你还在纠结用什么库写 Python 命令行程序?看这一篇就够了
一、前言
在近半年的 Python 命令行旅程中,我们依次学习了 argparse
、docopt
、click
和 fire
库的特点和用法,逐步了解到 Python 命令行库的设计哲学与演变。 本文作为本次旅程的终点,希望从一个更高的视角对这些库进行横向对比,总结它们的异同点和使用场景,以期在应对不同场景时能够分析利弊,选择合适的库为己所用。
本系列文章默认使用 Python 3 作为解释器进行讲解。
若你仍在使用 Python 2,请注意两者之间语法和库的使用差异哦~
复制代码
二、设计理念
在讨论各个库的设计理念之前,我们先设计一个计算器程序
,其实这个例子在 argparse
库的第一篇讲解中出现过,也就是:
- 命令行程序接受一个位置参数,它能出现多次,且是数字
- 默认情况下,命令行程序会求出给定的一串数字的最大值
- 如果指定了选项参数
--sum
,那么就会将求出给定的一串数字的和
希望从各个库实现该例子的代码中能进一步体会它们的设计理念。
2.1、argparse
argparse
的设计理念就是提供给你最细粒度的控制,你需要详细地告诉它参数是选项参数还是位置参数、参数值的类型是什么、该参数的处理动作是怎样的。 总之,它就像是一个没有智能分析能力的初代机器人,你需要告诉它明确的信息,它才会根据给定的信息去帮助你做事情。
以下示例为 argparse
实现的 计算器程序
:
import argparse# 1. 设置解析器
parser = argparse.ArgumentParser(description='Calculator Program.')# 2. 定义参数
# 添加位置参数 nums,在帮助信息中显示为 num
# 其类型为 int,且支持输入多个,且至少需要提供一个
parser.add_argument('nums', metavar='num', type=int, nargs='+',help='a num for the accumulator')
# 添加选项参数 --sum,该参数被 parser 解析后所对应的属性名为 accumulate
# 若不提供 --sum,默认值为 max 函数,否则为 sum 函数
parser.add_argument('--sum', dest='accumulate', action='store_const',const=sum, default=max,help='sum the nums (default: find the max)')# 3. 解析参数
args = parser.parse_args(['--sum', '1', '2', '3'])
print(args) # 结果:Namespace(accumulate=<built-in function sum>, nums=[1, 2, 3])# 4. 业务逻辑
result = args.accumulate(args.nums)
print(result) # 基于上文的 ['--sum', '1', '2', '3'] 参数,accumulate 为 sum 函数,其结果为 6
复制代码
从上述示例可以看到,我们需要通过 add_argument
很明确地告诉 argparse
参数长什么样:
- 它是位置参数
nums
,还是选项参数--sum
- 它的类型是什么,比如
type=int
表示类型是 int - 这个参数能重复出现几次,比如
nargs='+'
表示至少提供 1 个 - 参数的是存什么的,比如
action='store_const'
表示存常量
然后它才根据给定的这些元信息来解析命令行参数(也就是示例中的 ['--sum', '1', '2', '3']
)。
这是很计算机的思维,虽然冗长,但也带来了灵活性。
2.2、docopt
从 argparse
的理念可以看出,它是命令式的。这时候 docopt
另辟蹊径,声明式是不是也可以?一个命令行程序的帮助信息其实已然包含了这个命令行的完整元信息,那不就可以通过定义帮助信息来定义命令行?docopt
就是基于这样的想法去设计的。
声明式的好处在于只要你掌握了声明式的语法,那么定义命令行的元信息就会很简单。
以下示例为 docopt
实现的 计算器程序
:
# 1. 定义接口描述/帮助信息
"""Calculator Program.Usage:calculator.py [--sum] <num>...calculator.py (-h | --help)Options:-h --help Show help.--sum Sum the nums (default: find the max).
