30天拿下Python之argparse模块

简介: 30天拿下Python之argparse模块

概述

在上一节,我们介绍了Python的datetime模块,包括:datetime模块中一些常用的属性和函数。在这一节,我们将介绍Python的argparse模块。argparse模块是Python的一个标准库,用于编写命令行界面。它可以处理命令行参数和选项,并生成帮助和使用信息。

该模块主要包含的功能如下:

帮助和使用信息生成:自动生成帮助和使用信息,包括参数和选项的说明、用法示例等。

命令行参数解析:解析命令行参数和选项,包括位置参数、可选参数和标志。

参数类型检查:支持对参数类型进行检查,包括整数、浮点数、字符串等。

子命令支持:支持定义子命令,每个子命令可以有自己的参数和选项。

参数组:支持将参数分组,以方便管理和使用。

下面,我们将逐一介绍argparse模块中一些常用的类和函数。

argparse.ArgumentParser类

argparse.ArgumentParser是argparse模块中的一个类,用于创建解析器对象,帮助处理命令行参数和选项,并生成帮助和使用信息。使用argparse.ArgumentParser类可以简化命令行参数和选项的解析过程,以下是具体的使用步骤:

1、导入argparse模块:import argparse。

2、实例化一个对象:parser = argparse.ArgumentParser()。

3、加入参数或选项:parser.add_argument(),每一个add_argument方法对应一个要关注的参数或选项。

4、获取参数:args = parser.parse_args(),解析成功之后即可使用。

在创建argparse.ArgumentParser对象时,可以指定一些可选参数,比如:description,用于描述程序的用途和参数的说明。

add_argument基本选项

通过调用add_argument函数,可以指定命令行参数的名称、类型、默认值等属性,为参数提供帮助文本和元数据。

# test.py
import argparse
# 创建解析器对象
parser = argparse.ArgumentParser(description = '这是一个示例程序')
# 添加参数
parser.add_argument('param_name', type = int, help = '这是一个整数参数')
# 解析参数
args = parser.parse_args()
# 使用参数
print(args.param_name)



在上面的示例代码中,我们使用add_argument函数添加了一个名为param_name的参数,指定了它的类型为整数,并提供了帮助文本。然后,通过调用parse_args函数解析命令行参数,并将解析后的参数值存储在args对象中。最后,我们可以使用args.param_name访问该参数的值。如果我们在命令行输入python test.py 66命令,则会输出:66。

add_argument更多选项

add_argument函数还有许多其他选项,如下。

metavar:指定参数的元变量名称,用于帮助文本中。

nargs:指定参数接收的值的数量,可以是固定的数量,也可以是可变数量。其中,'+'表示至少需要一个参数,'*'表示可以接受任意数量的参数,数字表示只接受固定数量的参数。

default:指定参数的默认值。

choices:限制参数的取值范围。

required:指定参数是否必需。

help:提供参数的帮助文本。

下面是一个稍微复杂一点的示例代码,用到了更多的选项。

# test.py
import argparse
# 创建解析器对象
parser = argparse.ArgumentParser(description = '这是一个示例程序')
# 添加参数
parser.add_argument('integers', metavar='N', type=int, nargs='+', help = '用于运算的整数的个数')
parser.add_argument('--sum', dest='compute_sum', action='store_true', help = '计算输入的整数的和')
parser.add_argument('--max', dest='find_max', action='store_true', help = '找到输入的最大整数')
parser.add_argument('--average', dest='compute_average', action='store_true', help = '计算输入的平均值')
# 解析参数
args = parser.parse_args()
# 使用参数
if args.compute_sum:
    print(sum(args.integers))
elif args.find_max:
    print(max(args.integers))
elif args.compute_average:
    print(sum(args.integers) / len(args.integers))
else:
    print('未选择任何操作')



在上面的示例代码中,我们添加了如下几个参数和选项。

integers:一个位置参数,接受一个或多个整数作为输入。

--sum:一个可选的选项,用于计算输入整数的总和。

--max:一个可选的选项,用于找出输入整数的最大值。

--average:一个可选的选项,用于计算输入整数的平均值。

通过解析命令行参数,我们可以根据用户选择的选项执行相应的操作,并打印输出相应的结果。上述代码的执行结果如下。

python test.py -h
usage: test.py [-h] [--sum] [--max] [--average] N [N ...]
这是一个示例程序
positional arguments:
  N           用于运算的整数的个数
options:
  -h, --help  show this help message and exit
  --sum       计算输入的整数的和
  --max       找到输入的最大整数
  --average   计算输入的平均值
 
python test.py --sum 5 6 7
18
python test.py --max 5 6 7
7
python test.py --average 5 6 7
6.0
python test.py 5 6 7
未选择任何操作



add_argument的action选项

action选项用来定义当命令行选项被触发时的行为。有多种可用的行为,如下。

'store':默认值。当命令行选项被触发时,将选项后面的参数值存储下来。

'store_const':当命令行选项被触发时,将一个常量值存储下来。比如:add_argument('--foo', action='store_const', const=42)会将42存储为args.foo。

'store_true' 和 'store_false':当命令行选项被触发时,将一个布尔值存储下来。比如:add_argument('--foo', action='store_true')会在args.foo为真(即选项被触发)时存储一个True值。

'append':当命令行选项被触发时,将一个值添加到列表中。比如:add_argument('--foo', action='append', default=[])会将任何遇到的--foo选项的值添加到args.foo列表中。

