使用 argparse 處理清單作為命令列參數
在 Python 中,argparse 模組有助於解析命令列參數。使用清單作為參數時,了解適當的選項至關重要。
nargs
一種方法是使用 nargs,它指定一個物件接受的參數數量。選項。預設情況下,nargs=1 接受單一參數。但是,使用 nargs=' ' 或 nargs='*' 允許多個參數。
<code class="python">parser.add_argument('-l', '--list', nargs='+', help='Set flag')</code>
action='append'
另一個選擇是 action='append '。這種方法將每個遇到的參數附加到列表中,而不是將它們收集在單一參數中。
<code class="python">parser.add_argument('-l', '--list', action='append', help='Set flag')</code>
避免 type=list
相反,使用 type=list通常不建議與 argparse 一起使用。它將每個參數解釋為一個列表,從而產生一個列表列表。
示範
提供的程式碼示範了這些選項的用法:
<code class="python">import argparse parser = argparse.ArgumentParser() # Demonstration with nargs parser.add_argument('--nargs', nargs='+') # Demonstration with action='append' parser.add_argument('--append-action', action='append') for _, value in parser.parse_args()._get_kwargs(): if value is not None: print(value)</code>
輸出:
輸出:['1234', '2345', '3456', '4567']
['1234', '2345', '3456', '4567']輸出:
輸出:
- 假設使用python arg.py --nargs 1234 2345 3456 4567 呼叫腳本,則nargs 的輸出將是:
- 或者,使用python arg.py --append-action 1234 --append -action 2345 --append-action 3456 --append-action 4567 呼叫腳本將產生:
以上是如何在 Python 中使用 argparse 將清單作為命令列參數處理?的詳細內容。更多資訊請關注PHP中文網其他相關文章!

本文解釋瞭如何使用美麗的湯庫來解析html。 它詳細介紹了常見方法,例如find(),find_all(),select()和get_text(),以用於數據提取,處理不同的HTML結構和錯誤以及替代方案(SEL)

Linux終端中查看Python版本時遇到權限問題的解決方法當你在Linux終端中嘗試查看Python的版本時,輸入python...

Python 對象的序列化和反序列化是任何非平凡程序的關鍵方面。如果您將某些內容保存到 Python 文件中,如果您讀取配置文件,或者如果您響應 HTTP 請求,您都會進行對象序列化和反序列化。 從某種意義上說,序列化和反序列化是世界上最無聊的事情。誰會在乎所有這些格式和協議?您想持久化或流式傳輸一些 Python 對象,並在以後完整地取回它們。 這是一種在概念層面上看待世界的好方法。但是,在實際層面上,您選擇的序列化方案、格式或協議可能會決定程序運行的速度、安全性、維護狀態的自由度以及與其他系

Python的statistics模塊提供強大的數據統計分析功能,幫助我們快速理解數據整體特徵,例如生物統計學和商業分析等領域。無需逐個查看數據點,只需查看均值或方差等統計量,即可發現原始數據中可能被忽略的趨勢和特徵,並更輕鬆、有效地比較大型數據集。 本教程將介紹如何計算平均值和衡量數據集的離散程度。除非另有說明,本模塊中的所有函數都支持使用mean()函數計算平均值,而非簡單的求和平均。 也可使用浮點數。 import random import statistics from fracti

本文比較了Tensorflow和Pytorch的深度學習。 它詳細介紹了所涉及的步驟:數據準備,模型構建,培訓,評估和部署。 框架之間的關鍵差異,特別是關於計算刻度的

該教程建立在先前對美麗湯的介紹基礎上,重點是簡單的樹導航之外的DOM操縱。 我們將探索有效的搜索方法和技術,以修改HTML結構。 一種常見的DOM搜索方法是EX

本文討論了諸如Numpy,Pandas,Matplotlib,Scikit-Learn,Tensorflow,Tensorflow,Django,Blask和請求等流行的Python庫,並詳細介紹了它們在科學計算,數據分析,可視化,機器學習,網絡開發和H中的用途

本文指導Python開發人員構建命令行界面(CLIS)。 它使用Typer,Click和ArgParse等庫詳細介紹,強調輸入/輸出處理,並促進用戶友好的設計模式,以提高CLI可用性。


熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

AI Hentai Generator
免費產生 AI 無盡。

熱門文章

熱工具

禪工作室 13.0.1
強大的PHP整合開發環境

MantisBT
Mantis是一個易於部署的基於Web的缺陷追蹤工具,用於幫助產品缺陷追蹤。它需要PHP、MySQL和一個Web伺服器。請查看我們的演示和託管服務。

Dreamweaver CS6
視覺化網頁開發工具

Safe Exam Browser
Safe Exam Browser是一個安全的瀏覽器環境,安全地進行線上考試。該軟體將任何電腦變成一個安全的工作站。它控制對任何實用工具的訪問,並防止學生使用未經授權的資源。

PhpStorm Mac 版本
最新(2018.2.1 )專業的PHP整合開發工具