• 欢迎访问搞代码网站,推荐使用最新版火狐浏览器和Chrome浏览器访问本网站!
  • 如果您觉得本站非常有看点,那么赶紧使用Ctrl+D 收藏搞代码吧

关于python:Python库集合

python 搞代码 3年前 (2022-02-20) 70次浏览 已收录 0个评论

作者:萧啊https://www.zhihu.com/questio…

awesome-web-scraping 中文版
本文由 伯乐在线 – LynnShaw 翻译,赖信涛 校稿。未经许可,禁止转载!
英文出处:Gregory Petukhov。欢送退出翻译组。

这个列表蕴含与网页抓取和数据处理的Python库

网络

  • 通用

    • urllib -网络库(stdlib)。
    • requests -网络库。
    • grab – 网络库(基于pycurl)。
    • pycurl – 网络库(绑定libcurl)。
    • urllib3 – Python HTTP库,平安连接池、反对文件post、可用性高。
    • httplib2 – 网络库。
    • RoboBrowser – 一个简略的、极具Python格调的Python库,无需独立的浏览器即可浏览网页。
    • MechanicalSoup -一个与网站主动交互Python库。
    • mechanize -有状态、可编程的Web浏览库。
    • socket – 底层网络接口(stdlib)。
    • Unirest for Python – Unirest是一套可用于多种语言的轻量级的HTTP库。
    • hyper – Python的HTTP/2客户端。
    • PySocks – SocksiPy更新并踊跃保护的版本,包含谬误修复和一些其余的特色。作为socket模块的间接替换。
  • 异步

    • treq – 相似于requests的API(基于twisted)。
    • aiohttp – asyncio的HTTP客户端/服务器(PEP-3156)。
    • Wget linux上wget的Python实现版本

网络爬虫框架

  • 功能齐全的爬虫

    • grab – 网络爬虫框架(基于pycurl/multicur)。
    • scrapy – 网络爬虫框架(基于twisted),不反对Python3。
    • pyspider – 一个弱小的爬虫零碎。
    • cola – 一个分布式爬虫框架。
  • 其余

    • portia – 基于Scrapy的可视化爬虫。
    • restkit – Python的HTTP资源工具包。它能够让你轻松地拜访HTTP资源,并围绕它建设的对象。
    • demiurge – 基于PyQuery的爬虫微框架。

HTML/XML解析器

  • 通用

    • lxml – C语言编写高效HTML/ XML解决库。反对XPath。
    • cssselect – 解析DOM树和CSS选择器。
    • pyquery – 解析DOM树和jQuery选择器。
    • BeautifulSoup – 低效HTML/ XML解决库,纯Python实现。
    • html5lib – 依据WHATWG标准生成HTML/ XML文档的DOM。该标准被用在当初所有的浏览器上。
    • feedparser – 解析RSS/ATOM feeds。
    • MarkupSafe – 为XML/HTML/XHTML提供了平安本义的字符串。
    • xmltodict – 一个能够让你在解决XML时感觉像在解决JSON一样的Python模块。
    • xhtml2pdf – 将HTML/CSS转换为PDF。
    • untangle – 轻松实现将XML文件转换为Python对象。
  • 清理

    • Bleach – 清理HTML(须要html5lib)。
    • sanitize – 为凌乱的数据世界带来清明。

文本处理

用于解析和操作简略文本的库。

  • 通用
  • difflib – (Python规范库)帮忙进行差异化比拟。
  • Levenshtein – 疾速计算Levenshtein间隔和字符串类似度。
  • fuzzywuzzy – 含糊字符串匹配。
  • esmre – 正则表达式加速器。
  • ftfy – 主动整顿Unicode文本,缩小碎片化。
  • 转换
  • unidecode – 将Unicode文本转为ASCII。
  • 字符编码
  • uniout – 打印可读字符,而不是被本义的字符串。
  • chardet – 兼容 Python的2/3的字符编码器。
  • xpinyin – 一个将中国汉字转为拼音的库。
  • pangu.py – 格式化文本中CJK和字母数字的间距。
  • Slug化
  • awesome-slugify – 一个能够保留unicode的Python slugify库。
  • python-slugify – 一个能够将Unicode转为ASCII的Python slugify库。
  • unicode-slugify – 一个能够将生成Unicode slugs的工具。
  • pytils – 解决俄语字符串的简略工具(包含pytils.translit.slugify)。
  • 通用解析器
  • PLY – lex和yacc解析工具的Python实现。
  • pyparsing – 一个通用框架的生成语法分析器。
  • 人的名字
  • python-nameparser -解析人的名字的组件。
  • 电话号码
  • phonenumbers -解析,格式化,存储和验证国内电话号码。
  • 用户代理字符串
  • python-user-agents – 浏览器用户代理的解析器。
  • HTTP Agent Parser – Python的HTTP代理分析器。