'append_const':当命令行选项被触发时,将一个常量值添加到列表中。比如:add_argument('--foo', action='append_const', const=42)会将42添加到args.foo列表中。

# test.py
import argparse
parser = argparse.ArgumentParser()
parser.add_argument('--param1', action = 'store_true')
parser.add_argument('--param2', action = 'append', default = [])
parser.add_argument('numbers', nargs = '+')
args = parser.parse_args()
print(args.param1)
print(args.param2)
print(args.numbers)


在上面的示例代码中,--param1选项被触发时,将存储一个True值。--param2选项可以接受任意数量的参数,并将它们添加到一个列表中。numbers选项接受一个或多个参数,并将它们添加到一个列表中。上述代码的执行结果如下。

python test.py 99 100 --param1 --param2 6 --param2 9
True
['6', '9']
['99', '100']
相关文章
|
12天前
|
弹性计算 人工智能 架构师
阿里云携手Altair共拓云上工业仿真新机遇
2024年9月12日,「2024 Altair 技术大会杭州站」成功召开,阿里云弹性计算产品运营与生态负责人何川,与Altair中国技术总监赵阳在会上联合发布了最新的“云上CAE一体机”。
阿里云携手Altair共拓云上工业仿真新机遇
|
8天前
|
机器学习/深度学习 算法 大数据
【BetterBench博士】2024 “华为杯”第二十一届中国研究生数学建模竞赛 选题分析
2024“华为杯”数学建模竞赛,对ABCDEF每个题进行详细的分析,涵盖风电场功率优化、WLAN网络吞吐量、磁性元件损耗建模、地理环境问题、高速公路应急车道启用和X射线脉冲星建模等多领域问题,解析了问题类型、专业和技能的需要。
2522 18
【BetterBench博士】2024 “华为杯”第二十一届中国研究生数学建模竞赛 选题分析
|
8天前
|
机器学习/深度学习 算法 数据可视化
【BetterBench博士】2024年中国研究生数学建模竞赛 C题:数据驱动下磁性元件的磁芯损耗建模 问题分析、数学模型、python 代码
2024年中国研究生数学建模竞赛C题聚焦磁性元件磁芯损耗建模。题目背景介绍了电能变换技术的发展与应用,强调磁性元件在功率变换器中的重要性。磁芯损耗受多种因素影响,现有模型难以精确预测。题目要求通过数据分析建立高精度磁芯损耗模型。具体任务包括励磁波形分类、修正斯坦麦茨方程、分析影响因素、构建预测模型及优化设计条件。涉及数据预处理、特征提取、机器学习及优化算法等技术。适合电气、材料、计算机等多个专业学生参与。
1525 15
【BetterBench博士】2024年中国研究生数学建模竞赛 C题:数据驱动下磁性元件的磁芯损耗建模 问题分析、数学模型、python 代码
|
4天前
|
存储 关系型数据库 分布式数据库
GraphRAG:基于PolarDB+通义千问+LangChain的知识图谱+大模型最佳实践
本文介绍了如何使用PolarDB、通义千问和LangChain搭建GraphRAG系统,结合知识图谱和向量检索提升问答质量。通过实例展示了单独使用向量检索和图检索的局限性,并通过图+向量联合搜索增强了问答准确性。PolarDB支持AGE图引擎和pgvector插件,实现图数据和向量数据的统一存储与检索,提升了RAG系统的性能和效果。
|
10天前
|
编解码 JSON 自然语言处理
通义千问重磅开源Qwen2.5,性能超越Llama
击败Meta,阿里Qwen2.5再登全球开源大模型王座
596 14
|
1月前
|
运维 Cloud Native Devops
一线实战:运维人少,我们从 0 到 1 实践 DevOps 和云原生
上海经证科技有限公司为有效推进软件项目管理和开发工作,选择了阿里云云效作为 DevOps 解决方案。通过云效,实现了从 0 开始,到现在近百个微服务、数百条流水线与应用交付的全面覆盖,有效支撑了敏捷开发流程。
19283 30
|
10天前
|
人工智能 自动驾驶 机器人
吴泳铭:AI最大的想象力不在手机屏幕,而是改变物理世界
过去22个月,AI发展速度超过任何历史时期,但我们依然还处于AGI变革的早期。生成式AI最大的想象力,绝不是在手机屏幕上做一两个新的超级app,而是接管数字世界,改变物理世界。
498 49
吴泳铭:AI最大的想象力不在手机屏幕,而是改变物理世界
|
1月前
|
人工智能 自然语言处理 搜索推荐
阿里云Elasticsearch AI搜索实践
本文介绍了阿里云 Elasticsearch 在AI 搜索方面的技术实践与探索。
18842 20
|
1月前
|
Rust Apache 对象存储
Apache Paimon V0.9最新进展
Apache Paimon V0.9 版本即将发布,此版本带来了多项新特性并解决了关键挑战。Paimon自2022年从Flink社区诞生以来迅速成长,已成为Apache顶级项目,并广泛应用于阿里集团内外的多家企业。
17530 13
Apache Paimon V0.9最新进展
|
3天前
|
云安全 存储 运维
叮咚!您有一份六大必做安全操作清单,请查收
云安全态势管理(CSPM)开启免费试用
368 4
叮咚!您有一份六大必做安全操作清单,请查收