1. Kolben
Es ist ein in Python geschriebenes Mikroframework. Es verfügt weder über Formularvalidierungen noch über eine Datenbankabstraktionsschicht, ermöglicht Ihnen jedoch die Verwendung von Bibliotheken von Drittanbietern für allgemeine Funktionen. Und deshalb ist es ein Mikro-Framework. Flask ist darauf ausgelegt, die Erstellung von Anwendungen einfach und schnell zu machen und ist zudem skalierbar und leichtgewichtig. Es basiert auf den Projekten Werkzeug und Jinja2. Mehr dazu erfahren Sie im neuesten Artikel von DataFlair über .
2. Laut
Keras ist eine Open-Source-Bibliothek für neuronale Netzwerke, die in Python geschrieben ist. Es ist benutzerfreundlich, modular und erweiterbar und kann auf TensorFlow, Theano, PlaidML oder Microsoft Cognitive Toolkit (CNTK) ausgeführt werden. Keras hat alles: Vorlagen, Ziel- und Übertragungsfunktionen, Optimierer und mehr. Es unterstützt auch Faltungs- und rekurrierende neuronale Netzwerke.
Arbeite am neuesten Keras-basierten Open-Source-Projekt - .
Der Artikel wurde mit Unterstützung von EDISON Software übersetzt , und auch .
3.SpaCy
Es handelt sich um eine Open-Source-Softwarebibliothek, die sich mit und ist in Python und Cython geschrieben. Während NLTK eher für Bildungs- und Forschungszwecke geeignet ist, besteht die Aufgabe von spaCy darin, Software für die Produktion bereitzustellen. Darüber hinaus ist Thinc eine spaCy-Bibliothek für maschinelles Lernen, die CNN-Modelle für die Wortartmarkierung, Abhängigkeitsanalyse und Named-Entity-Erkennung bietet.
4. Wachposten
Sentry bietet Open-Source-Hosting zur Fehlerüberwachung, sodass Sie Fehler in Echtzeit erkennen und priorisieren können. Installieren Sie einfach das SDK für Ihre Sprache(n) oder Ihr(e) Framework(s) und legen Sie los. Sie können damit nicht behandelte Ausnahmen erfassen, Stapelüberwachungen untersuchen, die Auswirkungen jedes Problems analysieren, Fehler projektübergreifend verfolgen, Probleme zuweisen und vieles mehr. Die Verwendung von Sentry bedeutet weniger Fehler und mehr ausgelieferten Code.
5.OpenCV
OpenCV ist eine Open-Source-Bibliothek für Computer Vision und maschinelles Lernen. Die Bibliothek verfügt über mehr als 2500 optimierte Algorithmen für Computer Vision-Aufgaben wie Objekterkennung und -erkennung, Klassifizierung verschiedener Arten menschlicher Aktivitäten, Kamerabewegungsverfolgung, Erstellen von XNUMXD-Modellen von Objekten, Bildzusammenfügung zum Erhalten hochauflösender Bilder und viele andere Aufgaben. Die Bibliothek ist für viele Sprachen wie Python, C++, Java usw. verfügbar.
Github-Sterne: 39585
Haben Sie schon einmal an einem OpenCV-Projekt gearbeitet? Hier ist einer -
6. Nilearn
Dies ist ein Modul zur schnellen und einfachen Implementierung statistischen Lernens auf NeuroImaging-Daten. Es ermöglicht die Verwendung von Scikit-Learn für multivariate Statistiken zur prädiktiven Modellierung, Klassifizierung, Dekodierung und Konnektivitätsanalyse. Nilearn ist Teil des NiPy-Ökosystems, einer Community, die sich der Verwendung von Python zur Analyse von Neurobildgebungsdaten widmet.
Anzahl der Sterne auf : 549
7. scikit-learn
Scikit-learn ist ein weiteres Open-Source-Python-Projekt. Es ist eine sehr bekannte Bibliothek für maschinelles Lernen für Python. SciPy wird oft mit NumPy und SciPy verwendet und bietet Klassifizierung, Regression und Clustering. Es unterstützt , Random Forests, Gradient Boosting, K-Means und DBSCAN. Diese Bibliothek ist in Python und Cython geschrieben.
Github-Sterne: 37,144
8. PyTorch
PyTorch ist eine weitere Open-Source-Bibliothek für maschinelles Lernen, die in und für Python geschrieben wurde. Es basiert auf der Torch-Bibliothek und eignet sich hervorragend für Bereiche wie Computer Vision und natürliche Sprachverarbeitung (NLP). Es hat auch ein C++-Frontend.
