Python中处理命令行参数的3种方法

作者|Dardan Xhymshiti
编译|VK
来源|Towards Data Science

1.sys模块

Python中的sys模块具有argv功能。当通过终端触发main.py的执行时，此功能返回所有命令行参数的列表。返回列表中的第一个元素是main.py.

考虑下面的main.py示例

import sys

list_of_arguments = sys.argv

print(list_of_args[0]) 
print(list_of_args[1]) 
print(list_of_args[2]) 
print(list_of_args[3])

触发main.py：

python main.py first_arg "[second_arg]" "{\"arg\": 3}"

返回：

test.py
first_arg
[second_arg]
{"arg": 3}

---

2.带有大参数的sys模块

这是一种为Python代码提供参数的简单又强大的方法。它不是提供提供多个参数，而是提供单个“大”参数。这一个大参数是一个字典，键表示参数名，值表示它们的对应值。

由于在Python中读取时，dictionary参数被表示为字符串，因此应该将其转换为字典。这可以通过使用ast.literal_eval或者json.loads函数做到。ast或json模块需要相应地导入。

考虑下面的main.py示例:

import sys
import ast

raw_arguments = sys.argv[1]

print(raw_arguments)
arguments = ast.literal_eval(raw_arguments)

print(arguments['name']) # John
print(arguments['surname']) # Doe
print(arguments['age']) # 22

触发mian.py：

python main.py "{\"name\": \"John\", \"surname\": \"Doe\", \"age\": 22}"

返回：

{"name": "John", "surname": "Doe", "age": 22}
John
Doe
22

3.argparse模块

如果你想为应用程序提供适当的命令行界面，那么argparse就是要使用的模块。这是一个成熟的模块，提供开箱即用的参数解析、帮助消息以及参数被误用时会自动抛出错误。Python默认安装此模块。

要充分利用argparse提供的功能，需要一些时间来掌握。作为一个示例，考虑以下示例main.py:

import argparse

parser = argparse.ArgumentParser(description='Personal information')
parser.add_argument('--name', dest='name', type=str, help='Name of the candidate')
parser.add_argument('--surname', dest='surname', type=str, help='Surname of the candidate')
parser.add_argument('--age', dest='age', type=int, help='Age of the candidate')

args = parser.parse_args()
print(args.name)
print(args.surname)
print(args.age)

初始化ArgumentParses的对象后，我们使用add_argument函数添加所有参数。此函数接收许多参数，其中包括参数名称（例如--name）、目标变量、预期数据类型、要显示的帮助消息等。

触发main.py：

python main.py --name John --surname Doe --age 22

返回

John
Doe
22

要了解有关此模块的更多信息，请查看argparse文档：https://docs.python.org/2/lib...

结论

很多时候，你需要向Python脚本传递参数。Python通过sys模块提供对这些参数的访问。你可以直接访问argv并处理自己的参数解析，也可以使用其他模块例如argparse为你完成这项工作。

在我的日常编程生活中，如果我是代码的唯一用户，我会使用sys时；如果这代码准备用于生产时，我会使用argparse。

原文链接：https://towardsdatascience.co...

欢迎关注磐创AI博客站：
http://panchuang.net/

sklearn机器学习中文官方文档：
http://sklearn123.com/

欢迎关注磐创博客资源汇总站：
http://docs.panchuang.net/