1. Flask
Flask ist ein Mikro-Framework, das in Python geschrieben ist. Es bietet keine Validierungen für Formulare oder eine Datenbankabstraktionsschicht, ermöglicht jedoch die Verwendung von Drittanbieterbibliotheken für allgemeine Funktionen. Deshalb wird es als Mikro-Framework bezeichnet. Flask ist darauf ausgelegt, Anwendungen einfach und schnell zu erstellen, ist skalierbar und leichtgewichtig. Es basiert auf den Projekten Werkzeug und Jinja2. Weitere Informationen finden Sie in dem neuesten Artikel von DataFlair über .
2. Keras
Keras ist eine Open-Source-Bibliothek für neuronale Netzwerke, die in Python geschrieben ist. Sie ist benutzerfreundlich, modular und erweiterbar und kann zudem auf TensorFlow, Theano, PlaidML oder dem Microsoft Cognitive Toolkit (CNTK) aufbauen. Keras bietet alles: Vorlagen, Ziel- und Aktivierungsfunktionen, Optimierer und vieles mehr. Zudem unterstützt es konvolutionale und rekurrente neuronale Netzwerke.
Das letzte Open-Source-Projekt, das auf Keras basiert, ist die .
Der Artikel wurde mit Unterstützung von EDISON Software übersetzt, einem Unternehmen, das , sowie .
3. SpaCy
Dies ist eine Open-Source-Softwarebibliothek, die sich mit beschäftigt und in Python und Cython geschrieben ist. Während NLTK besser für Lern- und Forschungszwecke geeignet ist, liegt der Fokus von spaCy auf der Bereitstellung von Software für die Produktion. Zudem ist Thinc die maschinelle Lernbibliothek von spaCy, die CNN-Modelle für POS-Tagging, Abhängigkeitsparsing und die Erkennung benannter Entitäten beinhaltet.
4. Sentry
Sentry bietet ein Open-Source-Fehlerüberwachungs-Hosting, 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 abgefangene Ausnahmen zu protokollieren, den Stack-Trace zu untersuchen, die Auswirkungen jedes Problems zu analysieren, Fehler in verschiedenen Projekten zu verfolgen, Probleme zuzuweisen und vieles mehr. Die Nutzung von Sentry bedeutet weniger Fehler und mehr versendeter 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 zum Beispiel Objekterkennung und -identifikation, Klassifizierung verschiedener menschlicher Aktivitäten, Bewegungserkennung mit Kameras, Erstellung dreidimensionaler Objektmodelle, das Zusammenfügen von Bildern zu hochauflösenden Bildern und viele weitere Anwendungen. Die Bibliothek ist in vielen Programmiersprachen wie Python, C++ und Java verfügbar.
Anzahl der Sterne auf Github: 39585
Haben Sie bereits an einem OpenCV-Projekt gearbeitet? Hier ist eines —
6. Nilearn
Dies ist ein Modul für die schnelle und einfache Implementierung statistischer Lernverfahren auf Neuroimaging-Daten. Es ermöglicht die Nutzung von scikit-learn für multivariate Statistik zur Prognosemodellierung, Klassifizierung, Dekodierung und Analyse der Konnektivität. Nilearn ist Teil des NiPy-Ökosystems, einer Gemeinschaft, die sich dem Einsatz von Python zur Analyse von Neuroimaging-Daten widmet.
Anzahl der Sterne auf : 549
7. scikit-Learn
Scikit-learn ist ein weiteres Open-Source-Projekt in Python. Es handelt sich um eine sehr bekannte Bibliothek für maschinelles Lernen in Python. Oft in Kombination mit NumPy und SciPy verwendet, bietet SciPy Klassifikation, Regression und Clustering – es unterstützt , Entscheidungsbaum, Gradient Boosting, k-Means und DBSCAN. Diese Bibliothek ist in Python und Cython geschrieben.
