继上次的optparser库之后，才发现自己意外的out of time了。原来标准的argparse库才是处理命令行参数的一剂良方。好记性不如烂笔头，这里还是记录一下，以便今后的复习。

---

初始化

import argparse

parser = argparse.ArgumentParser()

初始化这个类的时候，还是有很多的可选参数的，但是相对而言比较重要的也就是description和version吧。添加的话可以给用户一个更加友好的体验，不加也没啥大不了的。

始见参数

这也是这个库的核心部分了。

# =======================
    # Adding argument actions
    # =======================
    def add_argument(self, *args, **kwargs):
        """
        add_argument(dest, ..., name=value, ...)
        add_argument(option_string, option_string, ..., name=value, ...)
        """

        # if no positional args are supplied or only one is supplied and
        # it doesn‘t look like an option string, parse a positional
        # argument
        ··· ···

对此有兴趣的不妨研究一下源码。那么，一般而言可以为这个方法添加什么参数呢？

ArgumentParser.add_argument(name or flags…[, action][, nargs][, const][, default][, type][, choices][, required][, help][, metavar][, dest])

对应add_argument方法的说明：

如果该方法没有设置位置参数，或者设置了一个不像可选参数的字符串，就解析为一个位置参数。

什么意思咧，大概就是说会默认将这种情况设置为位置参数，至于位置参数和可选参数的区别，属额外知识，此处略去。

下面就来简单的测试一下这几个参数，来加深一下记忆吧。

---

必须参数

name or flags

先来看一个不像可选参数的字符串被解析的例子。

再来看一个位置参数的实现。

---

可选参数

可选参数一定是前面有-号的，但是有-号的不一定是可选参数

---

action

action比较特殊一点，针对不同的值，这个属性也对应着不同的情况。

• action=‘store_const‘，见名知意。就是指这个本参数对应的值为常量，类比在C++中，常量的值不能随意的更改，一般会在初始化的时候确定下来，这里同样秉承了这个思想，于是这个参数的值便存储在了一个叫const的属性对应的值中。

• action=‘store_true/store_false‘,有了上面的做示范，类比这个也就不难理解了。是的，参数的值会被默认的存储为对应的True或者False。
  

需要注意的是，以上两个属性值原理类似。也就是说我们不能再为其指定额外的命令行值了，否则就会报错的。

E:\Code\Python\DataStructor\temp>python argptest.py -f foo -b bar
usage: argptest.py [-h] [-f] [-b]
argptest.py: error: unrecognized arguments: foo bar

E:\Code\Python\DataStructor\temp>

• action=‘append‘，这个时候，命令行中赋予的参数值可以为多个咯，多个参数值会被存储为一个列表。

import argparse

parser = argparse.ArgumentParser(description=‘here we can add some desciptions‘)
parser.add_argument(‘-l‘, ‘--list‘, action=‘append‘)
args = parser.parse_args()
print args
print args.list

但是使用的时候确是 要十分的小心，因为这个库不会自动的帮助我们分割命令行参数来配对，所以我们必须一次一个的为其赋值， 不然它就不能正常的工作了。

E:\Code\Python\DataStructor\temp>python argptest.py -l 1
Namespace(list=[‘1‘])
[‘1‘]

E:\Code\Python\DataStructor\temp>python argptest.py -l 1 -l 2 -l 3
Namespace(list=[‘1‘, ‘2‘, ‘3‘])
[‘1‘, ‘2‘, ‘3‘]

E:\Code\Python\DataStructor\temp>python argptest.py -l 1
Namespace(list=[‘1‘])
[‘1‘]

E:\Code\Python\DataStructor\temp>python argptest.py -l 1 -l 2 -l 3
Namespace(list=[‘1‘, ‘2‘, ‘3‘])
[‘1‘, ‘2‘, ‘3‘]

E:\Code\Python\DataStructor\temp>python argptest.py -l 1 2 3
usage: argptest.py [-h] [-l LIST]
argptest.py: error: unrecognized arguments: 2 3

• action=‘count‘,统计本参数出现的次数，也就是说add_argument方法内没有此属性的话就不会统计该参数出现的次数了。

import argparse

parser = argparse.ArgumentParser(description=‘here we can add some desciptions‘)
parser.add_argument(‘-c‘, ‘--count‘, action=‘count‘)
args = parser.parse_args()
print args
print args.count

