1. Kolben
Es handelt sich um ein in Python geschriebenes Mikro-Framework. Es verfügt über keine Validierungen für Formulare und keine Datenbankabstraktionsschicht, ermöglicht Ihnen jedoch die Verwendung von Bibliotheken von Drittanbietern für allgemeine Funktionen. Und deshalb ist es ein Mikro-Framework. Flask wurde entwickelt, um die Erstellung von Anwendungen einfach und schnell zu machen und gleichzeitig skalierbar und leichtgewichtig zu sein. Es basiert auf den Projekten Werkzeug und Jinja2. Mehr darüber können Sie im neuesten Artikel von DataFlair lesen .
2. Laut
Keras ist eine in Python geschriebene Open-Source-Bibliothek für neuronale Netzwerke. 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 vieles mehr. Es unterstützt auch Faltungs- und wiederkehrende neuronale Netze.
Arbeiten am neuesten Open-Source-Projekt basierend auf Keras - .
Der Artikel wurde mit Unterstützung von EDISON Software übersetzt , und auch .
3.SpaCy
Es handelt sich um eine Open-Source-Softwarebibliothek, die sich mit befasst und geschrieben in Python und Cython. Während sich NLTK eher für Lehr- und Forschungszwecke eignet, besteht die Aufgabe von spaCy darin, Software für die Produktion bereitzustellen. Darüber hinaus ist Thinc die maschinelle Lernbibliothek von spaCy, die CNN-Modelle für Wortart-Tagging, Abhängigkeitsanalyse und Erkennung benannter Entitäten bereitstellt.
4. Wachposten
Sentry bietet gehostete Open-Source-Fehlerüberwachung, damit Sie Fehler in Echtzeit erkennen und selektieren 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, Stack-Traces untersuchen, die Auswirkungen jedes Problems analysieren, Fehler projektübergreifend verfolgen, Probleme zuweisen und vieles mehr. Die Verwendung von Sentry bedeutet weniger Fehler und mehr 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, Erstellung von XNUMXD-Objektmodellen, Bildzusammenfügung zum Erhalten hochauflösender Bilder und viele andere Aufgaben . Die Bibliothek ist für viele Sprachen wie Python, C++, Java usw. verfügbar.
Anzahl der Sterne auf Github: 39585
Haben Sie bereits an einem OpenCV-Projekt gearbeitet? Hier ist eine -
6. Nilearn
Dies ist ein Modul zur schnellen und einfachen Implementierung statistischen Lernens auf NeuroImaging-Daten. Sie können scikit-learn für multivariate Statistiken zur prädiktiven Modellierung, Klassifizierung, Dekodierung und Konnektivitätsanalyse verwenden. Nilearn ist Teil des NiPy-Ökosystems, einer Community, die sich der Verwendung von Python zur Analyse von Neuroimaging-Daten widmet.
Anzahl der Sterne pro : 549
7. Scikit-Lernen
Scikit-learn ist ein weiteres Open-Source-Python-Projekt. Dies 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 , zufällige Wälder, Gradientenbeschleunigung, k-Mittel 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. Es basiert auf der Torch-Bibliothek und eignet sich hervorragend für Bereiche wie Computer Vision und Natural Language Processing (NLP). Es verfügt auch über ein C++-Frontend.
Neben vielen anderen Funktionen bietet PyTorch zwei High-Level-Funktionen:
- Hoch GPU-beschleunigtes Tensor-Computing
- Tiefe neuronale Netze
Anzahl der Sterne auf Github: 31
9. Librosa
Librosa ist eine der besten Python-Bibliotheken für Musik- und Audioanalysen. Es enthält die notwendigen Komponenten, die zur Gewinnung von Informationen aus Musik verwendet werden. Die Bibliothek ist gut dokumentiert und enthält mehrere Tutorials und Beispiele, die Ihnen die Arbeit erleichtern.
Anzahl der Sterne auf Github: 3107
Implementierung eines Open-Source-Python-Projekts und Librosa - .
10. Gensim
Gensim ist eine Python-Bibliothek zur Themenmodellierung, Dokumentindizierung und Ähnlichkeitssuche für große Unternehmen. Es richtet sich an NLP- und Information-Retrieval-Communitys. Gensim ist die Abkürzung für „Generate Like“. Zuvor hat er eine kurze Liste mit Artikeln erstellt, die diesem Artikel ähneln. Gensim ist klar, effizient und skalierbar. Gensim bietet eine effiziente und einfache Implementierung der unbeaufsichtigten semantischen Modellierung aus Klartext.