BI

  • 综合
  • SupersetSuperset最后是在http://Druid.io的根底上设计的,然而通过应用SQLAlchemy(一种与大多数常见数据库兼容的Python ORM),迅速扩大了范畴以反对其余数据库。
  • pyecharts 百度echarts的python版本
  • 图表
  • [matplotlib]
  • [seaborn]
  • 地图
  • [folium]
  • [geoplot]
  • [geopandas]
  • [fiona]

CLI

  • Progressbar CLI显示一个文本的进度条: 60% |######################################################## |
  • Colorama CLI显示一个黑白的文本进度条
  • bashplotlib 在终端绘制根本的图形
  • Prettytable 终端上画表格

特定格式文件解决

解析和解决特定文本格式的库。

  • 通用
  • tablib – 一个把数据导出为XLS、CSV、JSON、YAML等格局的模块。
  • textract – 从各种文件中提取文本,比方 Word、PowerPoint、PDF等。
  • messytables – 解析凌乱的表格数据的工具。
  • rows – 一个罕用数据接口,反对的格局很多(目前反对CSV,HTML,XLS,TXT – 未来还会提供更多!)。
  • Office
  • python-docx – 读取,查问和批改的Microsoft Word2007/2008的docx文件。
  • xlwt / xlrd – 从Excel文件读取写入数据和格局信息。
  • XlsxWriter – 一个创立Excel.xlsx文件的Python模块。
  • xlwings – 一个BSD许可的库,能够很容易地在Excel中调用Python,反之亦然。
  • openpyxl – 一个用于读取和写入的Excel2010 XLSX/ XLSM/ xltx/ XLTM文件的库。
  • Marmir – 提取Python数据结构并将其转换为电子表格。
  • PDF
  • PDFMiner – 一个从PDF文档中提取信息的工具。
  • PyPDF2 – 一个可能宰割、合并和转换PDF页面的库。
  • ReportLab – 容许疾速创立丰盛的PDF文档。
  • pdftables – 间接从PDF文件中提取表格。
  • Markdown
  • Python-Markdown – 一个用Python实现的John Gruber的Markdown。
  • Mistune – 速度最快,性能全面的Markdown纯Python解析器。
  • markdown2 – 一个齐全用Python实现的疾速的Markdown。
  • YAML
  • PyYAML – 一个Python的YAML解析器。
  • CSS
  • cssutils – 一个Python的CSS库。
  • ATOM/RSS
  • feedparser – 通用的feed解析器。
  • SQL
  • sqlparse – 一个非验证的SQL语句分析器。
  • HTTP
  • http-parser – C语言实现的HTTP申请/响应音讯解析器。
  • 微格局
  • opengraph – 一个用来解析Open Graph协定标签的Python模块。
  • 可移植的执行体
  • pefile – 一个多平台的用于解析和解决可移植执行体(即PE)文件的模块。
  • PSD
  • psd-tools – 将Adobe Photoshop PSD(即PE)文件读取到Python数据结构。

自然语言解决

解决人类语言问题的库。

  • NLTK -编写Python程序来解决人类语言数据的最好平台。
  • Pattern – Python的网络开掘模块。他有自然语言解决工具,机器学习以及其它。
  • TextBlob – 为深刻自然语言解决工作提供了统一的API。是基于NLTK以及Pattern的伟人之肩上倒退的。
  • jieba – 中文分词工具。
  • SnowNLP – 中文文本处理库。
  • loso – 另一个中文分词库。
  • genius – 基于条件随机域的中文分词。
  • langid.py – 独立的语言识别系统。
  • Korean – 一个韩文状态库。
  • pymorphy2 – 俄语状态分析器(词性标注+词形变化引擎)。
  • PyPLN – 用Python编写的分布式自然语言解决通道。这个我的项目的指标是创立一种简略的办法应用NLTK通过网络接口解决大语言库。

机器学习

  • Scikit-learn
  • PyMC

浏览器自动化与仿真

  • selenium – 自动化真正的浏览器(Chrome浏览器,火狐浏览器,Opera浏览器,IE浏览器)。
  • Ghost.py – 对PyQt的webkit的封装(须要PyQT)。
  • Spynner – 对PyQt的webkit的封装(须要PyQT)。
  • Splinter – 通用API浏览器模拟器(selenium web驱动,Django客户端,Zope)。

多重解决

  • threading – Python规范库的线程运行。对于I/O密集型工作很无效。对于CPU绑定的工作没用,因为python GIL。
  • multiprocessing – 规范的Python库运行多过程。
  • celery – 基于分布式消息传递的异步工作队列/作业队列。
  • concurrent-futures – concurrent-futures 模块为调用异步执行提供了一个高层次的接口。

