1. Flask
Dies ist ein Micro-Framework, das in Python geschrieben ist. Es hat keine Validierungen für Formulare und eine Datenbank-Abstraktionsschicht, erlaubt es Ihnen aber, externe Bibliotheken für allgemeine Funktionen zu verwenden. Und genau deshalb ist es ein Micro-Framework. Flask ist darauf ausgelegt, Anwendungen einfach und schnell zu erstellen, und ist zudem skalierbar und leicht. Es basiert auf den Projekten Werkzeug und Jinja2. Sie können mehr darüber in dem neuesten Artikel von DataFlair erfahren über .
2. Keras
Keras ist eine Open-Source-Bibliothek für neuronale Netze, die in Python geschrieben ist. Sie ist benutzerfreundlich, modular und erweiterbar und kann auch auf TensorFlow, Theano, PlaidML oder Microsoft Cognitive Toolkit (CNTK) betrieben werden. Keras hat alles: Vorlagen, Ziel- und Transferfunktionen, Optimierer und vieles mehr. Es unterstützt auch konvolutionale und rekurrente neuronale Netze.
Die Arbeit am letzten Open-Source-Projekt auf Basis von Keras ist die .
Der Artikel wurde mit Unterstützung der Firma EDISON Software übersetzt, die , sowie .
3. SpaCy
Dies ist eine Open-Source-Softwarebibliothek, die sich mit beschäftigt und in Python und Cython geschrieben ist. Während NLTK besser für Ausbildungs- und Forschungszwecke geeignet ist, besteht die Aufgabe von spaCy darin, Software für die Produktion bereitzustellen. Darüber hinaus ist Thinc eine Machine-Learning-Bibliothek von spaCy, die CNN-Modelle für Part-of-Speech-Tags, Abhängigkeitsparsing und die Erkennung benannter Entitäten bereitstellt.
4. Sentry
Sentry bietet das Hosting für ein Open-Source-Fehlermonitoring an, damit Sie Fehler in Echtzeit erkennen und sortieren können. Installieren Sie einfach das SDK für Ihre(n) Sprache(n) oder Framework(s) und legen Sie los. Es ermöglicht Ihnen, nicht behandelte Ausnahmen zu erfassen, die Stapelverfolgung zu analysieren, die Auswirkungen jedes Problems zu untersuchen, Fehler in verschiedenen Projekten zu verfolgen, Probleme zuzuweisen und vieles mehr. Die Verwendung von Sentry bedeutet weniger Fehler und mehr gesendeten Code.
5. OpenCV
OpenCV ist eine Open-Source-Bibliothek für Computer Vision und maschinelles Lernen. Die Bibliothek bietet über 2500 optimierte Algorithmen für Aufgaben der Computer Vision, wie Objekterkennung und -identifikation, Klassifizierung verschiedener menschlicher Aktivitäten, Bewegungserkennung mit Kameras, Erstellung von 3D-Modellen von Objekten, Bildzusammenführung für hochauflösende Bilder und viele weitere Aufgaben. Die Bibliothek ist in vielen Programmiersprachen verfügbar, darunter Python, C++, Java usw.
Anzahl der Sterne auf Github: 39585
Haben Sie bereits an einem OpenCV-Projekt gearbeitet? Hier ist eines –
6. Nilearn
Dies ist ein Modul zur schnellen und einfachen Implementierung von statistischem Lernen auf Neuroimaging-Daten. Es ermöglicht die Verwendung von scikit-learn für multivariate Statistiken, prädiktives Modellieren, Klassifizierung, Dekodierung und Analyse der Konnektivität. Nilearn ist Teil des NiPy-Ökosystems, das eine Gemeinschaft zum Einsatz von Python für die Analyse von Neuroimaging-Daten darstellt.
