این یک میکرو فریمورک است که به زبان پایتون نوشته شده است. هیچ اعتبارسنجی برای فرم ها و هیچ لایه انتزاعی پایگاه داده ندارد، اما به شما اجازه می دهد از کتابخانه های شخص ثالث برای عملکردهای رایج استفاده کنید. و به همین دلیل است که یک فریمورک خرد است. Flask به گونه ای طراحی شده است که ایجاد برنامه ها را ساده و سریع می کند، در حالی که مقیاس پذیر و سبک است. این بر اساس پروژه های Werkzeug و Jinja2 است. می توانید در آخرین مقاله DataFlair درباره آن بیشتر بخوانید فلاسک پایتون.
2. کراس
Keras یک کتابخانه شبکه عصبی منبع باز است که به زبان پایتون نوشته شده است. کاربرپسند، ماژولار و قابل توسعه است و می تواند در بالای TensorFlow، Theano، PlaidML یا Microsoft Cognitive Toolkit (CNTK) اجرا شود. Keras همه اینها را دارد: قالب ها، توابع هدف و انتقال، بهینه سازها و موارد دیگر. همچنین از شبکه های عصبی کانولوشنال و تکراری پشتیبانی می کند.
این یک کتابخانه نرم افزار منبع باز است که با پردازش زبان طبیعی (NLP) و به زبان Python و Cython نوشته شده است. در حالی که NLTK بیشتر برای اهداف آموزشی و تحقیقاتی مناسب است، وظیفه SpaCy ارائه نرم افزار برای تولید است. علاوه بر این، Thinc کتابخانه یادگیری ماشینی spaCy است که مدلهای CNN را برای برچسبگذاری بخشی از گفتار، تجزیه وابستگی و شناسایی موجودیت نامگذاری شده ارائه میکند.
4. نگهبانی
Sentry نظارت بر اشکال منبع باز میزبانی شده را ارائه می دهد تا بتوانید اشکالات را در زمان واقعی شناسایی و تریاژ کنید. به سادگی SDK را برای زبان(ها) یا چارچوب(های) خود نصب کنید و شروع کنید. این به شما امکان می دهد استثناهای کنترل نشده را ضبط کنید، ردیابی پشته را بررسی کنید، تأثیر هر مسئله را تجزیه و تحلیل کنید، اشکالات را در پروژه ها ردیابی کنید، مسائل را اختصاص دهید و موارد دیگر. استفاده از Sentry به معنای باگ کمتر و ارسال کد بیشتر است.
5. OpenCV
OpenCV یک کتابخانه بینایی کامپیوتری و یادگیری ماشین منبع باز است. این کتابخانه دارای بیش از 2500 الگوریتم بهینه شده برای کارهای بینایی کامپیوتری مانند تشخیص و تشخیص اشیا، طبقه بندی انواع مختلف فعالیت های انسانی، ردیابی حرکت دوربین، ایجاد مدل های سه بعدی اشیاء، دوخت تصویر برای به دست آوردن تصاویر با وضوح بالا و بسیاری از کارهای دیگر است. . این کتابخانه برای بسیاری از زبان ها مانند Python، C++، Java و غیره در دسترس است.
این ماژول برای پیاده سازی سریع و آسان یادگیری آماری بر روی داده های NeuroImaging است. این به شما امکان می دهد از scikit-learn برای آمار چند متغیره برای مدل سازی پیش بینی، طبقه بندی، رمزگشایی و تجزیه و تحلیل اتصال استفاده کنید. Nilearn بخشی از اکوسیستم NiPy است، که جامعه ای اختصاص داده شده به استفاده از پایتون برای تجزیه و تحلیل داده های تصویربرداری عصبی است.
Scikit-learn یکی دیگر از پروژه های منبع باز پایتون است. این یک کتابخانه یادگیری ماشینی بسیار معروف برای پایتون است. SciPy که اغلب با NumPy و SciPy استفاده می شود، طبقه بندی، رگرسیون و خوشه بندی را ارائه می دهد - پشتیبانی می کند SVM (ماشین های بردار پشتیبانی)، جنگل های تصادفی، شتاب گرادیان، k-means و DBSCAN. این کتابخانه به زبان Python و Cython نوشته شده است.
تعداد ستاره های Github: 37,144
8. پیتورچ
PyTorch یکی دیگر از کتابخانه های منبع باز یادگیری ماشین است که در پایتون و برای پایتون نوشته شده است. این بر اساس کتابخانه Torch است و برای مناطقی مانند بینایی کامپیوتر و پردازش زبان طبیعی (NLP) عالی است. همچنین دارای یک جلوی C++ است.
