关于人工智能:Python中处理命令行参数的3种方法

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

1.sys模块

Python中的sys模块具备argv性能。当通过终端触发main.py的执行时，此性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.

思考上面的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代码提供参数的简略又弱小的办法。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，键示意参数名，值示意它们的对应值。

因为在Python中读取时，dictionary参数被示意为字符串，因而应该将其转换为字典。这能够通过应用ast.literal_eval或者json.loads函数做到。ast或json模块须要相应地导入。

思考上面的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就是要应用的模块。这是一个成熟的模块，提供开箱即用的参数解析、帮忙音讯以及参数被误用时会主动抛出谬误。Python默认装置此模块。

要充分利用argparse提供的性能，须要一些工夫来把握。作为一个示例，思考以下示例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，咱们应用add_argument函数增加所有参数。此函数接管许多参数，其中包含参数名称（例如--name）、指标变量、预期数据类型、要显示的帮忙音讯等。

触发main.py：

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

返回

John
Doe
22

要理解无关此模块的更多信息，请查看argparse文档：https://docs.python.org/2/lib…

论断

很多时候，你须要向Python脚本传递参数。Python通过sys模块提供对这些参数的拜访。你能够间接拜访argv并解决本人的参数解析，也能够应用其余模块例如argparse为你实现这项工作。

在我的日常编程生存中，如果我是代码的惟一用户，我会应用sys时；如果这代码筹备用于生产时，我会应用argparse。

原文链接：https://towardsdatascience.co…

欢送关注磐创AI博客站：
http://panchuang.net/

sklearn机器学习中文官网文档：
http://sklearn123.com/

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