from prompt_toolkit import prompt 
 
from prompt_toolkit.history import FileHistory 
 
from prompt_toolkit.auto_suggest import AutoSuggestFromHistory 
 
from prompt_toolkit.contrib.completers import WordCompleter 
 
import click 
 
SQLCompleter = WordCompleter(['select', 'from', 'insert', 'update', 'delete', 'drop'], 
 
                             ignore_case=True) 
 
while 1: 
 
    user_input = prompt(u'SQL>', 
 
                        history=FileHistory('history.txt'), 
 
                        auto_suggest=AutoSuggestFromHistory(), 
 
                        completer=SQLCompleter, 
 
                        ) 
 
    click.echo_via_pager(user_input) 

编辑器

在我之前的文┞仿中提到一个细节，就是当敕令变得太复杂时就会回到编辑器，同样的 click 供给了一个简单的 API 可以来启动编辑器，并将编辑器中输入的文本返回到应用中：

假设我们正在为 SQL 实现 REPL。我们可以应用 SQL 关键字存储我们的主动完成字典。让我们看看若何做到这一点：

import click 
 
message = click.edit() 

模糊搜刮

模糊搜刮是一种让用户经由过程起码的输仁攀来缩小提示。同样有一个模糊搜刮库，让我们安装这个库：

pip install fuzzyfinder 

模糊搜刮的API很简单，你传递进部分字符串和一个可能选择的列表，模糊搜刮将返回一个新的列表，它和应用了按相干性排序的含混算法的字符串进行匹配，例如：

>>> from fuzzyfinder import fuzzyfinder 
 
>>> suggestions = fuzzyfinder('abc', ['abcd', 'defabca', 'aagbec', 'xyz', 'qux']) 
 
>>> list(suggestions) 
 
['abcd', 'defabca', 'aagbec'] 

如今我们有了模糊搜刮，我们将它参加到我们的 SQL 交互式说冥器中。如许就定义了一个完成器，而不是 prompt-toolkit 附带的 WordCompleter。例如：

　　推荐阅读

　　深度学习自动编码器还能用于数据生成？这篇文章告诉你答案

什么是主动编码器主动编码器(AutoEncoder)最开端作为一种数据的紧缩办法，其特点有: 跟数据相干程度很高，这意味着主动编码器只能紧缩与练习数据类似的数据，这个其实比较显然，因>>>详细阅读

本文标题：四个Python库，实现超实用的命令行功能

地址：http://www.17bianji.com/lsqh/36115.html

 1/2    1