测试结果为：

E:\Code\Python\DataStructor\temp>python argptest.py -c
Namespace(count=1)
1

E:\Code\Python\DataStructor\temp>python argptest.py -c -c
Namespace(count=2)
2

E:\Code\Python\DataStructor\temp>python argptest.py -c -c -c
Namespace(count=3)
3

这个例子用处不大，但是在某些时候还是很有用的。

nargs

我的理解就是：numbers of arguments。其值为数值类型，外加一个‘+‘(一个或多个)， 一个‘*‘（零个或多个，更加推荐*）,下面就来看个例子吧。

import argparse

parser = argparse.ArgumentParser(description=‘here we can add some desciptions‘)
parser.add_argument(‘-f‘, ‘--foo‘, nargs=1)
parser.add_argument(‘-b‘, ‘--bar‘, nargs=2)
parser.add_argument(‘-m‘, ‘--many‘, nargs=‘+‘)
args = parser.parse_args()
print args

测试的结果为：

E:\Code\Python\DataStructor\temp>python argptest.py -f 1 -b 1 2 -m 1 2 3 3 2 1
Namespace(bar=[‘1‘, ‘2‘], foo=[‘1‘], many=[‘1‘, ‘2‘, ‘3‘, ‘3‘, ‘2‘, ‘1‘])
E:\Code\Python\DataStructor\temp>python argptest.py -f 1 2
usage: argptest.py [-h] [-f FOO] [-b BAR BAR] [-m MANY [MANY ...]]
argptest.py: error: unrecognized arguments: 2

E:\Code\Python\DataStructor\temp>python argptest.py -f 1 -b 1
usage: argptest.py [-h] [-f FOO] [-b BAR BAR] [-m MANY [MANY ...]]
argptest.py: error: argument -b/--bar: expected 2 argument(s)

E:\Code\Python\DataStructor\temp>python argptest.py -f 1 -b 1 2 -m a s x c d e r f g tt r  w d f f
Namespace(bar=[‘1‘, ‘2‘], foo=[‘1‘], many=[‘a‘, ‘s‘, ‘x‘, ‘c‘, ‘d‘, ‘e‘, ‘r‘, ‘f‘, ‘g‘, ‘tt‘, ‘r‘, ‘w‘, ‘d‘, ‘f‘, ‘f‘])

不难看出，设置了什么样的约束，就必须按照规定使用了，否则这个库就不能正常的工作了。实际中，需要什么样的就设置成什么样的参数即可。

default

默认参数，这个属性比较的有意思了，而且很容易理解。就是说，如果我们没有在命令行中输入参数对应的值，那么这个值就会使用default属性中设置好的了。这一点看似简单，但意义非凡！

import argparse

parser = argparse.ArgumentParser(description=‘here we can add some desciptions‘)
parser.add_argument(‘-f1‘, ‘--foo1‘, default=1)
parser.add_argument(‘-f2‘, ‘--foo2‘, default=‘string type‘)
parser.add_argument(‘-f3‘, ‘--foo3‘, default=[1, ‘a‘, 2, ‘b‘])

args = parser.parse_args()
print args

测试结果：

E:\Code\Python\DataStructor\temp>python argptest.py
Namespace(foo1=1, foo2=‘string type‘, foo3=[1, ‘a‘, 2, ‘b‘])

E:\Code\Python\DataStructor\temp>python argptest.py -f1 12
Namespace(foo1=‘12‘, foo2=‘string type‘, foo3=[1, ‘a‘, 2, ‘b‘])

E:\Code\Python\DataStructor\temp>python argptest.py -f2 funny
Namespace(foo1=1, foo2=‘funny‘, foo3=[1, ‘a‘, 2, ‘b‘])

由此，我们可以得到另外一个比较重要的知识点，那就是该库默认将从控制台读取的值转成字符串类型，即使我们预期的不是字符串。这一点引起足够的注意即可。

type

类型约束，有时候会起到画龙点睛的作用。刚好可以完善上面那个类型转换的问题。

import argparse

parser = argparse.ArgumentParser(description=‘here we can add some desciptions‘)
parser.add_argument(‘-f1‘, ‘--foo1‘, default=1)
parser.add_argument(‘-f2‘, ‘--foo2‘, default=‘string type‘)
parser.add_argument(‘-f3‘, ‘--foo3‘, default=[1, ‘a‘, 2, ‘b‘])

args = parser.parse_args()
print args

测试结果：

E:\Code\Python\DataStructor\temp>python argptest.py -f 12
Namespace(foo=12)