در میان بسیاری از ویژگی های دیگر، PyTorch دو ویژگی سطح بالا را ارائه می دهد:
محاسبات تانسور با سرعت بالای GPU
شبکه های عصبی عمیق
تعداد ستاره های Github: 31
9. Librosa
Librosa یکی از بهترین کتابخانه های پایتون برای تجزیه و تحلیل موسیقی و صدا است. این شامل اجزای لازم است که برای به دست آوردن اطلاعات از موسیقی استفاده می شود. این کتابخانه به خوبی مستند شده است و شامل چندین آموزش و مثال است که کار شما را آسان تر می کند.
Gensim یک کتابخانه پایتون برای مدلسازی موضوع، نمایهسازی اسناد و جستجوهای مشابه برای شرکتهای بزرگ است. هدف آن NLP و جوامع بازیابی اطلاعات است. Gensim مخفف عبارت «تولید مانند» است. او قبلاً فهرست کوتاهی از مقالات مشابه این مقاله ایجاد کرده بود. Gensim واضح، کارآمد و مقیاس پذیر است. Gensim یک پیادهسازی کارآمد و ساده از مدلسازی معنایی بدون نظارت را از متن ساده ارائه میکند.
تعداد ستاره های Github: 9
11. جنگو
جنگو یک چارچوب پایتون سطح بالا است که توسعه سریع را تشویق می کند و به اصل DRY (خودت را تکرار نکن) اعتقاد دارد. این یک فریمورک بسیار قدرتمند و پرکاربرد برای پایتون است. این بر اساس الگوی MTV (Model-Template-View) است.
تعداد ستاره های Github: 44
12. تشخیص چهره
تشخیص چهره یک پروژه محبوب در GitHub است. به راحتی با استفاده از پایتون/خط فرمان چهره ها را شناسایی و دستکاری می کند و برای این کار از ساده ترین کتابخانه تشخیص چهره دنیا استفاده می کند. این از dlib با یادگیری عمیق برای تشخیص چهره ها با دقت 99,38 درصد در معیار Wild استفاده می کند.
تعداد ستاره های Github: 28,267
13. شیرینی پزی
Cookiecutter یک ابزار خط فرمان است که می تواند برای ایجاد پروژه ها از قالب ها (کوکی برش) استفاده شود. یک مثال می تواند ایجاد یک پروژه دسته ای از یک الگوی پروژه دسته ای باشد. اینها قالبهای چند پلتفرمی هستند و قالبهای پروژه میتوانند در هر زبان یا فرمت نشانهگذاری مانند Python، JavaScript، HTML، Ruby، CoffeeScript، RST و Markdown باشند. همچنین به شما امکان می دهد از چندین زبان در یک الگوی پروژه استفاده کنید.
تعداد ستاره های Github: 10
14. پانداها
Pandas یک کتابخانه تجزیه و تحلیل داده و دستکاری برای پایتون است که ساختارهای داده برچسبگذاری شده و توابع آماری را ارائه میدهد.
Pipenv وعده داده است که یک ابزار آماده برای تولید باشد که هدف آن آوردن بهترین دنیای بسته بندی به دنیای پایتون است. ترمینال آن رنگ های خوبی دارد و Pipfile، pip و virtualenv را در یک دستور ترکیب می کند. این به طور خودکار یک محیط مجازی را برای پروژه های شما ایجاد و مدیریت می کند و راهی آسان برای سفارشی کردن محیط کار در اختیار کاربران قرار می دهد.
تعداد ستاره های Github: 18,322
16. SimpleCoin
این یک پیاده سازی بلاک چین برای ارزهای دیجیتال است که در پایتون ساخته شده است، اما ساده، ناامن و ناقص است. SimpleCoin برای استفاده در تولید در نظر گرفته نشده است. SimpleCoin نه برای مصارف تولیدی، برای مقاصد آموزشی در نظر گرفته شده است و فقط برای سهولت دسترسی و سادهتر کردن بلاک چین کار میکند. این به شما امکان می دهد هش های استخراج شده را ذخیره کنید و آنها را با هر ارز پشتیبانی شده مبادله کنید.