Anzahl der Sterne auf Github: 9
11.Django
ist ein High-Level-Python-Framework, das eine schnelle Entwicklung fördert und an das DRY-Prinzip (Don't Repeat Yourself) glaubt. Es ist ein sehr leistungsfähiges und am weitesten verbreitetes Framework für Python. Es basiert auf dem MTV-Muster (Model-Template-View).
Anzahl der Sterne auf Github: 44
12. Gesichtserkennung
Gesichtserkennung ist ein beliebtes Projekt auf GitHub. Es erkennt und manipuliert Gesichter problemlos über Python/Befehlszeile und nutzt dazu die weltweit einfachste Gesichtserkennungsbibliothek. Dabei wird dlib mit Deep Learning verwendet, um Gesichter im Wild-Benchmark mit einer Genauigkeit von 99,38 % zu erkennen.
Anzahl der Sterne auf Github: 28,267
13. Keksausstecher
Cookiecutter ist ein Befehlszeilenprogramm, mit dem Projekte aus Vorlagen (Cookiecutter) erstellt werden können. Ein Beispiel wäre die Erstellung eines Batch-Projekts aus einer Batch-Projektvorlage. Hierbei handelt es sich um plattformübergreifende Vorlagen, und Projektvorlagen können in jeder Sprache oder jedem Markup-Format vorliegen, z. B. Python, JavaScript, HTML, Ruby, CoffeeScript, RST und Markdown. Außerdem können Sie mehrere Sprachen in derselben Projektvorlage verwenden.
Anzahl der Sterne auf Github: 10
14. Pandas
Pandas ist eine Datenanalyse- und Manipulationsbibliothek für Python, die beschriftete Datenstrukturen und statistische Funktionen bietet.
Anzahl der Sterne auf Github: 21,404
Python-Open-Source-Projekt zum Ausprobieren von Pandas -
15. Pipenv
Pipenv verspricht, ein produktionsreifes Tool zu sein, das darauf abzielt, das Beste aus allen Verpackungswelten in die Welt von Python zu bringen. Sein Terminal hat schöne Farben und kombiniert 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 anzupassen.
Anzahl der Sterne auf Github: 18,322
16. SimpleCoin
Es handelt sich um eine in Python erstellte Blockchain-Implementierung für Kryptowährungen, die jedoch einfach, unsicher und unvollständig ist. SimpleCoin ist nicht für den Produktionsgebrauch bestimmt. SimpleCoin ist nicht für den Produktionsgebrauch gedacht, sondern für Bildungszwecke und dient lediglich dazu, die funktionierende Blockchain zugänglich und einfacher zu machen. Es ermöglicht Ihnen, geschürfte Hashes zu speichern und sie in jede unterstützte Währung einzutauschen.
Anzahl der Sterne auf Github: 1343
17. Pyray
Es handelt sich um eine in Vanilla Python geschriebene 3D-Rendering-Bibliothek. Es rendert 2D-, 3D- und höherdimensionale Objekte und Szenen in Python und Animation. Es findet uns im Bereich erstellter Videos, Videospiele, physikalischer Simulationen und sogar wunderschöner Bilder. Voraussetzungen hierfür: PIL, Numpy und Scipy.
Anzahl der Sterne auf Github: 451
18. MicroPython
MicroPython ist Python für Mikrocontroller. Es handelt sich um eine effiziente Implementierung von Python3, die viele Pakete aus der Python-Standardbibliothek enthält und für die Ausführung auf Mikrocontrollern und in eingeschränkten Umgebungen optimiert ist. Pyboard ist eine kleine elektronische Platine, die MicroPython auf Bare-Metal ausführt und so alle Arten elektronischer Projekte steuern kann.
Anzahl der Sterne pro : 9,197
19. Kivy
Kivy ist eine Python-Bibliothek zur Entwicklung mobiler und anderer Multi-Touch-Anwendungen mit einer natürlichen Benutzeroberfläche (NUI). Es verfügt über eine Grafikbibliothek, mehrere Widget-Optionen, eine Kv-Zwischensprache zum Erstellen eigener Widgets, Unterstützung für Maus-, Tastatur-, TUIO- und Multitouch-Ereignisse. Es handelt sich um eine Open-Source-Bibliothek für die schnelle Anwendungsentwicklung mit innovativen Benutzeroberflächen. Es ist plattformübergreifend, geschäftsfreundlich und GPU-beschleunigt.