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 in Python. Häufig zusammen mit NumPy und SciPy verwendet, bietet SciPy Klassifizierung, Regression und Clustering – es unterstützt , Entscheidungsbäume, Gradient Boosting, k-Means und DBSCAN. Diese Bibliothek ist in Python und Cython geschrieben.
Anzahl der Sterne auf Github: 37144
8. PyTorch
PyTorch ist eine weitere Open-Source-Bibliothek für maschinelles Lernen, die in Python und für Python geschrieben wurde. Sie basiert auf der Torch-Bibliothek und ist ideal für Bereiche wie Computer Vision und natürliche Sprachverarbeitung (NLP). Sie hat auch ein C++-Frontend.
Neben vielen anderen Funktionen bietet PyTorch zwei hochgradige:
- Tensorberechnungen mit starker Beschleunigung durch GPU
- Tiefe neuronale Netzwerke
Anzahl der Sterne auf Github: 31779
9. Librosa
Librosa ist eine der besten Python-Bibliotheken zur Analyse von Musik und Audio. Sie enthält die notwendigen Komponenten, die verwendet werden, um Informationen aus Musik zu extrahieren. Die Bibliothek ist gut dokumentiert und enthält mehrere Leitfäden und Beispiele, die die Durchführung Ihrer Aufgaben erleichtern.
Anzahl der Sterne auf Github: 3107
Implementierung des Open-Source-Python-Projekts mit Librosa — .
10. Gensim
Gensim ist eine Python-Bibliothek für Themenmodellierung, Dokumentenindizierung und Ähnlichkeitssuche für große Textmengen. Sie richtet sich an NLP- und Informationssuchende Gemeinschaften. Gensim ist eine Abkürzung für „Generieren von Ähnlichem“. Früher erstellte es eine kurze Liste von Artikeln, die ähnlich wie dieser Artikel sind. Gensim ist verständlich, effizient und skalierbar. Gensim stellt eine effektive und einfache Implementierung unsupervised semantischer Modellierung aus einfachem Text bereit.
Anzahl der Sterne auf Github: 9 870
11. Django
— ein hochentwickeltes Python-Framework, das schnelle Entwicklung fördert und an das DRY-Prinzip (Don’t Repeat Yourself) glaubt. Es ist ein sehr leistungsstarkes und das am häufigsten verwendete Framework für Python. Es basiert auf dem MTV-Muster (Model-Template-View).
Anzahl der Sterne auf Github: 44 214
12. Gesichtserkennung
Gesichtserkennung ist ein beliebtes Projekt auf GitHub. Es erkennt Gesichter einfach und manipuliert diese mit Python / über die Kommandozeile und nutzt dafür die einfachste Gesichtserkennungsbibliothek der Welt. Dabei wird dlib mit Deep Learning verwendet, um Gesichter mit einer Genauigkeit von 99,38 % im Wild-Benchmark-Test zu erkennen.
Anzahl der Sterne auf Github: 28 267
13. Cookiecutter
Cookiecutter ist ein Kommandozeilen-Tool, das zum Erstellen von Projekten aus Vorlagen (Cookiecuttern) verwendet werden kann. Ein Beispiel könnte das Erstellen eines Paketprojekts aus einer Vorlage für Paketprojekte sein. Es handelt sich um plattformübergreifende Vorlagen, und Projektvorlagen können in jeder Sprache oder jedes Markup-Format vorliegen, wie z. B. Python, JavaScript, HTML, Ruby, CoffeeScript, RST und Markdown. Es ermöglicht auch die Verwendung mehrerer Sprachen in derselben Projektvorlage.
Anzahl der Sterne auf Github: 10 291
14. Pandas
Pandas ist eine Bibliothek für Datenanalyse und -manipulation für Python, die beschriftete Datenstrukturen und statistische Funktionen bietet.