تعداد ستاره های Github: 1343
17. Pyray
این یک کتابخانه رندر سه بعدی است که با پایتون وانیلی نوشته شده است. اجسام و صحنه های با ابعاد بالاتر را به صورت دو بعدی، سه بعدی در پایتون و انیمیشن رندر می کند. ما را در قلمرو ویدیوهای ساخته شده، بازی های ویدیویی، شبیه سازی های فیزیکی و حتی تصاویر زیبا می یابد. مورد نیاز برای این: PIL، numpy و scipy.
تعداد ستاره های Github: 451
18. میکروپایتون
MicroPython پایتون برای میکروکنترلرها است. این یک پیاده سازی کارآمد از Python3 است که با بسته های بسیاری از کتابخانه استاندارد پایتون ارائه می شود و برای اجرا بر روی میکروکنترلرها و در محیط های محدود بهینه شده است. Pyboard یک برد الکترونیکی کوچک است که MicroPython را بر روی فلز خالی اجرا می کند تا بتواند انواع پروژه های الکترونیکی را کنترل کند.
Kivy یک کتابخانه پایتون برای توسعه موبایل و سایر برنامه های کاربردی چند لمسی با رابط کاربری طبیعی (NUI) است. این یک کتابخانه گرافیکی، چندین گزینه ویجت، یک زبان میانی Kv برای ایجاد ویجت های خود، پشتیبانی از ماوس، صفحه کلید، TUIO و رویدادهای چند لمسی دارد. این یک کتابخانه منبع باز برای توسعه سریع برنامه با رابط های کاربری نوآورانه است. این کراس پلتفرم، مناسب برای کسب و کار، و شتاب GPU است.
تعداد ستاره های Github: 9
20. خط تیره
Dash by Plotly یک چارچوب برنامه وب است. این برنامه که در بالای Flask، Plotly.js، React و React.js ساخته شده است، به ما اجازه می دهد از پایتون برای ساخت داشبورد استفاده کنیم. این مدل پایتون و R را در مقیاس قدرت می دهد. Dash به شما امکان می دهد بدون DevOps، JavaScript، CSS یا CronJobs بسازید، آزمایش کنید، استقرار دهید و گزارش دهید. Dash قدرتمند، قابل تنظیم، سبک وزن و مدیریت آسان است. همچنین منبع باز است.
تعداد ستاره های Github: 9,883
21. سرخابی
Magenta یک پروژه تحقیقاتی منبع باز است که بر یادگیری ماشین به عنوان ابزاری در فرآیند خلاق تمرکز دارد. این به شما امکان می دهد موسیقی و هنر را با استفاده از یادگیری ماشین ایجاد کنید. Magenta یک کتابخانه پایتون مبتنی بر TensorFlow است که دارای ابزارهایی برای کار با داده های خام، استفاده از آن برای آموزش مدل های ماشین و ایجاد محتوای جدید است.
22. ماسک R-CNN
این پیادهسازی ماسک R-CNNN در پایتون 3، تنسورفلو و کراس است. مدل هر نمونه شی را در شطرنجی می گیرد و جعبه های مرزی و ماسک های تقسیم بندی را برای آن ایجاد می کند. از شبکه هرمی ویژگی (FPN) و ستون فقرات ResNet101 استفاده می کند. کد به راحتی قابل گسترش است. این پروژه همچنین مجموعه داده Matterport3D از فضاهای سه بعدی بازسازی شده را ارائه می دهد که توسط مشتریان گرفته شده است.
تعداد ستاره های Github: 14
23. مدل های TensorFlow
این یک مخزن با مدل های مختلف پیاده سازی شده در TensorFlow - مدل های رسمی و تحقیقاتی است. نمونه و آموزش هم داره. مدلهای رسمی از APIهای TensorFlow سطح بالا استفاده میکنند. مدلهای پژوهشی مدلهایی هستند که توسط محققان برای پشتیبانی یا پشتیبانی سؤال و پرس و جو در TensorFlow پیادهسازی میشوند.
تعداد ستاره های Github: 57
24. اسنالیگاستر
Snallygaster راهی برای سازماندهی مشکلات با تابلوهای پروژه است. به لطف این، می توانید پنل مدیریت پروژه خود را در GitHub سفارشی کنید، گردش کار خود را بهینه سازی و خودکار کنید. این به شما امکان می دهد وظایف را مرتب کنید، پروژه ها را برنامه ریزی کنید، گردش کار را خودکار کنید، پیشرفت را پیگیری کنید، وضعیت را به اشتراک بگذارید و در نهایت تکمیل کنید. Snallygaster میتواند فایلهای مخفی را در سرورهای HTTP اسکن کند - به دنبال فایلهای موجود در سرورهای وب میگردد که نباید برای عموم در دسترس باشند و ممکن است خطر امنیتی ایجاد کنند.