Anzahl der Sterne auf Github: 37.144
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 eignet sich hervorragend für Bereiche wie Computer Vision und natürliche Sprachverarbeitung (NLP). Sie hat auch ein C++-Frontend.
Unter vielen anderen Funktionen bietet PyTorch zwei hochentwickelte:
- Tensorberechnungen mit starker GPU-Beschleunigung
- Tiefe neuronale Netze
Anzahl der Sterne auf Github: 31.779
9. Librosa
Librosa — eine der besten Python-Bibliotheken zur Musik- und Audioanalyse. Sie enthält die notwendigen Komponenten, um Informationen aus Musik zu extrahieren. Die Bibliothek ist gut dokumentiert und bietet zahlreiche Anleitungen und Beispiele, die Ihnen die Umsetzung Ihrer Aufgaben erleichtern.
Anzahl der Sterne auf Github: 3107
Implementierung eines Open-Source-Python-Projekts mit Librosa — .
10. Gensim
Gensim ist eine Python-Bibliothek zur Themenmodellierung, Dokumentenindizierung und Ähnlichkeitssuche in großen Korpora. Sie richtet sich an die NLP- und Informationssuch-Community. Gensim ist eine Abkürzung für 'generiere Ähnlichkeiten'. Früher erstellte es eine kurze Liste von Artikeln, die diesem Artikel ähneln. Gensim ist verständlich, effizient und skalierbar. Gensim bietet eine effektive und einfache Implementierung des unbeaufsichtigten semantischen Modellierens aus einfachem Text.
Anzahl der Sterne auf Github: 9870
11. Django
— ein hochgradiger Python-Framework, das schnelle Entwicklung fördert und das DRY-Prinzip (Don't Repeat Yourself) vertritt. Es ist ein sehr leistungsstarker und am häufigsten verwendeter 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 leicht und verarbeitet diese mit Python / der Kommandozeile, unter Verwendung der einfachsten Gesichts-Recognition-Bibliothek der Welt. Dabei wird dlib mit Deep Learning eingesetzt, 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 zur Erstellung von Projekten aus Vorlagen (Cookiecutters) verwendet werden kann. Ein Beispiel könnte die Erstellung eines Paketprojekts aus einer Paketprojektvorlage sein. Dies sind plattformübergreifende Vorlagen, und die Projektvorlagen können in jeder Sprache oder in jedem Markup-Format vorliegen, wie z. B. Python, JavaScript, HTML, Ruby, CoffeeScript, RST und Markdown. Es ermöglicht auch die Verwendung mehrerer Sprachen innerhalb derselben Projektvorlage.
Anzahl der Sterne auf GitHub: 10.291
14. Pandas
Pandas ist eine Bibliothek zur Datenanalyse und -manipulation für Python, die markierte Datenstrukturen und statistische Funktionen anbietet.
Anzahl der Sterne auf GitHub: 21.404
Python-Projekt mit offenem Quellcode zum Ausprobieren von Pandas —
15. Pipenv
Pipenv verspricht ein produktionsbereites Tool zu sein, das das Beste aus all den Paketwelten 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 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, jedoch einfach, unsicher und unvollständig ist. SimpleCoin ist nicht für den Produktionsgebrauch vorgesehen. Es dient ausschließlich zu Bildungszwecken und soll eine funktionierende Blockchain-Kette zugänglich machen und vereinfachen. Es ermöglicht das Speichern von abgebauten Hashes und deren Umtausch in jede unterstützte Währung.
Anzahl der Sterne auf Github: 1.343
17. Pyray
Dies ist eine 3D-Rendering-Bibliothek, die in reinem Python geschrieben ist. Sie visualisiert 2D- und 3D-Objekte sowie größere Szenen in Python und Animationen. Die Anwendungsmöglichkeiten reichen von erstellten Videos und Videospielen bis hin zu physikalischen Simulationen und sogar beeindruckenden Bildern. Die Anforderungen sind: PIL, numpy und scipy.