"""from docopt import docopt# 2. 解析命令行
arguments = docopt(__doc__, options_first=True, argv=['--sum', '1', '2', '3'])
print(arguments) # 结果:{'--help': False, '--sum': True, '<num>': ['1', '2', '3']}# 3. 业务逻辑
nums = (int(num) for num in arguments['<num>'])if arguments['--sum']:result = sum(nums)
else:result = max(nums)print(result) # 基于上文的 ['--sum', '1', '2', '3'] 参数,处理函数为 sum 函数,其结果为 6
复制代码
从上述示例可以看到,我们通过 __doc__
定义了接口描述,这和 argparse
中 add_argument
是等价的,然后 docopt
便会根据这个元信息把命令行参数转换为一个字典。业务逻辑中就需要对这个字典进行处理。
对比与 argparse
:
- 对于更为复杂的命令程序,元信息的定义上
docopt
会更加简单 - 然而在业务逻辑的处理上,由于
argparse
在一些简单参数的处理上会更加便捷(比如示例中的情形),相对来说docopt
转换为字典后就把所有处理交给业务逻辑的方式会更加复杂
2.3、click(免费领取Python自动化学习资料 工具,面试宝典面试技巧,加QQ群,785128166,群内还会大佬技术交流)
命令行程序本质上是定义参数和处理参数,而处理参数的逻辑一定是与所定义的参数有关联的。那可不可以用函数和装饰器来实现处理参数逻辑与定义参数的关联呢?而 click
正好就是以这种使用方式来设计的。
click
使用装饰器的好处就在于用装饰器优雅的语法将参数定义和处理逻辑整合在一起,从而暗示了路由关系。相比于 argparse
和 docopt
需要自行对解析后的参数来做路由关系,简单了不少。
以下示例为 click
实现的 计算器程序
:
import sys
import clicksys.argv = ['calculator.py', '--sum', '1', '2', '3']# 2. 定义参数
@click.command()
@click.argument('nums', nargs=-1, type=int)
@click.option('--sum', 'use_sum', is_flag=True, help='sum the nums (default: find the max)')
# 1. 业务逻辑
def calculator(nums, use_sum):"""Calculator Program."""print(nums, use_sum) # 输出:(1, 2, 3) Trueif use_sum:result = sum(nums)else:result = max(nums)print(result) # 基于上文的 ['--sum', '1', '2', '3'] 参数,处理函数为 sum 函数,其结果为 6calculator()
复制代码
从上述示例可以看出,参数和对应的处理逻辑非常好地绑定在了一起,看上去就很直观,使得我们可以明确了解参数会怎么处理,这在有大量参数时显得尤为重要,这边是 click
相比于 argparse
和 docopt
最明显的优势。
此外,click
还内置了很多实用工具和额外能力,比如说 Bash 补全、颜色、分页支持、进度条等诸多实用功能,可谓是如虎添翼。
2.4、fire
fire
则是用一种面向广义对象的方式来玩转命令行,这种对象可以是类、函数、字典、列表等,它更加灵活,也更加简单。你都不需要定义参数类型,fire
会根据输入和参数默认值来自动判断,这无疑进一步简化了实现过程。
以下示例为 click
实现的 计算器程序
:
import sys
import firesys.argv = ['calculator.py', '1', '2', '3', '--sum']builtin_sum = sum# 1. 业务逻辑
# sum=False,暗示它是一个选项参数 --sum,不提供的时候为 False
# *nums 暗示它是一个能提供任意数量的位置参数
def calculator(sum=False, *nums):"""Calculator Program."""print(sum, nums) # 输出:True (1, 2, 3)if sum:result = builtin_sum(nums)else:result = max(nums)print(result) # 基于上文的 ['1', '2', '3', '--sum'] 参数,处理函数为 sum 函数,其结果为 6fire.Fire(calculator)
复制代码
从上述示例可以看出,fire
提供的方式无疑是最简单、并且最 Pythonic 的了。我们只需关注业务逻辑,而命令行参数的定义则和函数参数的定义融为了一体。
不过,有利自然也有弊,比如 nums
并没有说是什么类型,也就意味着输入字符串'abc'也是合法的,这就意味着一个严格的命令行程序必须在自己的业务逻辑中来对期望的类型进行约束。
三、横向对比
最后,我们横向对比下argparse
、docopt
、click
和 fire
库的各项功能和特点:
Python 的命令行库种类繁多、各具特色。结合上面的总结,可以选择出符合使用场景的库,如果几个库都符合,那么就根据你更偏爱的风格来选择。这些库都很优秀,其背后的思想很是值得我们学习和扩展。
你还在纠结用什么库写 Python 命令行程序?看这一篇就够了相关推荐
- python用什么敲代码_你还在纠结用什么库写 Python 命令行程序?看这一篇就够了...
一.前言 在近半年的 Python 命令行旅程中,我们依次学习了 argparse.docopt.click 和 fire 库的特点和用法,逐步了解到 Python 命令行库的设计哲学与演变. 本文作 ...