تعداد ستاره های Github: 1
25.Statsmodels
آن بسته پایتونکه مکمل علم محاسبات آماری، از جمله آمار توصیفی و تخمین و استنتاج برای مدلهای آماری است. کلاس ها و توابعی برای این منظور دارد. همچنین به ما اجازه می دهد تا آزمایش های آماری و تحقیق روی داده های آماری انجام دهیم.
تعداد ستاره های Github: 4
26. Whatwaf
این یک ابزار پیشرفته تشخیص فایروال است که می توانیم از آن برای درک وجود فایروال برنامه وب استفاده کنیم. این یک فایروال را در یک برنامه وب شناسایی می کند و سعی می کند یک یا چند راه حل برای آن در یک هدف مشخص پیدا کند.
تعداد ستاره های Github: 1300
27. زنجیر
زنجیر - این یک چارچوب یادگیری عمیق استجهت گیری به سمت انعطاف پذیری این برنامه مبتنی بر پایتون است و API های متمایز را بر اساس رویکرد تعریف شده توسط اجرا ارائه می دهد. Chainer همچنین APIهای شی گرا سطح بالایی را برای ساخت و آموزش شبکه های عصبی ارائه می دهد. این یک چارچوب قدرتمند، منعطف و بصری برای شبکه های عصبی است.
تعداد ستاره های Github: 5,054
28. ریباند
Rebound یک ابزار خط فرمان است. هنگامی که یک خطای کامپایلر دریافت می کنید، بلافاصله نتایج حاصل از سرریز پشته را بازیابی می کند. برای استفاده از این می توانید از دستور rebound برای اجرای فایل خود استفاده کنید. این یکی از 50 پروژه محبوب Python منبع باز در سال 2018 است. علاوه بر این، به پایتون 3.0 یا بالاتر نیاز دارد. انواع فایل های پشتیبانی شده: Python، Node.js، Ruby، Golang و Java.
تعداد ستاره های Github: 2913
29. آشکارساز
Detectron تشخیص شی مدرن را انجام می دهد (همچنین ماسک R-CNN را پیاده سازی می کند). این نرم افزار تحقیقات هوش مصنوعی فیس بوک (FAIR) است که به زبان پایتون نوشته شده و بر روی پلت فرم Caffe2 Deep Learning اجرا می شود. هدف Detectron ارائه یک پایگاه کد با کیفیت بالا و کارایی بالا برای تحقیقات تشخیص اشیا است. انعطاف پذیر است و الگوریتم های زیر را پیاده سازی می کند - ماسک R-CNN، RetinaNet، R-CNN سریعتر، RPN، R-CNN سریع، R-FCN.
تعداد ستاره های Github: 21
30. Python-fire
این کتابخانه ای برای تولید خودکار CLI ها (واسط های خط فرمان) از (هر) شی پایتون است. همچنین به شما امکان می دهد کدهای خود را توسعه داده و اشکال زدایی کنید، همچنین کدهای موجود را بررسی کنید یا کد شخص دیگری را به یک CLI تبدیل کنید. Python Fire حرکت بین Bash و Python را آسان می کند و همچنین استفاده از REPL را آسان می کند.
تعداد ستاره های Github: 15
31. Pylearn2
Pylearn2 یک کتابخانه یادگیری ماشینی است که عمدتاً بر روی Theano ساخته شده است. هدف آن آسانتر کردن تحقیقات ML است. به شما امکان می دهد الگوریتم ها و مدل های جدید بنویسید.
تعداد ستاره های Github: 2681
32. Matplotlib
matplotlib یک کتابخانه طراحی دوبعدی برای پایتون است - انتشارات با کیفیت در قالبهای مختلف تولید میکند.
تعداد ستاره های Github: 10,072
33. تیانو
Theano یک کتابخانه برای دستکاری عبارات ریاضی و ماتریسی است. همچنین یک کامپایلر بهینه سازی است. Theano استفاده می کند NumPyسینتکس مانند برای بیان محاسبات و کامپایل آنها برای اجرا بر روی معماری CPU یا GPU. این یک کتابخانه یادگیری ماشینی منبع باز پایتون است که با پایتون و CUDA نوشته شده است و روی لینوکس، macOS و ویندوز اجرا می شود.