Neben vielen anderen Funktionen bietet PyTorch zwei High-Level-Funktionen:
- Tensor Computing mit massiver GPU-Beschleunigung
- Tiefe neuronale Netzwerke
Github-Sterne: 31
9. Librosa
Librosa ist eine der besten Python-Bibliotheken für Musik- und Audioanalyse. Es enthält die notwendigen Komponenten, die zum Extrahieren von Informationen aus Musik verwendet werden. Die Bibliothek ist gut dokumentiert und enthält mehrere Tutorials und Beispiele, die Ihnen die Aufgabe erleichtern.
Github-Sterne: 3107
Implementierung des Open-Source-Python-Projekts und Librosa - .
10. Gensim
Gensim ist eine Python-Bibliothek zur Themenmodellierung, Dokumentindizierung und Ähnlichkeitssuche bei großen Unternehmen. Es richtet sich an die NLP- und Information-Retrieval-Community. Gensim ist eine Abkürzung für „Generate Similar“. Zuvor hat er eine kurze Liste mit Artikeln erstellt, die diesem Artikel ähnlich sind. Gensim ist intuitiv, effizient und skalierbar. Gensim bietet eine effiziente und einfache Implementierung der unüberwachten semantischen Modellierung aus reinem Text.
Github-Sterne: 9
11.Django
– ein Python-Framework auf hoher Ebene, das eine schnelle Entwicklung fördert und an das DRY-Prinzip (Don't Repeat Yourself) glaubt. Es ist ein sehr leistungsfähiges und weit verbreitetes Framework für Python. Es basiert auf dem MTV-Muster (Model-Template-View).
Github-Sterne: 44
12. Gesichtserkennung
Gesichtserkennung ist ein beliebtes Projekt auf GitHub. Es erkennt und bearbeitet Gesichter problemlos mithilfe von Python/der Befehlszeile und verwendet dazu die weltweit einfachste Gesichtserkennungsbibliothek. Es verwendet dlib mit Deep Learning, um Gesichter mit einer Genauigkeit von 99,38 % im Wild-Benchmark zu erkennen.
Github-Sterne: 28,267
13. Ausstechform
Cookiecutter ist ein Befehlszeilenprogramm, mit dem Projekte aus Vorlagen (Cookiecuttern) erstellt werden können. Ein Beispiel wäre das Erstellen eines Paketprojekts aus einer Paketprojektvorlage. Dies sind plattformübergreifende Vorlagen, und Projektvorlagen können in jeder Sprache oder jedem Auszeichnungsformat vorliegen, z. B. Python, JavaScript, HTML, Ruby, CoffeeScript, RST und Markdown. Außerdem können Sie mehrere Sprachen in derselben Projektvorlage verwenden.
Github-Sterne: 10
14. Pandas
Pandas ist eine Datenanalyse- und -manipulationsbibliothek für Python, die beschriftete Datenstrukturen und statistische Funktionen bietet.
Github-Sterne: 21,404
Python-Open-Source-Projekt zum Ausprobieren von Pandas -
15. Pipenv
Pipenv verspricht, ein produktionsreifes Tool zu sein, das das Beste aus allen Verpackungswelten in die Python-Welt bringen soll. Sein Terminal hat schöne Farben und kombiniert Pipfile, Pip und Virtualenv in einem Befehl. Es erstellt und verwaltet automatisch virtuelle Umgebungen für Ihre Projekte und bietet Benutzern eine einfache Möglichkeit, ihre Arbeitsumgebung anzupassen.
Github-Sterne: 18,322
16. SimpleCoin
Dies ist eine in Python erstellte Blockchain-Implementierung für Kryptowährungen, sie ist jedoch einfach, unsicher und unvollständig. SimpleCoin ist nicht für den Produktionseinsatz vorgesehen. SimpleCoin ist nicht für den Produktionseinsatz bestimmt, sondern dient Bildungszwecken und nur dazu, die funktionierende Blockchain zugänglich und einfacher zu machen. Sie können damit die abgebauten Hashes speichern und sie gegen jede unterstützte Währung eintauschen.
