用什麼庫寫 Python 命令列程式?看這一篇就夠了
作者:HelloGitHub-Prodesire
HelloGitHub 的《講解開源專案》系列,專案地址:https://github.com/HelloGitHub-Team/Article
一、前言
在近半年的 Python 命令列旅程中,我們依次學習了 argparse
、docopt
、click
和 fire
庫的特點和用法,逐步瞭解到 Python 命令列庫的設計哲學與演變。
本文作為本次旅程的終點,希望從一個更高的視角對這些庫進行橫向對比,總結它們的異同點和使用場景,以期在應對不同場景時能夠分析利弊,選擇合適的庫為己所用。
本系列文章預設使用 Python 3 作為直譯器進行講解。 若你仍在使用 Python 2,請注意兩者之間語法和庫的使用差異哦~
二、設計理念
在討論各個庫的設計理念之前,我們先設計一個計算器程式
,其實這個例子在 argparse
庫的第一篇講解中出現過,也就是:
- 命令列程式接受一個位置引數,它能出現多次,且是數字
- 預設情況下,命令列程式會求出給定的一串數字的最大值
- 如果指定了選項引數
--sum
,那麼就會將求出給定的一串數字的和
希望從各個庫實現該例子的程式碼中能進一步體會它們的設計理念。
2.1、argparse
argparse
的設計理念就是提供給你最細粒度的控制,你需要詳細地告訴它引數是選項引數還是位置引數、引數值的型別是什麼、該引數的處理動作是怎樣的。
總之,它就像是一個沒有智慧分析能力的初代機器人,你需要告訴它明確的資訊,它才會根據給定的資訊去幫助你做事情。
以下示例為 argparse
實現的 計算器程式
:
import argparse # 1. 設定解析器 parser = argparse.ArgumentParser(description='Calculator Program.') # 2. 定義引數 # 新增位置引數 nums,在幫助資訊中顯示為 num # 其型別為 int,且支援輸入多個,且至少需要提供一個 parser.add_argument('nums', metavar='num', type=int, nargs='+', help='a num for the accumulator') # 新增選項引數 --sum,該引數被 parser 解析後所對應的屬性名為 accumulate # 若不提供 --sum,預設值為 max 函式,否則為 sum 函式 parser.add_argument('--sum', dest='accumulate', action='store_const', const=sum, default=max, help='sum the nums (default: find the max)') # 3. 解析引數 args = parser.parse_args(['--sum', '1', '2', '3']) print(args) # 結果:Namespace(accumulate=<built-in function sum>, nums=[1, 2, 3]) # 4. 業務邏輯 result = args.accumulate(args.nums) print(result) # 基於上文的 ['--sum', '1', '2', '3'] 引數,accumulate 為 sum 函式,其結果為 6
從上述示例可以看到,我們需要通過 add_argument
很明確地告訴 argparse
引數長什麼樣:
- 它是位置引數
nums
,還是選項引數--sum
- 它的型別是什麼,比如
type=int
表示型別是 int - 這個引數能重複出現幾次,比如
nargs='+'
表示至少提供 1 個 - 引數的是存什麼的,比如
action='store_const'
表示存常量
然後它才根據給定的這些元資訊來解析命令列引數(也就是示例中的 ['--sum', '1', '2', '3']
)。
這是很計算機的思維,雖然冗長,但也帶來了靈活性。
2.2、docopt
從 argparse
的理念可以看出,它是命令式的。這時候 docopt
另闢蹊徑,宣告式是不是也可以?一個命令列程式的幫助資訊其實已然包含了這個命令列的完整元資訊,那不就可以通過定義幫助資訊來定義命令列?docopt
就是基於這樣的想法去設計的。
宣告式的好處在於只要你掌握了宣告式的語法,那麼定義命令列的元資訊就會很簡單。
以下示例為 docopt
實現的 計算器程式
:
# 1. 定義介面描述/幫助資訊
"""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. 解析命令列
arguments = docopt(__doc__, options_first=True, argv=['--sum', '1', '2', '3'])
print(arguments) # 結果:{'--help': False, '--sum': True, '<num>': ['1', '2', '3']}
# 3. 業務邏輯
nums = (int(num) for num in arguments['<num>'])
if arguments['--sum']:
result = sum(nums)
else:
result = max(nums)
print(result) # 基於上文的 ['--sum', '1', '2', '3'] 引數,處理函式為 sum 函式,其結果為 6
從上述示例可以看到,我們通過 __doc__
定義了介面描述,這和 argparse
中 add_argument
是等價的,然後 docopt
便會根據這個元資訊把命令列引數轉換為一個字典。業務邏輯中就需要對這個字典進行處理。
對比與 argparse
:
- 對於更為複雜的命令程式,元資訊的定義上
docopt
會更加簡單 - 然而在業務邏輯的處理上,由於
argparse
在一些簡單引數的處理上會更加便捷(比如示例中的情形),相對來說docopt
轉換為字典後就把所有處理交給業務邏輯的方式會更加複雜
2.3、click
命令列程式本質上是定義引數和處理引數,而處理引數的邏輯一定是與所定義的引數有關聯的。那可不可以用函式和裝飾器來實現處理引數邏輯與定義引數的關聯呢?而 click
正好就是以這種使用方式來設計的。
click
使用裝飾器的好處就在於用裝飾器優雅的語法將引數定義和處理邏輯整合在一起,從而暗示了路由關係。相比於 argparse
和 docopt
需要自行對解析後的引數來做路由關係,簡單了不少。
以下示例為 click
實現的 計算器程式
:
import sys
import click
sys.argv = ['calculator.py', '--sum', '1', '2', '3']
# 2. 定義引數
@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. 業務邏輯
def calculator(nums, use_sum):
"""Calculator Program."""