Anzahl der Sterne auf Github: 451
18. MicroPython
MicroPython ist die Python-Implementierung für Mikrokontroller. Es handelt sich um eine effiziente Umsetzung von Python3, die viele Pakete aus der Standardbibliothek von Python enthält und für den Einsatz auf Mikrokontrollern sowie in ressourcenbeschränkten Umgebungen optimiert ist. Die Pyboard ist eine kleine Elektronikplatine, auf der MicroPython direkt auf der Hardware läuft, sodass sie verschiedene elektronische Projekte 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 natürlicher Benutzeroberfläche (NUI). Sie verfügt über eine grafische Bibliothek, verschiedene Widget-Optionen, eine Zwischensprache namens Kv zur Erstellung eigener Widgets sowie Unterstützung für Maus, Tastatur, TUIO und Ereignisse für multisensorische Eingaben. Diese Open-Source-Bibliothek ermöglicht eine schnelle Entwicklung von Anwendungen mit innovativen Benutzeroberflächen. Sie ist plattformübergreifend, geschäftsfreundlich und bietet GPU-Beschleunigung.
Anzahl der Sterne auf Github: 9.930
20. Dash
Dash von Plotly ist ein Framework für Webanwendungen. Es basiert auf Flask, Plotly.js, React und React.js und ermöglicht es uns, Python zu nutzen, um Dashboards zu erstellen. Es sorgt für den Betrieb von Python- und R-Modellen in großem Maßstab. Dash ermöglicht die Erstellung, das Testen, die Bereitstellung und die Berichterstattung ohne Verwendung von DevOps, JavaScript, CSS oder CronJobs. 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, die auf TensorFlow basiert und Hilfsprogramme zur Verarbeitung von Rohdaten, zum Training von Maschinenmodellen und zur Erstellung neuer Inhalte bietet.
22. Masken R-CNN
Dies ist eine Implementierung von Masken R-CNN in Python 3, TensorFlow und Keras. Das Modell erfasst jedes Objekt im Raster und erstellt für jedes Objekt Begrenzungsrahmen und Segmentierungsmasken. Es verwendet ein Feature Pyramid Network (FPN) und das ResNet101-Rückgrat. Der Code ist leicht erweiterbar. Dieses Projekt bietet außerdem den Matterport3D-Datensatz über rekonstruierte 3D-Räume, die von Nutzern erfasst wurden...
Anzahl der Sterne auf Github: 14.055
23. TensorFlow-Modelle
Dies ist ein Repository mit verschiedenen Modellen, die in TensorFlow implementiert wurden – sowohl offiziellen als auch Forschungs-modellen. Es enthält außerdem Beispiele und Tutorials. Die offiziellen Modelle verwenden die hochrangigen APIs von TensorFlow. Forschungsmodelle sind von Forschern entwickelte Modelle, die Unterstützung bieten oder bei Anfragen helfen.
Anzahl der Sterne auf Github: 57.745
24. Snallygaster
Snallygaster ist eine Methode zur Organisation von Problemen in Projektboards. Damit können Sie Ihr Projekt-Dashboard auf GitHub einrichten, den Workflow optimieren und automatisieren. Es ermöglicht das Sortieren von Aufgaben, die Planung von Projekten, die Automatisierung von Workflows, das Verfolgen des Fortschritts, das Teilen von Status und schließlich das Abschließen von Aufgaben. Snallygaster kann nach vertraulichen Dateien auf HTTP-Servern scannen – es sucht nach Dateien, die auf Webservern zugänglich sind und nicht öffentlich sein sollten, da sie ein Sicherheitsrisiko darstellen können.
Anzahl der Sterne auf Github: 1.477
25. Statsmodels
Das , die scipy für statistische Berechnungen ergänzt, einschließlich beschreibender Statistiken sowie Schätzungen und Schlussfolgerungen für statistische Modelle. Dazu bietet es Klassen und Funktionen. Es ermöglicht uns auch, statistische Tests durchzuführen und statistische Daten zu analysieren.