Github-Sterne: 1343
17. Pyray
Es handelt sich um eine 3D-Rendering-Bibliothek, die in Vanilla Python geschrieben ist. Es rendert 2D-, 3D- und höherdimensionale Objekte und Szenen in Python und Animationen. Es findet uns im Bereich erstellter Videos, Videospiele, physikalischer Simulationen und sogar schöner Bilder. Voraussetzungen hierfür sind PIL, Numpy und Scipy.
Github-Sterne: 451
18. MicroPython
MicroPython ist Python für Mikrocontroller. Es handelt sich um eine effiziente Python3-Implementierung, die mit vielen Paketen aus der Python-Standardbibliothek geliefert wird und für die Ausführung auf Mikrocontrollern und in engen Räumen optimiert ist. Ein Pyboard ist eine kleine elektronische Leiterplatte, die MicroPython auf Bare Metal ausführt und daher alle möglichen elektronischen Projekte steuern kann.
Anzahl der Sterne auf : 9,197
19. Kivy
Kivy ist eine Python-Bibliothek zur Entwicklung mobiler Apps und anderer Multi-Touch-Anwendungen mit natürlichen Benutzeroberflächen (NUIs). Es verfügt über eine Grafikbibliothek, mehrere Widget-Optionen, eine Zwischensprache Kv zum Erstellen eigener Widgets, Unterstützung für Maus, Tastatur, TUIO und Multi-Touch-Ereignisse. Es handelt sich um eine Open-Source-Bibliothek für die schnelle Entwicklung von Anwendungen mit innovativen Benutzeroberflächen. Es ist plattformübergreifend, geschäftsfreundlich und GPU-beschleunigt.
Github-Sterne: 9
20. Strich
Dash von Plotly ist ein Web-Anwendungs-Framework. Es basiert auf Flask, Plotly.js, React und React.js und ermöglicht uns die Verwendung von Python zum Erstellen von Dashboards. Es ermöglicht die Ausführung von Python- und R-Modellen im großen Maßstab. Mit Dash können Sie ohne DevOps, JavaScript, CSS oder CronJobs erstellen, testen, bereitstellen und berichten. Dash ist leistungsstark, anpassbar, leicht und einfach zu verwalten. Es verfügt auch über Open-Source-Code.
Github-Sterne: 9,883
21. Magenta
Magenta ist ein Open-Source-Forschungsprojekt, das sich auf maschinelles Lernen als Werkzeug im kreativen Prozess konzentriert. Dadurch ist es möglich, Musik und Kunst mithilfe von maschinellem Lernen zu schaffen. Magenta ist eine auf TensorFlow basierende Python-Bibliothek mit Dienstprogrammen für die Arbeit mit Rohdaten, deren Verwendung zum Trainieren von Maschinenmodellen und zum Erstellen neuer Inhalte.
22. R-CNN-Maske
Dies ist eine Implementierung der R-CNNN-Maske in Python 3, TensorFlow und Keras. Das Modell nimmt jede Instanz eines Objekts auf dem Raster und erstellt dafür Begrenzungsrahmen und Segmentierungsmasken. Es verwendet das Feature Pyramid Network (FPN) und das ResNet101-Backbone. Der Code lässt sich leicht erweitern. Dieses Projekt bietet auch einen Matterport3D-Datensatz mit rekonstruierten 3D-Räumen, die von Kunden erfasst wurden …
Github-Sterne: 14
23. TensorFlow-Modelle
Dies ist ein Repository mit verschiedenen in TensorFlow implementierten Modellen – offizielle und Forschungsmodelle. Es enthält auch Beispiele und Tutorials. Die offiziellen Modelle verwenden die hochrangigen TensorFlow-APIs. Forschungsmodelle sind Modelle, die von Forschern in TensorFlow implementiert werden, um sie zu unterstützen oder Fragen und Anfragen zu beantworten.
Github-Sterne: 57
24. Snallygaster
Snallygaster ist eine Möglichkeit, Probleme mit Projekttafeln zu organisieren. Auf diese Weise können Sie Ihr GitHub-Projektmanagement-Dashboard anpassen und Ihren Arbeitsablauf optimieren und automatisieren. Sie können damit Aufgaben sortieren, Projekte planen, Arbeitsabläufe automatisieren, den Fortschritt verfolgen, den Status teilen und schließlich abschließen. Snallygaster kann auf HTTP-Servern nach geheimen Dateien suchen. Es sucht nach Dateien auf Webservern, die nicht öffentlich zugänglich sein sollten und ein Sicherheitsrisiko darstellen können.
