Python三级菜单实例详解
下面小编就为大家带来一篇Python三级菜单的实例。小编觉得挺不错的,现在就分享给大家,也给大家做个参考。一起跟随小编过来看看吧
要求:
打印省、市、县三级菜单
可返回上一级
可随时退出程序
版本1
# _author : Ahern Li # @_date : 2017/9/12 menu = { '浙江省':{ '杭州市':{ '余杭区':{'中泰':{},'临平':{}}, '西湖区':{'西湖':{},'留下':{}} }, '温州市':{ '苍南县':{'灵溪':{},'龙港':{}}, '瑞安县':{'安阳':{},'锦湖':{}} } }, '广东省':{ '广州市':{ '越秀区':{'人民路':{},'北京路':{}}, '荔湾区':{'沙面':{},'龙津':{}} }, '珠海市':{ '香洲区':{'拱北':{},'吉大':{}}, '金湾区':{'红旗镇':{},'平沙镇':{}} } } } # 返回标记 q_flag = True # 退出标记 Q_flag = True # 返回,退出标记出现False退出循环 while q_flag and Q_flag: # 遍历打印省份 for i in menu: print(i) province = input('请输入要查找的省份(Q,退出):').strip() if province in menu: while q_flag and Q_flag: for i in menu[province]: print(i) city = input('请输入要查找的市(q,返回 或 Q,退出):').strip() if city in menu[province]: while q_flag and Q_flag: for i in menu[province][city]: print(i) county = input('请输入要查找的区或县(q,返回 或 Q,退出):').strip() if county in menu[province][city]: while q_flag and Q_flag: for i in menu[province][city][county]: print(i) # 提示最后一页,输入格式 choice = input('最后一页! q,返回 或 Q,退出:').strip() if choice == 'q': # 配合 else: q_flag = True 退出该层循环,返回上层循环 q_flag = False elif choice == 'Q': # 退出大循环 Q_flag = False else: # 提示输入不合法 print('输入错误!') # 改回 q_flag 的值,实现只退出一层循环 else: q_flag = True elif county == 'q': q_flag = False elif county == 'Q': Q_flag = False else: print('输入错误!') else: q_flag = True elif city == 'q': q_flag = False elif city == 'Q': Q_flag = False else: print('输入错误!') else: q_flag = True elif province == 'Q': Q_flag = False else: print('输入错误!')
版本2
# _author : Ahern Li # @_date : 2017/9/12 menu = { '浙江省':{ '杭州市':{ '余杭区':{'中泰':{},'临平':{}}, '西湖区':{'西湖':{},'留下':{}} }, '温州市':{ '苍南县':{'灵溪':{},'龙港':{}}, '瑞安县':{'安阳':{},'锦湖':{}} } }, '广东省':{ '广州市':{ '越秀区':{'人民路':{},'北京路':{}}, '荔湾区':{'沙面':{},'龙津':{}} }, '珠海市':{ '香洲区':{'拱北':{},'吉大':{}}, '金湾区':{'红旗镇':{},'平沙镇':{}} } } } current_layer = menu # 实现动态循环 parent_layer = [] # 保留所有父层,最后一个元素永远为父层 while True: print() # 仅为了打印美观 for i in current_layer: # 遍历打印地址 print(i) choice = input('请在下方输入查询地址\n>>>:').strip() if choice in current_layer: if current_layer[choice]: # 判断是否为末层 parent_layer.append(current_layer) # 进入子层前,添加当前层作为父层 current_layer = current_layer[choice] # 修改子层 else: print('当前是最后一页') elif choice == '': continue elif choice == 'q': # 返回上层 if parent_layer: # 判断 parent_layer 是否为空 current_layer = parent_layer.pop() # 取出当前层父层 # 退出循环 elif choice == 'Q': break else: print('输入错误!')
以上是Python三级菜单实例详解的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

AI Hentai Generator
免费生成ai无尽的。

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

热门话题

PHP和Python各有优劣,选择取决于项目需求和个人偏好。1.PHP适合快速开发和维护大型Web应用。2.Python在数据科学和机器学习领域占据主导地位。

在CentOS系统上启用PyTorchGPU加速,需要安装CUDA、cuDNN以及PyTorch的GPU版本。以下步骤将引导您完成这一过程:CUDA和cuDNN安装确定CUDA版本兼容性:使用nvidia-smi命令查看您的NVIDIA显卡支持的CUDA版本。例如,您的MX450显卡可能支持CUDA11.1或更高版本。下载并安装CUDAToolkit:访问NVIDIACUDAToolkit官网,根据您显卡支持的最高CUDA版本下载并安装相应的版本。安装cuDNN库:前

Python和JavaScript在社区、库和资源方面的对比各有优劣。1)Python社区友好,适合初学者,但前端开发资源不如JavaScript丰富。2)Python在数据科学和机器学习库方面强大,JavaScript则在前端开发库和框架上更胜一筹。3)两者的学习资源都丰富,但Python适合从官方文档开始,JavaScript则以MDNWebDocs为佳。选择应基于项目需求和个人兴趣。

Docker利用Linux内核特性,提供高效、隔离的应用运行环境。其工作原理如下:1. 镜像作为只读模板,包含运行应用所需的一切;2. 联合文件系统(UnionFS)层叠多个文件系统,只存储差异部分,节省空间并加快速度;3. 守护进程管理镜像和容器,客户端用于交互;4. Namespaces和cgroups实现容器隔离和资源限制;5. 多种网络模式支持容器互联。理解这些核心概念,才能更好地利用Docker。

MinIO对象存储:CentOS系统下的高性能部署MinIO是一款基于Go语言开发的高性能、分布式对象存储系统,与AmazonS3兼容。它支持多种客户端语言,包括Java、Python、JavaScript和Go。本文将简要介绍MinIO在CentOS系统上的安装和兼容性。CentOS版本兼容性MinIO已在多个CentOS版本上得到验证,包括但不限于:CentOS7.9:提供完整的安装指南,涵盖集群配置、环境准备、配置文件设置、磁盘分区以及MinI

在CentOS系统上进行PyTorch分布式训练,需要按照以下步骤操作:PyTorch安装:前提是CentOS系统已安装Python和pip。根据您的CUDA版本,从PyTorch官网获取合适的安装命令。对于仅需CPU的训练,可以使用以下命令:pipinstalltorchtorchvisiontorchaudio如需GPU支持,请确保已安装对应版本的CUDA和cuDNN,并使用相应的PyTorch版本进行安装。分布式环境配置:分布式训练通常需要多台机器或单机多GPU。所

在CentOS系统上安装PyTorch,需要仔细选择合适的版本,并考虑以下几个关键因素:一、系统环境兼容性:操作系统:建议使用CentOS7或更高版本。CUDA与cuDNN:PyTorch版本与CUDA版本密切相关。例如,PyTorch1.9.0需要CUDA11.1,而PyTorch2.0.1则需要CUDA11.3。cuDNN版本也必须与CUDA版本匹配。选择PyTorch版本前,务必确认已安装兼容的CUDA和cuDNN版本。Python版本:PyTorch官方支

Python在自动化、脚本编写和任务管理中表现出色。1)自动化:通过标准库如os、shutil实现文件备份。2)脚本编写:使用psutil库监控系统资源。3)任务管理:利用schedule库调度任务。Python的易用性和丰富库支持使其在这些领域中成为首选工具。