Anzahl der Sterne auf Github: 4.246
26. WhatWaf
Dies ist ein erweitertes Werkzeug zur Erkennung von Firewalls, das wir nutzen können, um festzustellen, ob eine Webanwendungsfirewall vorhanden ist. Es erkennt die Firewall in der Webanwendung und versucht, einen oder mehrere Umgehungsversuche für das angegebene Ziel zu identifizieren.
Anzahl der Sterne auf Github: 1.300
27. Chainer
Chainer — , die auf Flexibilität ausgelegt ist. Es basiert auf Python und bietet differenzierte APIs, die auf dem Define-by-Run-Ansatz basieren. Chainer bietet auch objektorientierte Hochlevel-APIs für den Aufbau und das Training von neuronalen Netzen. Es ist ein leistungsstarkes, flexibles und intuitives Framework für neuronale Netze.
Anzahl der Sterne auf Github: 5.054
28. Rebound
Rebound — ein Kommandozeilenwerkzeug. Wenn ein Compilerfehler auftritt, erhält es sofort die Ergebnisse aus dem überlaufenen Stack. Um dies zu verwenden, können Sie den Befehl rebound nutzen, um Ihre Datei auszuführen. Dies ist eines der 50 beliebtesten Open-Source-Projekte in Python im Jahr 2018. Außerdem benötigt es Python 3.0 oder höher. Unterstützte Dateiformate: Python, Node.js, Ruby, Golang und Java.
Anzahl der Sterne auf Github: 2913
29. Detectron
Detectron ermöglicht modernes Objekterkennung (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 hochwertige und leistungsstarke Codebasis für die Erforschung der Objekterkennung bereitzustellen. Es ist flexibel und implementiert die folgenden Algorithmen: Mask R-CNN, RetinaNet, Faster R-CNN, RPN, Fast R-CNN, R-FCN.
Anzahl der Sterne auf Github: 21 873
30. Python-fire
Diese Bibliothek ermöglicht die automatische Generierung von CLI (Command Line Interfaces) aus (irgendwelchen) Python-Objekten. Sie unterstützt Sie auch beim Entwickeln und Debuggen von Code sowie beim Erforschen bestehenden Codes oder beim Umwandeln fremden Codes in CLI. Python Fire erleichtert den Übergang zwischen Bash und Python und vereinfacht die Nutzung von REPL.
Anzahl der Sterne auf Github: 15.299
31. Pylearn2
Pylearn2 ist eine Machine-Learning-Bibliothek, die hauptsächlich auf Theano basiert. Ihr Ziel ist es, die Erforschung von ML zu erleichtern. Sie ermöglicht das Schreiben neuer Algorithmen und Modelle.
Anzahl der Sterne auf Github: 2.681
32. Matplotlib
— ist eine 2D-Zeichenbibliothek für Python — sie erzeugt qualitativ hochwertige Publikationen in verschiedenen Formaten.
Anzahl der Sterne auf Github: 10.072
33. Theano
Theano ist eine Bibliothek zur Manipulation mathematischer und matrixbasierter Ausdrücke. Sie ist auch ein optimierender Compiler. Theano verwendet -ähnliche Syntax zur Darstellung von Berechnungen und kompiliert diese zur Ausführung auf CPU- oder GPU-Architekturen. Es handelt sich um eine Open-Source-Maschinenlern-Bibliothek in Python, die in Python und CUDA geschrieben ist und unter 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 Vielzahl von Objekten zu analysieren, indem es die Unterschiede zwischen den entsprechenden Objekten ermittelt und diese anschließend visuell darstellt. Diese Visualisierung ermöglicht es uns, Muster in unseren eigenen Protokollen oder in ungewöhnlichen Dateiformaten zu erkennen. Zudem wird es hauptsächlich für Reverse Engineering und die Analyse von Binärdaten 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 dazu das .tsp-Format. TSP ist ein NP-vollständiges Problem, und mit zunehmender Anzahl der Städte wird es immer schwieriger, es zu lösen.