Anzahl der Sterne auf Github: 9
20. Strich
Dash von Plotly ist ein Webanwendungs-Framework. Es basiert auf Flask, Plotly.js, React und React.js und ermöglicht uns die Verwendung von Python zum Erstellen von Dashboards. Es unterstützt Python- und R-Modelle im großen Maßstab. Mit Dash können Sie ohne DevOps, JavaScript, CSS oder CronJobs erstellen, testen, bereitstellen und Berichte erstellen. Dash ist leistungsstark, anpassbar, leicht und einfach zu verwalten. Es ist auch 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 Ihnen, mithilfe von maschinellem Lernen Musik und Kunst zu erstellen. Magenta ist eine auf TensorFlow basierende Python-Bibliothek mit Dienstprogrammen zum Arbeiten mit Rohdaten, 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 Objektinstanz im Raster und erstellt dafür Begrenzungsrahmen und Segmentierungsmasken. Es nutzt das Feature Pyramid Network (FPN) und das ResNet101-Backbone. Der Code ist leicht erweiterbar. Dieses Projekt bietet auch einen Matterport3D-Datensatz rekonstruierter 3D-Räume, die von Kunden erfasst wurden ...
Anzahl der Sterne auf Github: 14
23. TensorFlow-Modelle
Dies ist ein Repository mit verschiedenen in TensorFlow implementierten Modellen – offizielle Modelle und Forschungsmodelle. Es enthält auch Beispiele und Tutorials. Offizielle Modelle verwenden TensorFlow-APIs auf hoher Ebene. Forschungsmodelle sind Modelle, die von Forschern in TensorFlow zur Unterstützung oder Unterstützung von Fragen und Anfragen implementiert werden.
Anzahl der Sterne auf Github: 57
24. Snallygaster
Snallygaster ist eine Möglichkeit, Probleme mit Projektboards zu organisieren. Dadurch können Sie Ihr Projektmanagement-Panel auf GitHub anpassen, Ihren Workflow optimieren und automatisieren. Damit können Sie 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, die auf Webservern verfügbar sind, die nicht öffentlich zugänglich sein sollten und ein Sicherheitsrisiko darstellen können.
Anzahl der Sterne auf Github: 1
25. Statistikmodelle
Es , das scipy für statistische Berechnungen ergänzt, einschließlich deskriptiver Statistiken sowie Schätzung und Inferenz für statistische Modelle. Zu diesem Zweck verfügt es über Klassen und Funktionen. Es ermöglicht uns auch, statistische Tests und Recherchen zu statistischen Daten durchzuführen.
Anzahl der Sterne auf Github: 4
26. WhatWaf
Dabei handelt es sich um ein fortschrittliches Firewall-Erkennungstool, mit dem wir feststellen können, ob eine Webanwendungs-Firewall vorhanden ist. Es erkennt eine Firewall in einer Webanwendung und versucht, auf einem angegebenen Ziel eine oder mehrere Problemumgehungen dafür zu finden.
Anzahl der Sterne auf Github: 1300
27. Ketter
Chainer - auf Flexibilität ausgerichtet. Es basiert auf Python und bietet differenzierte APIs basierend auf einem Define-by-Run-Ansatz. Chainer bietet auch objektorientierte APIs auf hoher Ebene zum Aufbau und Training neuronaler Netze. Es ist ein leistungsstarkes, flexibles und intuitives Framework für neuronale Netze.
Anzahl der Sterne auf Github: 5,054
28. Abpraller
Rebound ist ein Befehlszeilentool. Wenn Sie einen Compilerfehler erhalten, werden die Ergebnisse sofort aus dem Stapelüberlauf abgerufen. Um dies zu nutzen, können Sie den Rebound-Befehl verwenden, um Ihre Datei auszuführen. Es ist eines der 50 beliebtesten Open-Source-Python-Projekte des Jahres 2018. Darüber hinaus ist Python 3.0 oder höher erforderlich. Unterstützte Dateitypen: Python, Node.js, Ruby, Golang und Java.
Anzahl der Sterne auf Github: 2913
29. Detectron
Detectron führt eine moderne Objekterkennung durch (implementiert auch eine R-CNN-Maske). Es handelt sich um eine in Python geschriebene Facebook AI Research (FAIR)-Software, die auf der Caffe2 Deep Learning-Plattform läuft. Ziel von Detectron ist es, eine hochwertige und leistungsstarke Codebasis für die Objekterkennungsforschung bereitzustellen. Es ist flexibel und implementiert die folgenden Algorithmen: R-CNN-Maske, RetinaNet, schnelleres R-CNN, RPN, schnelles R-CNN, R-FCN.
Anzahl der Sterne auf Github: 21
30. Python-Feuer
Dies ist eine Bibliothek zum automatischen Generieren von CLIs (Befehlszeilenschnittstellen) aus (beliebigen) Python-Objekten. Außerdem können Sie damit Code entwickeln und debuggen sowie vorhandenen Code untersuchen oder den Code einer anderen Person in eine CLI umwandeln. Python Fire erleichtert den Wechsel zwischen Bash und Python und erleichtert auch die Verwendung der REPL.
