Python 命令行工具辅助getopt使用解析!

简介: 正式的Python专栏第14篇,同学站住,别错过这个从0开始的文章!

这次介绍一下getopt这个库。


这个库学委在pypi-seed开源项目中使用了,本文介绍如何使用优雅的应对不同的参数,让cli命令行程序更加弹性!


python内置库getopt

getopt是一个简化命令行工具参数处理的库,可以定义短参数和长参数。这个说的比较官方。下面看看相对友好的介绍:


小白可能不太懂,它像媒人配对一样,自动的把参数进行配对。

你告诉他参数‘-a’ 后面跟一个名字,getopt可以在程序内解析出(a,名字)这样的映射

如果参数是这样:

–author=雷学委 --project=hello

getopt可以帮我们处理为:

(author, “雷学委”),(project,“hello”)


getopt的调用


#getopt.getopt传入三个参数
import getopt
getopt.getopt(args, options, [long_options])

比如pypiseed生成项目,接收了3个主要参数


name: 项目名

dir: 项目路径

author: 作者名字

我们从pypiseed调用命令来看如何编写getopt。


第一种 短参数类型

短参数类型,即是使用‘-‘ 加上一个单字母。比如大家非常常见的’-h’ (查看帮助信息) 或者 ‘-v’ (查看版本信息)


我们下面来看pypiseed CLI如何使用getopt模块的。


pypiseed -p demo_project -a testuser -d /tmp 

我们看到这个命令行pypiseed接受了-p , -a, -d 三个。

我们使用getopt 如何声明处理这三个参数。

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Time : 2021/9/9 10:45 下午
# @Author : LeiXueWei
# @CSDN/Juejin/Wechat: 雷学委
# @XueWeiTag: CodingDemo
# @File : getopstest.py
# @Project : hello
import sys
import getopt
def parse_args():
    project = author = dir = None
    print("argv:%s" % sys.argv)
    argv = sys.argv[1:]
    opts, args = getopt.getopt(argv, "p:a:d:", [])
    for opt, arg in opts:
        if opt in ['-p']:
            project = arg
        elif opt in ['-a']:
            author = arg
        elif opt in ['-d']:
            dir = arg
    print(" project:%s, author:%s, dir:%s " % (project, author, dir))
parse_args()

保存上面代码为getopstest.py,,输入三个参数并运行:

-p sample -a "雷学委" -d /tmp 

image.png

这里要注意‘-’ 后面接的必须是短参数,也就是一个字母。

像‘-dir’ 这种参数会导致getopt处理解析异常!

第二种 长参数类型

使用pypiseed生成项目的长参数类型

pypiseed --project demo_project --author testuser --dir=/tmp 

上面的代码不能支持长参数,这里单独做一个支持长参数的。

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Time : 2021/9/9 10:45 下午
# @Author : LeiXueWei
# @CSDN/Juejin/Wechat: 雷学委
# @XueWeiTag: CodingDemo
# @File : getopstest.py
# @Project : hello
import sys
import getopt
def parse_long_args():
    project = author = dir = None
    print("argv:%s" % sys.argv)
    argv = sys.argv[1:]
    opts, args = getopt.getopt(argv, "", ["project=", "author=", "dir="])
    for opt, arg in opts:
        if opt in ['--project']:
            project = arg
        elif opt in ['--author']:
            author = arg
        elif opt in ['--dir']:
            dir = arg
    print(" project:%s, author:%s, dir:%s " % (project, author, dir))
parse_long_args()

保存上面代码为getopstest.py,输入三个参数并运行:

-p sample -a "雷学委" -d /tmp 

这样就会出错:getopt.GetoptError: option -p not recognized

我们不能还是传递短参数,参数应该改为:

--project sample --author "雷学委" --dir "/tmp"

或者这样也支持

--project=sample --author="雷学委" --dir="/tmp"

image.png

第三种 长短参数合并使用

这里学委带大家回顾上面的两个代码,里面其实很像。

比较关键的区别的是对:getopt.getopt这个函数的调用。

#短参数解析调用

opts, args = getopt.getopt(argv, "p:a:d:", [])

#长参数解析调用

opts, args = getopt.getopt(argv, "", ["project=", "author=", "dir="])

先说说,getopt函数的参数,第一个是参数列表,它是从系统参数第二个开始到最后一个参数构成的列表。


然后第二个参数我们在第一段代码中看到设置的是短参数。这里定义一个字母或者多个字母即可。如果是带参数值的,后面跟上一个冒号(:, 比如a:, 表示-a '参数值‘)