print(nums, use_sum) # 輸出:(1, 2, 3) True
if use_sum:
result = sum(nums)
else:
result = max(nums)
print(result) # 基於上文的 ['--sum', '1', '2', '3'] 引數,處理函式為 sum 函式,其結果為 6
calculator()
從上述示例可以看出,引數和對應的處理邏輯非常好地繫結在了一起,看上去就很直觀,使得我們可以明確瞭解引數會怎麼處理,這在有大量引數時顯得尤為重要,這邊是 click
相比於 argparse
和 docopt
最明顯的優勢。
此外,click
還內建了很多實用工具和額外能力,比如說 Bash 補全、顏色、分頁支援、進度條等諸多實用功能,可謂是如虎添翼。
2.4、fire
fire
則是用一種面向廣義物件的方式來玩轉命令列,這種物件可以是類、函式、字典、列表等,它更加靈活,也更加簡單。你都不需要定義引數型別,fire
會根據輸入和引數預設值來自動判斷,這無疑進一步簡化了實現過程。
以下示例為 fire
實現的 計算器程式
:
import sys
import fire
sys.argv = ['calculator.py', '1', '2', '3', '--sum']
builtin_sum = sum
# 1. 業務邏輯
# sum=False,暗示它是一個選項引數 --sum,不提供的時候為 False
# *nums 暗示它是一個能提供任意數量的位置引數
def calculator(sum=False, *nums):
"""Calculator Program."""
print(sum, nums) # 輸出:True (1, 2, 3)
if sum:
result = builtin_sum(nums)
else:
result = max(nums)
print(result) # 基於上文的 ['1', '2', '3', '--sum'] 引數,處理函式為 sum 函式,其結果為 6
fire.Fire(calculator)
從上述示例可以看出,fire
提供的方式無疑是最簡單、並且最 Pythonic 的了。我們只需關注業務邏輯,而命令列引數的定義則和函式引數的定義融為了一體。
不過,有利自然也有弊,比如 nums
並沒有說是什麼型別,也就意味著輸入字串'abc'也是合法的,這就意味著一個嚴格的命令列程式必須在自己的業務邏輯中來對期望的型別進行約束。
三、橫向對比
最後,我們橫向對比下argparse
、docopt
、click
和 fire
庫的各項功能和特點:
argpase | docopt | click | fire | |
---|---|---|---|---|
使用步驟數 | 4 步 | 3 步 | 2 步 | 1 步 |
使用步驟數 | 1. 設定解析器 2. 定義引數 3. 解析命令列 4. 業務邏輯 |
1. 定義介面描述 2. 解析命令列 3. 業務邏輯 |
1. 業務邏輯 2. 定義引數 |
1. 業務邏輯 |
選項引數 (如 --sum ) |
✔ | ✔ | ✔ | ✔ |
位置引數 (如 X Y ) |
✔ | ✔ | ✔ | ✔ |
引數預設值 |
✔ | ✘ | ✔ | ✔ |
互斥選項 (如 --car 和 --bus 只能二選一) |
✔ | ✔ | ✔ 可通過第三方庫支援 |
✘ |
可變引數 (如指定多個 --file ) |
✔ | ✔ | ✔ | ✔ |
巢狀/父子命令 |
✔ | ✔ | ✔ | ✔ |
工具箱 |
✘ | ✘ | ✔ | ✔ |
鏈式命令呼叫 |
✘ | ✘ | ✘ | ✔ |
型別約束 | ✔ | ✘ | ✔ | ✘ |
Python 的命令列庫種類繁多、各具特色。結合上面的總結,可以選擇出符合使用場景的庫,如果幾個庫都符合,那麼就根據你更偏愛的風格來選擇。這些庫都很優秀,其背後的思想很是值得我們學習和擴充套件。
關注 HelloGitHub 公眾號獲取第一手的更