Anzahl der Sterne auf Github: 15
31. Pylearn2
Pylearn2 ist eine Bibliothek für maschinelles Lernen, die hauptsächlich auf Theano basiert. Ziel ist es, die ML-Forschung zu vereinfachen. Ermöglicht das Schreiben neuer Algorithmen und Modelle.
Anzahl der Sterne auf Github: 2681
32. Matplotlib
ist eine 2D-Zeichnungsbibliothek für Python – sie generiert hochwertige Publikationen in verschiedenen Formaten.
Anzahl der Sterne auf Github: 10,072
33. Theano
Theano ist eine Bibliothek zur Manipulation mathematischer und Matrixausdrücke. Es ist auch ein optimierender Compiler. Theano verwendet -ähnliche Syntax zum Ausdrücken von Berechnungen und zum Kompilieren dieser für die Ausführung auf CPU- oder GPU-Architekturen. Es handelt sich um eine Open-Source-Python-Bibliothek für maschinelles Lernen, die in Python und CUDA geschrieben ist und unter Linux, macOS und Windows läuft.
Anzahl der Sterne pro : 8,922
34. Multidiff
Multidiff soll maschinenorientierte Daten leichter verständlich machen. Es hilft Ihnen, die Unterschiede zwischen einer großen Anzahl von Objekten anzuzeigen, indem Sie Unterschiede zwischen den entsprechenden Objekten vornehmen und diese dann anzeigen. Diese Visualisierung ermöglicht es uns, nach Mustern in proprietären Protokollen oder ungewöhnlichen Dateiformaten zu suchen. Es wird außerdem hauptsächlich für Reverse Engineering und binäre Datenanalysen verwendet.
Anzahl der Sterne auf Github: 262
35. Etwas-TL
In diesem Projekt geht es um die Verwendung selbstorganisierender Karten zur Lösung des Problems des Handlungsreisenden. Mithilfe von SOM finden wir suboptimale Lösungen für das TSP-Problem und verwenden hierfür das .tsp-Format. TSP ist ein NP-vollständiges Problem und wird mit zunehmender Anzahl von Städten immer schwieriger zu lösen.
Anzahl der Sterne auf Github: 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.
Anzahl der Sterne auf Github: 5714
37. Social Mapper
Social Mapper ist ein Social-Media-Mapping-Tool, das Profile mithilfe der Gesichtserkennung korreliert. Dies geschieht in großem Umfang auf verschiedenen Websites. Social Mapper automatisiert die Suche nach Namen und Fotos in sozialen Medien und versucht dann, die Anwesenheit einer Person zu lokalisieren und zu gruppieren. Anschließend wird ein Bericht zur menschlichen Überprüfung erstellt. Dies ist in der Sicherheitsbranche nützlich (z. B. Phishing). Es unterstützt die Plattformen LinkedIn, Facebook, Twitter, Google Plus, Instagram, VKontakte, Weibo und Douban.
Anzahl der Sterne auf Github: 2,396
38. Camelot
Camelot ist eine Python-Bibliothek, die Ihnen beim Extrahieren von Tabellen aus PDF-Dateien hilft. Es funktioniert mit Text-PDF-Dateien, jedoch nicht mit gescannten Dokumenten. Hier ist jede Tabelle ein Pandas-DataFrame. Darüber hinaus können Sie Tabellen nach .json, .xls, .html oder .sqlite exportieren.
Anzahl der Sterne auf Github: 2415
39. Leser
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, Unterstützung für Anmerkungen, eine Comic-Ansicht und ein Einstellungsfenster. Es unterstützt außerdem Lesezeichen, das Durchsuchen von Profilen, einen Metadaten-Editor und ein integriertes Wörterbuch.
Anzahl der Sterne auf Github: 835
40.m00dbot
Dies ist ein Telegram-Bot zum Selbsttesten von Depressionen und Angstzuständen.
Anzahl der Sterne auf Github: 145
41. Manim
Dabei handelt es sich um eine Animations-Engine zum Erklären von Mathe-Videos, mit der sich präzise Animationen programmgesteuert erstellen lassen. Er verwendet dafür Python.