Anzahl der Sterne auf Github: 950
36. Photon
Photon — ein äußerst schneller Web-Scanner, der für OSINT entwickelt wurde. Er kann URLs, parameterisierte URLs, Informationen über Intel, Dateien, geheime Schlüssel, JavaScript-Dateien, Mustererkennung mit regulären Ausdrücken und Subdomains abrufen. Die extrahierten Informationen können dann im JSON-Format gespeichert und exportiert werden. Photon ist flexibel und genial. Sie können 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 funktioniert auf verschiedenen Websites in großem Maßstab. 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 eine Person. Dies ist in der Sicherheitsbranche nützlich (z. B. für Phishing). Es unterstützt Plattformen wie LinkedIn, Facebook, Twitter, Google Plus, Instagram, ВКонтакте, Weibo und Douban.
Anzahl der Sterne auf Github: 2.396
38. Camelot
Camelot ist eine Python-Bibliothek, die dabei hilft, Tabellen aus PDF-Dateien zu extrahieren. Sie funktioniert mit textbasierten PDF-Dateien, jedoch nicht mit gescannten Dokumenten. Jede Tabelle wird zudem als pandas DataFrame dargestellt. Zusätzlich können die Tabellen in .json, .xls, .html oder .sqlite exportiert werden.
Anzahl der Sterne auf Github: 2415
39. Lector
Dies ist ein Qt-Reader zum Lesen von E-Books. Er unterstützt die Dateiformate .pdf, .epub, .djvu, .fb2, .mobi, .azw / .azw3 / .azw4, .cbr / .cbz und .md. Lector bietet ein Hauptfenster, eine Tabellenansicht, Buchansicht, ablenkungsfreies Lesen, Annotation Support, Comic-Ansicht sowie ein Einstellungsfenster. Außerdem unterstützt er Lesezeichen, Profilansichten, einen Metadaten-Editor und ein eingebautes Wörterbuch.
Anzahl der Sterne auf Github: 835
40. m00dbot
Dies ist ein Telegram-Bot zur Selbsttestung von Depressionen und Ängsten.
Anzahl der Sterne auf Github: 145
41. Manim
Dies ist eine Animations-Engine zur Erklärung mathematischer Videos, die präzise Animationen programmatisch erstellt. Hierfür wird Python verwendet.
Anzahl der Sterne auf Github: 13 491
42. Douyin-Bot
Ein in Python geschriebener Bot für eine Tinder-ähnliche Anwendung. Entwickler aus China.
Anzahl der Sterne auf Github: 5,959
43. XSStrike
Dieses Paket zur Erkennung von Cross-Site-Scripting enthält vier manuell geschriebene Parser. Es ist auch mit einem intelligenten Generator nützlicher Daten, einer leistungsstarken Fuzzing-Engine und einem unglaublich schnellen Suchmodul ausgestattet. Anstatt nützliche Daten einzugeben und deren Funktion wie bei anderen Tools zu testen, erkennt XSStrike die Antwort mit mehreren Parsern und verarbeitet dann die nützlichen Daten, die garantiert durch eine kontextuelle Analyse, die in die Fuzzing-Engine integriert ist, funktionieren.
Anzahl der Sterne auf Github: 7.050
44. PythonRobotics
Dieses Projekt ist eine Sammlung von Code zu Algorithmen der Python-Robotik sowie Algorithmen zur autonomen Navigation.
Anzahl der Sterne auf Github: 6.746
45. Google Images Download
Google Images Download ist ein Python-Programm für die Kommandozeile, das Schlüsselwörter in Google-Bildern sucht und Bilder für Sie abruft. Es handelt sich um ein kleines Programm ohne Abhängigkeiten, wenn Sie einfach nur bis zu 100 Bilder für jedes Schlüsselwort herunterladen möchten.