Github-Sterne: 1
25. Statistikmodelle
Es , das Scipy um statistische Berechnungen ergänzt, einschließlich deskriptiver Statistik sowie Schätzung und Inferenz für statistische Modelle. Zu diesem Zweck verfügt es über Klassen und Funktionen. Darüber hinaus ermöglicht es uns, statistische Tests und Analysen statistischer Daten durchzuführen.
Github-Sterne: 4
26. WhatWaf
Dies ist ein erweitertes Tool zur Firewall-Erkennung, mit dem wir feststellen können, ob eine Web Application Firewall vorhanden ist. Es erkennt eine Firewall in einer Webanwendung und versucht, auf dem angegebenen Ziel eine oder mehrere Workarounds dafür zu finden.
Github-Sterne: 1300
27. Ketter
Chainer — , mit Fokus auf Flexibilität. Es basiert auf Python und bietet differenzierte APIs basierend auf einem Define-by-Run-Ansatz. Chainer bietet außerdem objektorientierte APIs auf hoher Ebene zum Erstellen und Trainieren neuronaler Netzwerke. Es ist ein leistungsstarkes, flexibles und intuitives Framework für neuronale Netzwerke.
Github-Sterne: 5,054
28. Abpraller
Rebound ist ein Befehlszeilentool. Wenn ein Compilerfehler auftritt, werden die Ergebnisse sofort aus dem übergelaufenen Stapel abgerufen. Um dies zu verwenden, können Sie den Rebound-Befehl verwenden, um Ihre Datei auszuführen. Es ist eines der 50 beliebtesten Python-Open-Source-Projekte des Jahres 2018. Außerdem erfordert es Python 3.0 oder höher. Unterstützte Dateitypen: Python, Node.js, Ruby, Golang und Java.
Github-Sterne: 2913
29. Detektor
Detectron führt hochmoderne Objekterkennung durch (implementiert auch Mask R-CNN). Dies ist eine in Python geschriebene und von der Caffe2 Deep Learning-Plattform unterstützte Software von Facebook AI Research (FAIR). Das Ziel von Detectron besteht darin, eine qualitativ hochwertige und leistungsstarke Codebasis für die Objekterkennungsforschung bereitzustellen. Es ist flexibel und implementiert die folgenden Algorithmen: Mask R-CNN, RetinaNet, Faster R-CNN, RPN, Fast R-CNN, R-FCN.
Github-Sterne: 21
30. Python-Feuer
Dies ist eine Bibliothek zum automatischen Generieren von CLIs (Befehlszeilenschnittstellen) aus (beliebigen) Python-Objekten. Darüber hinaus können Sie damit Code entwickeln und debuggen, vorhandenen Code untersuchen oder den Code einer anderen Person in eine CLI umwandeln. Python Fire erleichtert den Wechsel zwischen Bash und Python und vereinfacht die Verwendung von REPL.
Github-Sterne: 15
31. Pylearn2
Pylearn2 ist eine Bibliothek für maschinelles Lernen, die hauptsächlich auf Theano aufbaut. Sein Ziel ist es, die ML-Forschung zu erleichtern. Ermöglicht Ihnen, neue Algorithmen und Modelle zu schreiben.
Github-Sterne: 2681
32. Matplotlib
– ist eine 2D-Plotbibliothek für Python – sie generiert hochwertige Publikationen in verschiedenen Formaten.
Github-Sterne: 10,072
33. Theano
Theano ist eine Bibliothek zur Manipulation mathematischer und Matrixausdrücke. Es ist auch ein optimierender Compiler. Theano verwendet Es handelt sich um eine Open-Source-Python-Bibliothek für maschinelles Lernen, die in Python und CUDA geschrieben ist und auf CPU- oder GPU-Architekturen ausgeführt wird. Die Syntax ähnelt der von CUDA und ermöglicht die Darstellung von Berechnungen. Linux, macOS и Windows.
Anzahl der Sterne auf : 8,922
34. Multidiff
Multidiff wurde entwickelt, um maschinenlesbare Daten leichter verständlich zu machen. Es hilft, die Unterschiede zwischen einer großen Anzahl von Objekten zu erkennen, indem es Unterschiede zwischen den relevanten Objekten durchführt und diese dann anzeigt. Diese Visualisierung ermöglicht es uns, in unseren eigenen Protokollen oder ungewöhnlichen Dateiformaten nach Mustern zu suchen. Es wird auch hauptsächlich für Reverse Engineering und binäre Datenanalyse verwendet.