E:\Code\Python\DataStructor\temp>python argptest.py -f ‘12‘
usage: argptest.py [-h] [-f FOO]
argptest.py: error: argument -f/--foo: invalid int value: "‘12‘"

输入非int类型的数据，就会自动的报错。由此也可见type和default相辅相成的搭配，会使得用户输入的约束更契合。

choices

这个属性意蕴更加明显了吧，就是说用户输入的参数只能是choices里面规定的，这就跟java中的枚举类的使用有点神似咯。刚好可以严格的控制用户输入，毕竟你用于不知道你的用户会输入什么，除非你不给他们任意输入的权限。而choices刚好帮你实现了这个需求。

import argparse

parser = argparse.ArgumentParser(description=‘here we can add some desciptions‘)
parser.add_argument(‘-f‘, ‘--foo‘, choices=[1, 2, 3, ‘a‘, ‘abc‘, 3.141592653589727])

args = parser.parse_args()
print args

测试结果:

E:\Code\Python\DataStructor\temp>python argptest.py -f 1
usage: argptest.py [-h] [-f {1,2,3,a,abc,3.14159265359}]
argptest.py: error: argument -f/--foo: invalid choice: ‘1‘ (choose from 1, 2, 3, ‘a‘, ‘abc‘, 3.141592653589727)

E:\Code\Python\DataStructor\temp>python argptest.py -f a
Namespace(foo=‘a‘)

因此，我们要特别注意，从控制台输入的数据会自动的转换成字符串类型，而choices里面的值就必须有点讲究了。我们一定要仔细的思考需要什么类型的数据。如果非要使用int类型的话，就需要搭配type属性了。但是如果既要字符串，又要int的话，这就不好办了。所以，请三思而后行。

required

意指这个参数是必须的吗？属性值有True和False两个取值，按需设置即可。

import argparse

parser = argparse.ArgumentParser(description=‘here we can add some desciptions‘)
parser.add_argument(‘-f‘, ‘--foo‘, required=True)

args = parser.parse_args()
print args

测试结果：

E:\Code\Python\DataStructor\temp>python argptest.py -f foooof
Namespace(foo=‘foooof‘)

E:\Code\Python\DataStructor\temp>python argptest.py
usage: argptest.py [-h] -f FOO

所以说，加了这个属性。对用户的输入的限制就更加的严格一点了。

help

如果说这些属性里面哪个最容易理解？博主想说的就是help了。没有之一。其作用就是在用户输入--help 或者-h的时候显示的帮助信息。这一点非常的有用，因为用户第一次使用你的库的时候对参数的含义一无所知，而help就起到了一个帮助文档的作用。

看起来很有感觉了吧。

dest

此为destination的缩写，也就是说该参数的值将被存储于dest声明的变量中。我们可以借助输出来探查一二。

import argparse

parser = argparse.ArgumentParser(description=‘here we can add some desciptions‘)
parser.add_argument(‘-f‘, ‘--foo‘, dest=‘variable‘)

args = parser.parse_args()
print args.variable
# 注意此时-f对应的参数将变成variable，而不再是foo，所以下面的会报错
print args.foo

测试结果：

E:\Code\Python\DataStructor\temp>python argptest.py -f foo
Namespace(variable=‘foo‘)

E:\Code\Python\DataStructor\temp>python argptest.py -f foo
foo

E:\Code\Python\DataStructor\temp>python argptest.py -f foo
Traceback (most recent call last):
  File "argptest.py", line 16, in <module>
    print args.foo
AttributeError: ‘Namespace‘ object has no attribute ‘foo‘

metavar

这个参数用于help 信息输出中，但是貌似基本上就没人用到过它。所以这里为了不误导自己，误导他人，便不再叙述，有兴趣的可以自行搜索一下。

总结

本文主要讲解了argparse库的使用，图文并茂，代码雨测试结果并行。应该算是比较详细了吧。O(∩_∩)O哈哈~

但是个人觉得貌似和optparser库区别不是很大，大致的用法还是差不多的嘛。有兴趣的话，可以看看下面的这个关于optparser库的讲解的链接。

optparser使用详见：http://blog.csdn.net/Marksinoberg/article/details/51842197