Python处理命令行参数模块optpars Python处理命令行参数模块optpars用法实例分析
-牧野- 人气:0本文实例讲述了Python处理命令行参数模块optpars用法。分享给大家供大家参考,具体如下:
optpars是python中用来处理命令行参数的模块,可以自动生成程序的帮助信息,功能强大,易于使用,可以方便的生成标准的,符合Unix/Posix 规范的命令行说明。
使用 add_option()
来加入选项,使用 parse_args() 来解析命令行。
add_option()中参数
第一个参数表示option的缩写,以单个中划线引导,例如-f、-d,只能用单个字母,可以使用大写;
第二个参数表示option的全拼,以两个中划线引导,例如--file、--Opencv_version;
第一第二个参数可以单独使用,也可以同时使用,但必须保证有其中一个;
从第三个参数开始是命名参数,是可选参数,常用的几个:
type=: 表示输入命令行参数的值的类型,默认为string,可以指定为string, int, choice, float,complex其中一种;
default=: 表示命令参数的默认值;
metavar=: 显示到帮助文档中用来提示用户输入期望的命令参数;
dest=:指定参数在options对象中成员的名称,如果没有指定dest参数,将用命令行参数名来对options对象的值进行存取。
help=: 显示在帮助文档中的信息;
解析命令行
(options, args) = parse.parse_args()
或在main(argv)
函数里:
(options, args) = parser.parse_args(argv)
options,是一个对象(optpars.Values),保存有命令行参数值。通过命令行参数名,如 file,访问其对应的值: options.file ;
args,是一个由 positional arguments 组成的列表;
optparse使用
import sys from optparse import OptionParser parser = OptionParser() parser.add_option('-f','--file',type=str,default='./image',help='file path of images',dest='file_path') parser.add_option('--weights','-w',type=str,default='./weights_saved',help="file location of the trained network weights") parser.add_option('--iterations','-i',type=int,default=10000,help='iteration time of CRNN Net') parser.add_option('--gpu','-g',type=int,default=0,help="gpu id") def main(argv): (options, args) = parser.parse_args() (options, args) = parser.parse_args(argv) # both OK print 'file path of images: ' + options.file_path print "file location of the trained network weights: " + options.weights print 'iteration time of CRNN Net: ' + str(options.iterations) print 'gpu id: ' + str(options.gpu) if __name__ == '__main__': main(sys.argv)
查看帮助文档:
python test.py -h
显示:
Usage: test.py [options]
Options:
-h, --help show this help message and exit
-f FILE_PATH, --file=FILE_PATH
file path of images
-w WEIGHTS, --weights=WEIGHTS
file location of the trained network weights
-i ITERATIONS, --iterations=ITERATIONS
iteration time of CRNN Net
-g GPU, --gpu=GPU gpu id
输入命令行参数:
python test.py -f ../tensorflow/train_image -w ../tensorflow/weights -i 5000 -g 2
输出:
file path of images: ../tensorflow/train_image
file location of the trained network weights: ../tensorflow/weights
iteration time of CRNN Net: 5000
gpu id: 2
希望本文所述对大家Python程序设计有所帮助。
加载全部内容