Anzahl der Sterne auf Github: 21 404
Python-Projekt mit offenem Quellcode, um Pandas auszuprobieren —
15. Pipenv
Pipenv verspricht ein produktionsbereites Werkzeug zu sein, das das Beste aus allen Verpackungswelten in die Python-Welt bringt. Sein Terminal hat schöne Farben und vereint Pipfile, pip und virtualenv in einem Befehl. Es erstellt und verwaltet automatisch eine virtuelle Umgebung für Ihre Projekte und bietet den Benutzern eine einfache Möglichkeit, ihre Arbeitsumgebung einzurichten.
Anzahl der Sterne auf Github: 18,322
16. SimpleCoin
Dies ist eine Blockchain-Implementierung für Kryptowährungen, die in Python erstellt wurde, aber sie ist einfach, unsicher und unvollständig. SimpleCoin ist nicht für den Produktionsgebrauch gedacht. Nicht für den Produktionsgebrauch, SimpleCoin ist für Bildungszwecke gedacht und soll lediglich eine voll funktionsfähige Blockchain verfügbar machen und sie zu vereinfachen. Es ermöglicht das Speichern von abgebauten Hashes und deren Umtausch gegen jede unterstützte Währung.
Anzahl der Sterne auf Github: 1343
17. Pyray
Dies ist eine 3D-Rendering-Bibliothek, die in reinem Python geschrieben ist. Sie visualisiert 2D-, 3D-Objekte und -Szenen in größerem Maßstab in Python und Animation. Sie findet uns im Bereich der erstellten Videos, Videospiele, physikalischen Simulationen und sogar hübschen Bildern. Die Anforderungen sind: PIL, numpy und scipy.
Anzahl der Sterne auf Github: 451
18. MicroPython
MicroPython ist Python für Mikrocontroller. Es ist eine effiziente Implementierung von Python3, die mit vielen Paketen aus der Standardbibliothek von Python geliefert wird und für den Einsatz auf Mikrocontrollern und unter engen Bedingungen optimiert ist. Pyboard ist eine kleine Elektronikplatine, auf der MicroPython direkt auf der Hardware läuft, sodass sie alle Arten von Elektronikprojekten steuern kann.
Anzahl der Sterne auf : 9,197
19. Kivy
Kivy ist eine Python-Bibliothek zur Entwicklung von mobilen Anwendungen und anderen Multitouch-Anwendungen mit einer natürlichen Benutzeroberfläche (NUI). Sie hat eine grafische Bibliothek, mehrere Widget-Varianten, eine zwischenliegende Sprache Kv zur Erstellung eigener Widgets, Unterstützung für Maus, Tastatur, TUIO und Ereignisse von Multitouch-Eingaben. Es ist eine Open-Source-Bibliothek zur schnellen Entwicklung von Anwendungen mit innovativen Benutzeroberflächen. Es ist plattformübergreifend, geschäftsfreundlich und bietet GPU-Beschleunigung.
Anzahl der Sterne auf Github: 9 930
20. Dash
Dash von Plotly — ein Framework für Webanwendungen. Basierend auf Flask, Plotly.js, React und React.js, ermöglicht es uns, Python zur Erstellung von Dashboards zu verwenden. Es unterstützt die Ausführung von Python- und R-Modellen im großen Maßstab. Dash ermöglicht das Erstellen, Testen, Bereitstellen und Erstellen von Berichten, ohne DevOps, JavaScript, CSS oder CronJobs zu benötigen. Dash ist leistungsstark, anpassbar, leichtgewichtig und einfach zu verwalten. Außerdem ist es open-source.
Anzahl der Sterne auf Github: 9.883
21. Magenta
Magenta ist ein Open-Source-Forschungsprojekt, das sich auf maschinelles Lernen als Werkzeug im kreativen Prozess konzentriert. Es ermöglicht die Erstellung von Musik und Kunst mithilfe von maschinellem Lernen. Magenta ist eine Python-Bibliothek auf Basis von TensorFlow, mit Werkzeugen zur Verarbeitung von Rohdaten, zur Verwendung für das Training von Maschinenmodellen und zur Erstellung neuer Inhalte.