异步

异步网络编程库

  • asyncio – (在Python 3.4 +版本以上的 Python规范库)异步I/O,工夫循环,协同程序和工作。
  • Twisted – 基于事件驱动的网络引擎框架。
  • Tornado – 一个网络框架和异步网络库。
  • pulsar – Python事件驱动的并发框架。
  • diesel – Python的基于绿色事件的I/O框架。
  • gevent – 一个应用greenlet 的基于协程的Python网络库。
  • eventlet – 有WSGI反对的异步框架。
  • Tomorrow – 异步代码的微妙的修饰语法。

队列

  • celery – 基于分布式消息传递的异步工作队列/作业队列。
  • huey – 小型多线程工作队列。
  • mrq – Mr. Queue – 应用redis & Gevent 的Python分布式工作工作队列。
  • RQ – 基于Redis的轻量级工作队列管理器。
  • simpleq – 一个简略的,可有限扩大,基于Amazon SQS的队列。
  • python-gearman – Gearman的Python API。

云计算

  • picloud – 云端执行Python代码。
  • dominoup.com – 云端执行R,Python和matlab代码。

电子邮件

电子邮件解析库

  • flanker – 电子邮件地址和Mime解析库。
  • Talon – Mailgun库用于提取音讯的报价和签名。

网址和网络地址操作

解析/批改网址和网络地址库。

  • URL

    • furl – 一个小的Python库,使得操纵URL简单化。
    • purl – 一个简略的不可扭转的URL以及一个洁净的用于调试和操作的API。
    • urllib.parse – 用于突破对立资源定位器(URL)的字符串在组件(寻址计划,网络地位,门路等)之间的隔断,为了联合组件到一个URL字符串,并将“绝对URL”转化为一个相对URL,称之为“根本URL”。
    • tldextract – 从URL的注册域和子域中精确拆散TLD,应用公共后缀列表。
  • 网络地址

    • netaddr – 用于显示和操纵网络地址的Python库。

网页内容提取

提取网页内容的库。

  • HTML页面的文本和元数据

    • newspaper – 用Python进行新闻提取、文章提取和内容策展。
    • html2text – 将HTML转为Markdown格局文本。
    • python-goose – HTML内容/文章提取器。
    • lassie – 人性化的网页内容检索工具
    • micawber – 一个从网址中提取丰盛内容的小库。
    • sumy -一个主动汇总文本文件和HTML网页的模块
    • Haul – 一个可扩大的图像爬虫。
    • python-readability – arc90 readability工具的疾速Python接口。
    • scrapely – 从HTML网页中提取结构化数据的库。给出了一些Web页面和数据提取的示例,scrapely为所有相似的网页构建一个分析器。
  • 视频

    • youtube-dl – 一个从YouTube下载视频的小命令行程序。
    • you-get – Python3的YouTube、优酷/ Niconico视频下载器。
  • 维基

    • WikiTeam – 下载和保留wikis的工具。

WebSocket

用于WebSocket的库。

  • Crossbar – 开源的利用消息传递路由器(Python实现的用于Autobahn的WebSocket和WAMP)。
  • AutobahnPython – 提供了WebSocket协定和WAMP协定的Python实现并且开源。
  • WebSocket-for-Python – Python 2和3以及PyPy的WebSocket客户端和服务器库。

DNS解析

  • dnsyo – 在寰球超过1500个的DNS服务器上查看你的DNS。
  • pycares – c-ares的接口。c-ares是进行DNS申请和异步名称决定的C语言库。

计算机视觉

  • OpenCV – 开源计算机视觉库。
  • SimpleCV – 用于照相机、图像处理、特征提取、格局转换的简介,可读性强的接口(基于OpenCV)。
  • mahotas – 疾速计算机图像处理算法(齐全应用 C++ 实现),齐全基于 numpy 的数组作为它的数据类型。

其余Python工具列表

  • awesome-python
  • pycrumbs
  • python-github-projects
  • python_refe
  • Tenacity 工作异样后主动重试
  • Delorean 日期工夫库
  • ShSh 能让你将 shell 命令以函数导入 Python 中

搞代码网(gaodaima.com)提供的所有资源部分来自互联网,如果有侵犯您的版权或其他权益,请说明详细缘由并提供版权或权益证明然后发送到邮箱[email protected],我们会在看到邮件的第一时间内为您处理,或直接联系QQ:872152909。本网站采用BY-NC-SA协议进行授权
转载请注明原文链接:关于python:Python库集合

喜欢 (0)
[搞代码]
分享 (0)
发表我的评论
取消评论

表情 贴图 加粗 删除线 居中 斜体 签到

Hi,您需要填写昵称和邮箱!

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址