Anzahl der Sterne auf Github: 13
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
Dies ist ein Cross-Site-Scripting-Erkennungspaket mit vier handgeschriebenen Parsern. Es verfügt außerdem über einen intelligenten Nutzlastgenerator, eine leistungsstarke Fuzzing-Engine und eine unglaublich schnelle Suchmaschine. Anstatt wie alle anderen Tools eine Nutzlast einzuschleusen und zu testen, ob sie funktioniert, erkennt XSStrike die Antwort mithilfe mehrerer Parser und verarbeitet dann die Nutzlast, was mithilfe der in die Fuzzing-Engine integrierten Kontextanalyse garantiert funktioniert.
Anzahl der Sterne auf Github: 7050
44. PythonRobotics
Dieses Projekt ist eine Sammlung von Code in Python-Robotikalgorithmen sowie autonomen Navigationsalgorithmen.
Anzahl der Sterne auf Github: 6,746
45. Google Bilder herunterladen
Google Images Download ist ein Befehlszeilen-Python-Programm, das Google Images nach Schlüsselwörtern durchsucht 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.
Anzahl der Sterne auf Github: 5749
46. Trape
Ermöglicht die Überwachung und Ausführung intelligenter Social-Engineering-Angriffe in Echtzeit. Dies hilft aufzudecken, wie große Internetunternehmen ohne deren Wissen an vertrauliche Informationen gelangen und Benutzer kontrollieren können. Trape kann auch dabei helfen, Cyberkriminelle aufzuspüren.
Anzahl der Sterne auf Github: 4256
47. Xonsh
Xonsh ist eine plattformübergreifende, auf Unix ausgerichtete Befehlszeilen- und Shell-Sprache, die auf Python basiert. Dies ist eine Obermenge von Python 3.5+ mit zusätzlichen Shell-Primitiven, wie sie in Bash und IPython zu finden sind. Xonsh läuft auf Linux, Max OS X, Windows und anderen wichtigen Systemen.
Anzahl der Sterne auf Github: 3426
48. GIF für CLI
Es erfordert ein GIF oder ein kurzes Video oder eine Abfrage und wird mithilfe der Tenor-GIF-API in eine animierte ASCII-Grafik umgewandelt. Es verwendet ANSI-Escape-Sequenzen für Animation und Farbe.
Anzahl der Sterne auf Github: 2,547
49. Karikaturisieren
Zeichnen Dies ist eine Polaroidkamera, die Cartoons zeichnen kann. Es nutzt ein neuronales Netzwerk zur Objekterkennung, einen Google Quickdraw-Datensatz, einen Thermodrucker und einen Raspberry Pi. Schnelle Zeichnung! ist ein Google-Spiel, bei dem Spieler ein Bild eines Objekts/einer Idee zeichnen und dann versuchen, in weniger als 20 Sekunden zu erraten, was es darstellt.
Anzahl der Sterne auf Github: 1760
50. Zulip
Zulip ist eine Gruppenchat-App, die in Echtzeit funktioniert und auch bei Multithread-Konversationen produktiv ist. Viele Fortune-500-Unternehmen und Open-Source-Projekte nutzen 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 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
52.Ansible
Es handelt sich um ein einfaches IT-Automatisierungssystem, das die folgenden Funktionen übernehmen kann: Konfigurationsmanagement, Anwendungsbereitstellung, Cloud-Bereitstellung, Ad-hoc-Aufgaben, Netzwerkautomatisierung und Multi-Site-Orchestrierung.
Anzahl der Sterne auf Github: 39,443
53. HTTPie
HTTPie ist ein Befehlszeilen-HTTP-Client. Dies erleichtert der CLI die Interaktion mit Webdiensten. Mit dem http-Befehl können wir beliebige HTTP-Anfragen mit einer einfachen Syntax senden und eine farbige Ausgabe erhalten. Wir können damit HTTP-Server testen, debuggen und mit ihnen interagieren.
Anzahl der Sterne auf Github: 43
54. Tornado-Webserver
Es handelt sich um ein Webframework, eine asynchrone Netzwerkbibliothek für Python. Es nutzt nicht blockierende Netzwerk-E/A zur Skalierung auf über Tausende offener Verbindungen. Dies macht es zu einer guten Wahl für lange Anfragen und WebSockets.
Anzahl der Sterne auf Github: 18
55. Anfragen
Requests ist eine Bibliothek, die das Senden von HTTP/1.1-Anfragen vereinfacht. Sie müssen URLs keine Parameter manuell hinzufügen oder PUT- und POST-Daten kodieren.
Anzahl der Sterne auf Github: 40
56. Scrapy
Scrapy ist ein schnelles Web-Crawling-Framework auf hohem Niveau – Sie können es zum Scrapen von Websites verwenden, um strukturierte Daten zu extrahieren. Sie können es auch zur Datenanalyse, Überwachung und automatisierten Tests verwenden.
Anzahl der Sterne auf Github: 34,493
Source: habr.com