22. Mask R-CNN
Dies ist eine Implementierung von Mask R-CNN in Python 3, TensorFlow und Keras. Das Modell nimmt jedes Objektbeispiel im Raster und erstellt für dieses Objekte Begrenzungsrahmen und Segmentierungsmasken. Es verwendet ein Feature Pyramid Network (FPN) und ein ResNet101-Stammnetzwerk. Der Code ist leicht erweiterbar. Dieses Projekt bietet auch den Matterport3D-Datensatz über rekonstruierte 3D-Räume, die von Kunden erfasst wurden...
Anzahl der Sterne auf Github: 14.055
23. TensorFlow Modelle
Dies ist ein Repository mit verschiedenen in TensorFlow implementierten Modellen — offiziellen und Forschungsmodellen. Es enthält auch Beispiele und Tutorials. Offizielle Modelle verwenden die hochgradigen TensorFlow-APIs. Forschungsmodelle sind von Forschern zur Unterstützung ihrer Arbeit oder zur Beantwortung von Anfragen implementierte Modelle in TensorFlow.
Anzahl der Sterne auf Github: 57.745
24. Snallygaster
Snallygaster ist eine Methode zur Organisation von Problemen mit Projektboards. Damit können Sie das Projekt-Management-Board auf GitHub anpassen, optimieren und automatisieren. Es ermöglicht die Sortierung von Aufgaben, die Planung von Projekten, die Automatisierung von Arbeitsabläufen, das Verfolgen des Fortschritts, das Teilen des Status und schließlich das Abschluss. Snallygaster kann nach geheimen Dateien auf HTTP-Servern scannen — es sucht nach Dateien, die auf Webservern zugänglich sind, die nicht öffentlich sein sollten und eine Sicherheitsbedrohung darstellen können.
Anzahl der Sterne auf Github: 1.477
25. Statsmodels
Das ist , das scipy für statistische Berechnungen ergänzt, einschließlich beschreibender Statistik sowie Schätzungen und Auswertungen für statistische Modelle. Zu diesem Zweck bietet es Klassen und Funktionen. Es ermöglicht uns auch, statistische Tests und Analysen statistischer Daten durchzuführen.
Anzahl der Sterne auf Github: 4 246
26. WhatWaf
Dies ist ein fortschrittliches Werkzeug zur Erkennung von Firewalls, das wir verwenden können, um herauszufinden, ob eine Webanwendungsfirewall vorhanden ist. Es erkennt die Firewall in der Webanwendung und versucht, einen oder mehrere Umgehungswege für das angegebene Ziel zu finden.
Anzahl der Sterne auf Github: 1300
27. Chainer
Chainer — , die auf Flexibilität ausgerichtet ist. Es basiert auf Python und bietet differenzierte APIs, die auf dem Define-by-Run-Ansatz basieren. Chainer bietet auch objektorientierte Hochlevel-APIs zum Aufbau und zur Schulung von neuronalen Netzwerken. Es ist ein leistungsstarkes, flexibles und intuitives Framework für neuronale Netzwerke.
Anzahl der Sterne auf Github: 5.054
28. Rebound
Rebound ist ein Befehlszeilenwerkzeug. Wenn Sie eine Compilerfehlermeldung erhalten, erhält es sofort die Ergebnisse aus dem überlaufenen Stack. Um dies zu verwenden, können Sie den Befehl rebound verwenden, um Ihre Datei auszuführen. Es ist eines der 50 beliebtesten Open-Source-Python-Projekte im Jahr 2018. Darüber hinaus benötigt es Python 3.0 oder höher. Unterstützte Dateitypen: Python, Node.js, Ruby, Golang und Java.
