程序员使用注释来屏蔽那些自己不想运行的代码。但是在提交代码时，应当把这些无用的代码段彻底删除。这是一种良好的编程习惯。
codeclf是一个检查指定目录下所有Python代码（*.py）中的注释（#开头的所有行）是否含有代码的小工具。
利用codeclf，你可以清理自己项目中无用的、可能引起错误的注释。
支持命令行调用。使用命令行调用的时候，第一个参数是你要检查的项目目录。
-mc参数是“逐字符”模型的位置，-mt参数是“分词”模型的位置，-v参数是单词表的位置，他们都有默认值。
运行结果为code_warning.json文件，囊括了codeclf认为有可能是代码的所有注释行。
使用前，请先验证自己是否安装好了Python3、tensorflow。我在windows 10下测试没有问题。
tensorflow版本：2.3.0，安装tensorflow需要使用 Python 3.5-3.8、pip 19.0 及更高版本
如对tensorflow安装上有疑惑，请参考tensorflow安装指南。
使用样例：
python codeclf.py "." // 检查本项目中注释存在的问题
python codeclf.py "/home/user/tensorflow-master" // 检查/home/user/tensorflow-master文件夹下的所有python代码
python codeclf.py "." -mc "models/mc.hdf5" -mt "models/mt_20000.hdf5" -v "vocabs/vocab_20000.txt" // 指定逐字符模型的路径（参数-mc）与词法分析模型路径（参数-mt）与字典表路径（参数-v）用于注释分类。这三个参数即便不指定，默认就是这样执行的一旦程序认为检测目录内包含被注释掉的代码行，会在results文件夹下生成code_warining.json文件，包含包含有代码注释行的文件名、行号和具体内容等信息。
如果生成了code_warining.json文件，通过运行python parsejson.py即可将code_warning.json转为code_warning.csv方便使用excel打开。
如果有任何问题，请联系bjutzyt (at) 126.com