Anzahl der Sterne auf Github: 5.749
46. Trape
Ermöglicht das Verfolgen und Durchführen intelligenter Social-Engineering-Angriffe in Echtzeit. Dies hilft zu verstehen, wie große Internetunternehmen vertrauliche Informationen erhalten und Benutzer ohne deren Wissen überwachen können. Trape kann auch helfen, Cyberkriminelle zu verfolgen.
Anzahl der Sterne auf Github: 4256
47. Xonsh
Xonsh ist eine plattformübergreifende Unix-gaze Kommandozeilen-Sprache und Kommandozeilen-Shell, die auf Python basiert. Es ist ein Superset von Python 3.5+ mit zusätzlichen Shell-Primitiven, ähnlichen wie in Bash und IPython. Xonsh funktioniert auf Linux, Mac OS X, Windows und anderen Hauptsystemen.
Anzahl der Sterne auf Github: 3426
48. GIF für CLI
Dafür wird ein GIF oder ein kurzes Video oder eine Anfrage benötigt, das mithilfe der Tenor GIF API in animierte ASCII-Grafiken umgewandelt wird. Es nutzt ANSI-Escape-Sequenzen für Animation und Farben.
Anzahl der Sterne auf Github: 2.547
49. Cartoonify
Draw This — eine Polaroidkamera, 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 aufgefordert werden, ein Bild eines Objekts oder einer Idee zu zeichnen, und dann versucht das Spiel zu erraten, was es innerhalb von 20 Sekunden darstellt.
Anzahl der Sterne auf Github: 1760
50. Zulip
Zulip ist eine Gruppenchat-App, die in Echtzeit arbeitet und durch ihre Multithread-Unterhaltungen produktiv ist. Viele Unternehmen aus der Fortune 500 und Open-Source-Projekte nutzen sie für Echtzeit-Chat, der Tausende von Nachrichten pro Tag verarbeiten kann.
Anzahl der Sterne auf Github: 10.432
51. YouTube-dl
Dies ist ein Befehlszeilenprogramm, das Videos von YouTube und einigen anderen Websites herunterladen kann. Es ist nicht an eine bestimmte Plattform gebunden.
Anzahl der Sterne auf Github: 55.868
52. Ansible
Dies ist ein einfaches IT-Automatisierungssystem, das folgende Funktionen verarbeiten kann: Konfigurationsmanagement, Anwendungsbereitstellung, Cloud-Initiierung, Ausführung spezifischer Aufgaben, Netzwerkautomatisierung und Multi-Node-Orchestrierung.
Anzahl der Sterne auf Github: 39.443
53. HTTPie
HTTPie ist ein HTTP-Client für die Kommandozeile. Es vereinfacht die Interaktion im CLI mit Webdiensten. Mit dem http-Befehl können wir beliebige HTTP-Anfragen mit einfacher Syntax senden und farblich hervorgehobene Ausgaben erhalten. Wir können es zum Testen, Debuggen und zur Interaktion 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 nutzt nicht-blockierende Netzwerk-I/O, um über tausend gleichzeitige Verbindungen zu skalieren. Damit ist es eine gute Wahl für lange Anfragen und WebSockets.
Anzahl der Sterne auf Github: 18.306
55. Requests
Requests ist eine Bibliothek, die das Senden von HTTP/1.1-Anfragen erleichtert. Sie müssen keine Parameter manuell zu URLs hinzufügen oder PUT- und POST-Daten codieren.
Anzahl der Sterne auf Github: 40.294
56. Scrapy
Scrapy — ein schneller, hochentwickelter Framework zum Durchsuchen von Webseiten. Sie können es verwenden, um Websites zu durchsuchen, um strukturierte Daten zu extrahieren. Außerdem eignet es sich für Datenanalyse, Überwachung und automatisierte Tests.
Anzahl der Sterne auf Github: 34.493
Quelle: habr.com