Anzahl der Sterne auf Github: 2913
29. Detectron
Detectron führt moderne Objekterkennung durch (implementiert auch Mask R-CNN). Diese Software stammt von Facebook AI Research (FAIR), ist in Python geschrieben und läuft auf der Caffe2 Deep Learning-Plattform. Ziel von Detectron ist es, eine qualitativ hochwertige und leistungsstarke Codebasis für die Forschung zur Objekterkennung bereitzustellen. Es ist flexibel und implementiert folgende Algorithmen — Mask R-CNN, RetinaNet, Faster R-CNN, RPN, Fast R-CNN, R-FCN.
Anzahl der Sterne auf Github: 21 873
30. Python-fire
Dies ist eine Bibliothek zur automatischen Erstellung von CLI (Command Line Interfaces) aus (irgendwelchen) Python-Objekten. Es ermöglicht Ihnen auch, Code zu entwickeln und zu debuggen sowie vorhandenen Code zu untersuchen oder fremden Code in CLI umzuwandeln. Python Fire erleichtert den Übergang zwischen Bash und Python und vereinfacht die Verwendung von REPL.
Anzahl der Sterne auf Github: 15.299
31. Pylearn2
Pylearn2 ist eine Bibliothek für maschinelles Lernen, die hauptsächlich auf Theano basiert. Ihr Ziel ist es, die Erforschung von ML zu erleichtern. Sie ermöglicht es, neue Algorithmen und Modelle zu schreiben.
Anzahl der Sterne auf Github: 2.681
32. Matplotlib
ist eine 2D-Zeichenbibliothek für Python – sie erstellt hochwertige Publikationen in verschiedenen Formaten.
Anzahl der Sterne auf Github: 10.072
33. Theano
Theano ist eine Bibliothek zur Manipulation mathematischer und matrixbasierter Ausdrücke. Es ist auch ein optimierender Compiler. Theano verwendet -ähnliche Syntax zur Darstellung von Berechnungen und kompiliert diese zur Ausführung auf CPU- oder GPU-Architekturen. Es ist eine Open-Source-Maschinenlern-Bibliothek in Python, die in Python und CUDA geschrieben ist und auf Linux, macOS und Windows läuft.
Anzahl der Sterne auf : 8,922
34. Multidiff
Multidiff wurde entwickelt, um das Verständnis von maschinenorientierten Daten zu erleichtern. Es hilft dabei, Unterschiede zwischen einer großen Anzahl von Objekten zu visualisieren, indem es Vergleiche zwischen entsprechenden Objekten anstellt und diese dann darstellt. Diese Visualisierung ermöglicht es uns, Muster in unseren eigenen Protokollen oder ungewöhnlichen Dateiformaten zu suchen. Es wird auch hauptsächlich für Reverse Engineering und die Analyse binärer Daten verwendet.
Anzahl der Sterne auf Github: 262
35. Som-tsp
Dieses Projekt widmet sich der Verwendung selbstorganisierender Karten zur Lösung des Traveling Salesman Problems (TSP). Mithilfe von SOM finden wir suboptimale Lösungen für das TSP und verwenden dafür das .tsp-Format. TSP ist ein NP-vollständiges Problem, und mit der zunehmenden Anzahl von Städten wird es immer schwieriger, es zu lösen.
Anzahl der Sterne auf Github: 950
36. Photon
Photon ist ein äußerst schneller Webscanner, der für OSINT entwickelt wurde. Er kann URLs, URLs mit Parametern, Intel-Informationen, Dateien, geheime Schlüssel, JavaScript-Dateien, reguläre Ausdrucksmuster und Subdomains abrufen. Die extrahierten Informationen können dann im JSON-Format gespeichert und exportiert werden. Photon ist flexibel und genial. Sie können ihm auch einige Plugins hinzufügen.