Github-Sterne: 262
35. Som-TL
In diesem Projekt geht es darum, mithilfe selbstorganisierender Karten das Problem des Handlungsreisenden zu lösen. Mittels SOM finden wir suboptimale Lösungen für das TSP-Problem und nutzen hierfür das .tsp-Format. TSP ist ein NP-vollständiges Problem und wird mit zunehmender Anzahl von Städten immer schwieriger zu lösen.
Github-Sterne: 950
36. Photon
Photon ist ein außergewöhnlich schneller Webscanner, der für OSINT entwickelt wurde. Es kann URLs, URLs mit Parametern, Intel-Informationen, Dateien, geheime Schlüssel, JavaScript-Dateien, Übereinstimmungen mit regulären Ausdrücken und Subdomänen abrufen. Die extrahierten Informationen können dann im JSON-Format gespeichert und exportiert werden. Photon ist flexibel und genial. Sie können auch einige Plugins hinzufügen.
Github-Sterne: 5714
37. Social Mapper
Social Mapper ist ein Social-Media-Mapping-Tool, das Profile mithilfe der Gesichtserkennung korreliert. Dies tut er im großen Stil auf verschiedenen Websites. Social Mapper automatisiert die Suche nach Namen und Fotos in sozialen Netzwerken und versucht dann, die Präsenz einer Person genau zu identifizieren und zu gruppieren. Anschließend wird ein Bericht zur menschlichen Überprüfung erstellt. Dies ist in der Sicherheitsbranche nützlich (z. B. beim Phishing). Es unterstützt die Plattformen LinkedIn, Facebook, Twitter, Google Plus, Instagram, VKontakte, Weibo und Douban.
Github-Sterne: 2,396
38. Camelot
Camelot ist eine Python-Bibliothek, die beim Extrahieren von Tabellen aus PDF-Dateien hilft. Es funktioniert mit Text-PDF-Dateien, aber nicht mit gescannten Dokumenten. Hier ist jede Tabelle ein Pandas-DataFrame. Darüber hinaus können Sie Tabellen in die Formate .json, .xls, .html oder .sqlite exportieren.
Github-Sterne: 2415
39. Dozent
Dies ist ein Qt-Reader zum Lesen von E-Books. Es unterstützt die Dateiformate .pdf, .epub, .djvu, .fb2, .mobi, .azw/.azw3/.azw4, .cbr/.cbz und .md. Lector verfügt über ein Hauptfenster, eine Tabellenansicht, eine Buchansicht, eine ablenkungsfreie Ansicht, Anmerkungsunterstützung, eine Comic-Ansicht und ein Einstellungsfenster. Es unterstützt außerdem Lesezeichen, Profil-Browsing, einen Metadaten-Editor und ein integriertes Wörterbuch.
Github-Sterne: 835
40. m00dbot
Dies ist ein Telegram-Bot zum Selbsttest von Depressionen und Angstzuständen.
Github-Sterne: 145
41. Manim
Dabei handelt es sich um eine Animations-Engine zum Erklären von Mathematikvideos, mit der sich programmgesteuert präzise Animationen erstellen lassen. Dazu verwendet er Python.
Github-Sterne: 13
42. Douyin Bot
Ein in Python geschriebener Bot für eine Tinder-ähnliche App. Entwickler aus China.
Github-Sterne: 5,959
43. XSStrike
Dies ist ein Cross-Site-Scripting-Erkennungspaket mit vier handgeschriebenen Parsern. Es verfügt außerdem über einen intelligenten Payload-Generator, eine leistungsstarke Fuzzing-Engine und eine unglaublich schnelle Suchmaschine. Anstatt eine Nutzlast einzugeben und wie alle anderen Tools zu prüfen, ob sie funktioniert, analysiert XSStrike die Antwort mithilfe mehrerer Analysatoren und verarbeitet die Nutzlast dann, um sicherzustellen, dass sie mithilfe einer in die Fuzzing-Engine integrierten Kontextanalyse funktioniert.
Github-Sterne: 7050
44. PythonRobotik
Dieses Projekt ist eine Codesammlung in Python-Robotikalgorithmen und autonomen Navigationsalgorithmen.