- python命令行大全-用什么库写 Python 命令行程序(示例代码详解)
一.前言 在近半年的 Python 命令行旅程中,我们依次学习了 argparse . docopt . click 和 fire 库的特点和用法,逐步了解到 Python 命令行库的设计哲学与演变. ...
- python 代码命令大全-用什么库写 Python 命令行程序(示例代码详解)
一.前言 在近半年的 Python 命令行旅程中,我们依次学习了 argparse . docopt . click 和 fire 库的特点和用法,逐步了解到 Python 命令行库的设计哲学与演变. ...
- ffmpeg mp4 提取h265命令行_安装FFmpeg多媒体库,以及命令行程序使用介绍
FFmpeg是非常流行的多媒体框架,主要用于音视频的解码.编码.转码.混流.过滤.播放等操作. 2000年,法国著名的程序员Fabrice Bellard创建FFmpeg项目,前两个字母FF是Fast ...
- python 基础命令-Python 命令行(CLI)基础库
在 CLI 下写 UI 应用 前阵子看了一下自己去年写的 Python-视频转字符动画,感觉好糗..所以几乎把整篇文章重写了一遍.并使用 curses 库实现字符动画的播放. 但是感觉,curses ...
- Python 第三方库大全看这一篇就够了(1000+工具包)
awesome-python 是 vinta 发起维护的 Python 资源列表,内容包括:Web 框架.网络爬虫.网络内容提取.模板引擎.数据库.数据可视化.图片处理.文本处理.自然语言处理.机器学 ...
- 从源码的角度看Go语言flag库如何解析命令行参数!
我上周五喝酒喝到晚上3点多,确实有点罩不住啊,整个周末都在休息和睡觉,文章鸽了几天,想不到就有两个人跑了. 不得不感叹一下,自媒体的太残酷了,时效就那么几天,断更就没人爱.你们说好了爱我的,爱呢?哼 ...
- 用Python写一个命令行火车票查看器
Linux编程点击右侧关注,免费入门到精通! 作者丨protream https://www.jianshu.com/p/f411d7e10c41 当你想查询一下火车票信息的时候,你还在上12306官 ...
- Google 开源的 Python 命令行库:fire 实现 git 命令
一.前言 在前面三篇介绍 fire 的文章中,我们全面了解了 fire 强大而不失简洁的能力.按照惯例,我们要像使用 argparse.docopt 和 click 一样使用 fire 来实现 git ...
最新文章
- 我都陪你坐了一天了,你好歹说句话啊!吖的,谱也忒大了。。。
- python椭圆面积_利用matplotlib实现2个椭圆的重叠区域
- TokuDB · 引擎特性 · HybridDB for MySQL高压缩引擎TokuDB 揭秘
- java概述与基础知识
- Error creating bean with name ‘org.springframework.security.oauth2.config.annotation.web.configurati
- php探针存在xss漏洞
- 买断式软件逐渐向订阅式软件发展,是不是资本想一直割韭菜?
- wget通过代理上网办法
- Windows 中不规则窗体的编程实现三种方法:CRgn,作图路径法,据图像创建region
- MoviePy - 中文文档1-下载与安装
- 直播预告| 基于神经网络模型的开放领域对话系统研究
- mac关于 E45: ‘readonly‘ option is set (add ! to override)
- 电信计费系列2-手机+座机计费
- 云产品测试软件,云测试工具平台介绍
- Linux 系统维护命令小结
- 为什么中国的房价降不下来?
- 电脑硬件:蓝屏的常见解决方案
- 南开计算机学院拟录取分数线,速看!复旦、南开等多所大学强基计划拟录取名单及分数线公布...
- 淘宝小部件在 2021 双十一中的规模化应用
- Cadence 17.4 原理图导出PDF
热门文章
- 前端css中常见的-moz-,-webkit-,-o-分别是什么?
- [PTA] 7-11 计算平均分
- 基于celeba数据集和pytorch框架实现dcgan的人脸图像生成
- 高中计算机教学心得,高中教学心得随笔
- Codeforces Round #550 (Div. 3)C. Two Shuffled Sequences
- NetSuite 合并报表之外币折算差异(CTA)
- 安装Kubernets管理平台Ratel
- 实现微信小程序上传视频的注意事项
- origin和matlab的异同,origin和matlab
- 快速文件扫描王用户协议