Anzahl der Sterne auf Github: 5714
37. Social Mapper
Social Mapper ist ein Tool zur Kartierung in sozialen Netzwerken, das Profile mithilfe von Gesichtserkennung korreliert. Es erfolgt dies auf verschiedenen Websites in großem Umfang. Social Mapper automatisiert die Suche nach Namen und Fotos in sozialen Netzwerken und versucht dann, das Vorhandensein einer Person genau zu identifizieren und zu gruppieren. Anschließend erstellt es einen Bericht zur Überprüfung durch den Menschen. Dies ist nützlich in der Sicherheitsbranche (z. B. für Phishing). Es unterstützt Plattformen wie LinkedIn, Facebook, Twitter, Google Plus, Instagram, VKontakte, Weibo und Douban.
Anzahl der Sterne auf Github: 2396
38. Camelot
Camelot ist eine Python-Bibliothek, die hilft, Tabellen aus PDF-Dateien zu extrahieren. Sie funktioniert mit textbasierten PDF-Dateien, jedoch nicht mit gescannten Dokumenten. Hierbei ist jede Tabelle ein pandas DataFrame. Außerdem können Sie Tabellen in .json, .xls, .html oder .sqlite exportieren.
Anzahl der Sterne auf Github: 2415
39. Lector
Das ist ein Qt-Reader zum Lesen von E-Books. Er unterstützt Dateiformate wie .pdf, .epub, .djvu, .fb2, .mobi, .azw / .azw3 / .azw4, .cbr / .cbz und .md. Lector verfügt über ein Hauptfenster, eine Tabellenansicht, eine Buchansicht, eine ablenkungsfreie Ansicht, Unterstützung für Annotationen, eine Comic-Ansicht und ein Einstellungsfenster. Er unterstützt zudem Lesezeichen, Profilansicht, Metadaten-Editor und ein integriertes Wörterbuch.
Anzahl der Sterne auf Github: 835
40. m00dbot
Das ist ein Telegram-Bot für Selbsttests zu Depressionen und Angstzuständen.
Anzahl der Sterne auf Github: 145
41. Manim
Das ist eine Animations-Engine zur Erklärung mathematischer Videos, die zur Erstellung präziser Animationen programmatisch verwendet werden kann. Sie verwendet dafür Python.
Anzahl der Sterne auf Github: 13 491
42. Douyin-Bot
Ein Bot, geschrieben in Python, für eine App, die Tinder ähnelt. Entwickler aus China.
Anzahl der Sterne auf Github: 5959
43. XSStrike
Dies ist ein Paket zur Erkennung von Cross-Site-Skripten mit vier handgeschriebenen Parsern. Es ist auch mit einem intelligenten Generator für nützliche Daten, einer leistungsstarken Fuzzing-Engine und einem unglaublich schnellen Suchmodul ausgestattet. Anstatt nützliche Daten einzugeben und deren Funktion wie alle anderen Tools zu überprüfen, erkennt XSStrike die Antwort mithilfe mehrerer Parser und verarbeitet dann die nützlichen Daten, die durch kontextuelle Analyse garantiert funktionieren, die in den Fuzzing-Mechanismus integriert ist.
Anzahl der Sterne auf Github: 7050
44. PythonRobotics
Dieses Projekt ist eine Sammlung von Code in Algorithmen der Python-Robotik sowie Algorithmen für autonome Navigation.
Anzahl der Sterne auf Github: 6.746
45. Google Images Download
Google Images Download ist ein Kommandozeilenprogramm in Python, das nach Schlüsselwörtern in Google-Bildern sucht und Bilder für Sie abruft. Es ist ein kleines, abhängigkeitfreies Programm, wenn Sie nur bis zu 100 Bilder für jedes Schlüsselwort herunterladen müssen.
Anzahl der Sterne auf Github: 5749
46. Trape
Ermöglicht das Verfolgen und Durchführen intelligenter Social-Engineering-Angriffe in Echtzeit. Es hilft herauszufinden, wie große Internetunternehmen vertrauliche Informationen erhalten und Nutzer ohne deren Wissen kontrollieren können. Trape kann auch helfen, Cyberkriminelle zu verfolgen.