Github-Sterne: 6,746
45. Google Bilder herunterladen
Google Images Download ist ein Python-Befehlszeilenprogramm, das in Google-Bildern nach Schlüsselwörtern sucht und die Bilder für Sie abruft. Es ist ein kleines Programm ohne Abhängigkeiten, wenn Sie nur bis zu 100 Bilder für jedes Schlüsselwort hochladen müssen.
Github-Sterne: 5749
46. Falle
Ermöglicht Ihnen die Überwachung und Ausführung intelligenter Social-Engineering-Angriffe in Echtzeit. Dies trägt dazu bei, zu verdeutlichen, wie große Internetunternehmen an vertrauliche Informationen gelangen und Benutzer ohne deren Wissen kontrollieren können. Trape kann auch dabei helfen, Cyberkriminelle aufzuspüren.
Github-Sterne: 4256
47. Xonsh
Xonsh ist eine plattformübergreifende, Unix-basierte Kommandozeilensprache und Shell, die auf Python basiert. Sie stellt eine Erweiterung von Python 3.5+ dar und bietet zusätzliche Shell-Funktionen, wie sie beispielsweise in Bash und IPython zu finden sind. Xonsh läuft unter Linux, Max OS X, Windows und andere wichtige Systeme.
Github-Sterne: 3426
48. GIF für CLI
Es nimmt ein GIF oder ein kurzes Video oder eine Anfrage und wandelt es mithilfe der Tenor GIF-API in animierte ASCII-Grafiken um. Es verwendet ANSI-Escapesequenzen für Animation und Farbe.
Github-Sterne: 2,547
49. Karikaturisieren
Draw Dies ist eine Polaroid-Kamera, mit der man Cartoons zeichnen kann. Es verwendet ein neuronales Netzwerk zur Objekterkennung, einen Google Quickdraw-Datensatz, einen Thermodrucker und einen Raspberry Pi. Schnell, zeichne! – ist ein Google-Spiel, bei dem die Spieler aufgefordert werden, ein Bild eines Objekts/einer Idee zu zeichnen und dann in weniger als 20 Sekunden zu erraten, was es darstellt.
Github-Sterne: 1760
50. Zulip
Zulip ist eine Echtzeit-Gruppenchat-App, die auch bei Multithread-Konversationen produktiv ist. Viele Fortune 500-Unternehmen und Open-Source-Projekte verwenden es für Echtzeit-Chats, wobei Tausende von Nachrichten pro Tag verarbeitet werden können.
Github-Sterne: 10,432
51. YouTube-dl
Es ist ein Befehlszeilenprogramm, das Videos von YouTube und einigen anderen Websites herunterladen kann. Es ist nicht an eine bestimmte Plattform gebunden.
Github-Sterne: 55
52.Ansible
Es handelt sich um ein einfaches IT-Automatisierungssystem, das die folgenden Funktionen übernehmen kann: Konfigurationsverwaltung, Anwendungsbereitstellung, Cloud-Bereitstellung, Ad-hoc-Aufgaben, Netzwerkautomatisierung und Multi-Node-Orchestrierung.
Github-Sterne: 39,443
53. HTTPie
HTTPie ist ein HTTP-Client für die Befehlszeile. Dies vereinfacht die Interaktion zwischen der CLI und den Webdiensten. Für den http-Befehl ermöglicht es uns, beliebige HTTP-Anfragen mit einfacher Syntax zu senden und eine farbige Ausgabe zu erhalten. Wir können es zum Testen, Debuggen und Interagieren mit HTTP-Servern verwenden.
Github-Sterne: 43
54. Tornado-Webserver
Es ist ein Web-Framework, eine asynchrone Netzwerkbibliothek für Python. Es verwendet nicht blockierende Netzwerk-E/A, um auf über Tausende offene Verbindungen zu skalieren. Dies macht es zu einer guten Wahl für lange Anfragen und WebSockets.
Github-Sterne: 18
55. Anfragen
Requests ist eine Bibliothek, die das Senden von HTTP/1.1-Anfragen erleichtert. Sie müssen URLs nicht manuell Parameter hinzufügen oder PUT- und POST-Daten kodieren.
Github-Sterne: 40
56. Scrapy
Scrapy ist ein schnelles, hochrangiges Web-Scraping-Framework – Sie können es zum Crawlen von Websites verwenden, um strukturierte Daten zu extrahieren. Sie können es auch zur Datenanalyse, Überwachung und für automatisierte Tests verwenden.
Github-Sterne: 34,493
Source: habr.com