然后第三个参数在第二段代码中是一个单词(可以跟上‘=’符合)的列表。带上等于符合表示,该参数后面可以跟上一个参数值。


好了,那同时处理短参数和长参数的代码就是把第二,第三的参数位置都设置对于短参数字母串和长参数的单词串。


参考下面代码:


    opts, args = getopt.getopt(argv, "p:a:d:", ["project=", "author=", "dir="])

总结

本文展示了getopt模块的使用,以及实际命令行工具开发的代码剖析。

这里有个福利,现在读者可以通过pypiseed,就能够一键生成命令行工具项目了,运行下面代码即可

pip install pypi-seed && pypiseed -p demo_project -a testuser -d /tmp --cli 
目录
相关文章
|
8月前
|
XML JSON 数据处理
超越JSON:Python结构化数据处理模块全解析
本文深入解析Python中12个核心数据处理模块,涵盖csv、pandas、pickle、shelve、struct、configparser、xml、numpy、array、sqlite3和msgpack,覆盖表格处理、序列化、配置管理、科学计算等六大场景,结合真实案例与决策树,助你高效应对各类数据挑战。(238字)
1079 0
|
8月前
|
数据采集 存储 JavaScript
解析Python爬虫中的Cookies和Session管理
Cookies与Session是Python爬虫中实现状态保持的核心。Cookies由服务器发送、客户端存储,用于标识用户;Session则通过唯一ID在服务端记录会话信息。二者协同实现登录模拟与数据持久化。
|
9月前
|
JSON 缓存 开发者
淘宝商品详情接口(item_get)企业级全解析:参数配置、签名机制与 Python 代码实战
本文详解淘宝开放平台taobao.item_get接口对接全流程,涵盖参数配置、MD5签名生成、Python企业级代码实现及高频问题排查,提供可落地的实战方案,助你高效稳定获取商品数据。
|
9月前
|
存储 大数据 Unix
Python生成器 vs 迭代器:从内存到代码的深度解析
在Python中,处理大数据或无限序列时,迭代器与生成器可避免内存溢出。迭代器通过`__iter__`和`__next__`手动实现,控制灵活;生成器用`yield`自动实现,代码简洁、内存高效。生成器适合大文件读取、惰性计算等场景,是性能优化的关键工具。
428 2
|
9月前
|
机器学习/深度学习 文字识别 Java
Python实现PDF图片OCR识别:从原理到实战的全流程解析
本文详解2025年Python实现扫描PDF文本提取的四大OCR方案(Tesseract、EasyOCR、PaddleOCR、OCRmyPDF),涵盖环境配置、图像预处理、核心识别与性能优化,结合财务票据、古籍数字化等实战场景,助力高效构建自动化文档处理系统。
2334 0
|
9月前
|
机器学习/深度学习 JSON Java
Java调用Python的5种实用方案:从简单到进阶的全场景解析
在机器学习与大数据融合背景下,Java与Python协同开发成为企业常见需求。本文通过真实案例解析5种主流调用方案,涵盖脚本调用到微服务架构,助力开发者根据业务场景选择最优方案,提升开发效率与系统性能。
2029 0
机器学习/深度学习 算法 自动驾驶
1406 0
|
9月前
|
算法 安全 数据安全/隐私保护
Python随机数函数全解析:5个核心工具的实战指南
Python的random模块不仅包含基础的随机数生成函数,还提供了如randint()、choice()、shuffle()和sample()等实用工具,适用于游戏开发、密码学、统计模拟等多个领域。本文深入解析这些函数的用法、底层原理及最佳实践,帮助开发者高效利用随机数,提升代码质量与安全性。
1250 0
|
9月前
|
数据可视化 Linux iOS开发
Python脚本转EXE文件实战指南:从原理到操作全解析
本教程详解如何将Python脚本打包为EXE文件,涵盖PyInstaller、auto-py-to-exe和cx_Freeze三种工具,包含实战案例与常见问题解决方案,助你轻松发布独立运行的Python程序。
2025 2
|
9月前
|
设计模式 缓存 运维
Python装饰器实战场景解析:从原理到应用的10个经典案例
Python装饰器是函数式编程的精华,通过10个实战场景,从日志记录、权限验证到插件系统,全面解析其应用。掌握装饰器,让代码更优雅、灵活,提升开发效率。
610 0

推荐镜像

更多