Anzahl der Sterne auf Github: 4256
47. Xonsh
Xonsh ist eine plattformübergreifende Unix-Shell und Command-Line-Interpreter auf Basis von Python. Es ist ein Supersatz von Python 3.5+ mit zusätzlichen Shell-Primitiven, wie sie in Bash und IPython vorhanden sind. Xonsh läuft auf Linux, Max OS X, Windows und anderen gängigen Systemen.
Anzahl der Sterne auf Github: 3426
48. GIF für CLI
Dafür ist ein GIF oder ein kurzes Video oder eine Anfrage erforderlich, das mithilfe der Tenor-GIF-API in animierte ASCII-Grafik umgewandelt wird. Es verwendet ANSI Escape-Sequenzen für Animation und Farbe.
Anzahl der Sterne auf Github: 2.547
49. Cartoonify
Draw This — eine Polaroid-Kamera, die in der Lage ist, Cartoons zu zeichnen. Dabei wird ein neuronales Netzwerk zur Objekterkennung, der Google Quickdraw-Datensatz, ein Thermodrucker und ein Raspberry Pi verwendet. Quick, Draw! ist ein Spiel von Google, bei dem die Spieler ein Bild eines Objekts oder einer Idee zeichnen müssen, und dann versucht das System zu erraten, was es darstellt, in weniger als 20 Sekunden.
Anzahl der Sterne auf Github: 1760
50. Zulip
Zulip ist eine Echtzeit-Gruppenchat-Anwendung, die dank ihrer Threading-Conversationen produktiv ist. Viele Unternehmen aus der Fortune-500-Liste und Open-Source-Projekte verwenden es für Echtzeit-Chats, die Tausende von Nachrichten pro Tag verarbeiten können.
Anzahl der Sterne auf Github: 10,432
51. YouTube-dl
Es handelt sich um ein Kommandzeilenprogramm, das Videos von YouTube und einigen anderen Websites herunterladen kann. Es ist plattformunabhängig.
Anzahl der Sterne auf Github: 55 868
52. Ansible
Dies ist ein einfaches IT-Automatisierungssystem, das folgende Funktionen verwalten kann: Konfigurationsmanagement, Anwendungsbereitstellung, Cloud-Initialisierung, Ausführung spezieller Aufgaben, Netzwerkautomatisierung und Multi-Node-Orchestrierung.
Anzahl der Sterne auf Github: 39,443
53. HTTPie
HTTPie ist ein HTTP-Client für die Kommandozeile. Er vereinfacht die Interaktion der CLI mit Webdiensten. Mit dem Befehl http können wir beliebige HTTP-Anfragen mit einfacher Syntax senden und farbige Ausgaben erhalten. Wir können es zum Testen, Debuggen und Interagieren mit HTTP-Servern verwenden.
Anzahl der Sterne auf Github: 43 199
54. Tornado Web Server
Dies ist ein Web-Framework, eine asynchrone Netzwerkbibliothek für Python. Es verwendet nicht-blockierende Netzwerk-Eingaben/Ausgaben, um skalieren zu können auf mehr als tausend offene Verbindungen. Das macht es zur idealen Wahl für lange Anforderungen und WebSockets.
Anzahl der Sterne auf Github: 18 306
55. Requests
Requests ist eine Bibliothek, die das Senden von HTTP/1.1-Anfragen vereinfacht. Sie müssen keine Parameter manuell zu URLs hinzufügen oder PUT- und POST-Daten codieren.
Anzahl der Sterne auf Github: 40 294
56. Scrapy
Scrapy ist ein schneller, hochentwickelter Rahmen zum Durchsuchen von Webseiten – Sie können ihn verwenden, um Webseiten zu durchsuchen, um strukturierte Daten zu extrahieren. Sie können ihn auch zur Datenanalyse, Überwachung und zur automatisierten Testdurchführung nutzen.
Anzahl der Sterne auf Github: 34.493
Quelle: habr.com
