和提供优化建议,编程不会被取代,而是会更广泛地融入各领域。
188 28
|
6月前
|
机器学习/深度学习 数据可视化 TensorFlow
Python 高级编程与实战:深入理解数据科学与机器学习
本文深入探讨了Python在数据科学与机器学习中的应用,介绍了pandas、numpy、matplotlib等数据科学工具,以及scikit-learn、tensorflow、keras等机器学习库。通过实战项目,如数据可视化和鸢尾花数据集分类,帮助读者掌握这些技术。最后提供了进一步学习资源,助力提升Python编程技能。

热门文章

最新文章

推荐镜像

更多