Multidiff به گونه ای طراحی شده است که داده های ماشین محور را آسان تر می کند. این به شما کمک می کند تا با ایجاد تفاوت بین اشیاء مربوطه و سپس نمایش آنها، تفاوت بین تعداد زیادی از اشیاء را مشاهده کنید. این تجسم به ما اجازه می دهد تا به دنبال الگوها در پروتکل های اختصاصی یا فرمت های فایل غیر معمول باشیم. همچنین عمدتاً برای مهندسی معکوس و تجزیه و تحلیل داده های باینری استفاده می شود.
تعداد ستاره های Github: 262
35. سوم-قاشق چایخوری
این پروژه در مورد استفاده از نقشه های خودسازماندهی برای حل مشکل فروشنده دوره گرد است. با استفاده از SOM، راه حل های کمتر از حد بهینه برای مشکل TSP پیدا می کنیم و از فرمت tsp. برای این کار استفاده می کنیم. TSP یک مشکل NP-کامل است و حل آن با افزایش تعداد شهرها به طور فزاینده ای دشوار می شود.
تعداد ستاره های Github: 950
36. فوتون
فوتون یک اسکنر وب فوق العاده سریع است که برای OSINT طراحی شده است. این می تواند URL ها، آدرس های اینترنتی با پارامترها، اطلاعات اینتل، فایل ها، کلیدهای مخفی، فایل های جاوا اسکریپت، موارد منطبق با عبارات معمولی و زیر دامنه ها را بازیابی کند. سپس اطلاعات استخراج شده را می توان در قالب json ذخیره و صادر کرد. فوتون انعطاف پذیر و مبتکر است. همچنین می توانید چند پلاگین به آن اضافه کنید.
تعداد ستاره های Github: 5714
37. Social Mapper
Social Mapper یک ابزار نقشه برداری رسانه های اجتماعی است که پروفایل ها را با استفاده از تشخیص چهره مرتبط می کند. این کار را در وب سایت های مختلف در مقیاس بزرگ انجام می دهد. Social Mapper جستجوی نامها و عکسها در رسانههای اجتماعی را خودکار میکند و سپس تلاش میکند تا حضور افراد را مشخص و گروهبندی کند. سپس گزارشی را برای بررسی انسانی ایجاد می کند. این در صنعت امنیت (به عنوان مثال، فیشینگ) مفید است. از پلتفرم های LinkedIn، Facebook، Twitter، Google Plus، Instagram، VKontakte، Weibo و Douban پشتیبانی می کند.
تعداد ستاره های Github: 2,396
38. کملوت
Camelot یک کتابخانه پایتون است که به شما کمک می کند جداول را از فایل های PDF استخراج کنید. با فایلهای PDF متنی کار میکند، اما اسناد اسکنشده را ندارد. در اینجا هر جدول یک DataFrame پاندا است. علاوه بر این، میتوانید جداول را به json.، xls.، .html یا sqlite. صادر کنید.
تعداد ستاره های Github: 2415
39. خواننده
این یک خواننده Qt برای خواندن کتاب های الکترونیکی است. از فرمت های pdf، .epub، .djvu، .fb2، .mobi، .azw/.azw3/.azw4، .cbr/.cbz و md. Lector دارای یک پنجره اصلی، یک نمای جدول، یک نمای کتاب، یک نمای بدون حواس پرتی، پشتیبانی از حاشیه نویسی، یک نمای کمیک و یک پنجره تنظیمات است. همچنین از نشانک ها، مرور نمایه، ویرایشگر ابرداده و فرهنگ لغت داخلی پشتیبانی می کند.
تعداد ستاره های Github: 835
40.m00dbot
این یک ربات تلگرام برای خودآزمایی افسردگی و اضطراب است.
تعداد ستاره های Github: 145
41. مانیم
این یک موتور انیمیشن برای توضیح ویدیوهای ریاضی است که می توان از آن برای ایجاد انیمیشن های دقیق به صورت برنامه ای استفاده کرد. او برای این کار از پایتون استفاده می کند.
تعداد ستاره های Github: 13
42. دویین بات
یک ربات که در پایتون برای یک برنامه مشابه Tinder نوشته شده است. توسعه دهندگان از چین
تعداد ستاره های Github: 5,959
43. XSStrike
این یک بسته تشخیص اسکریپت متقابل با چهار تجزیه کننده دست نویس است. همچنین دارای یک مولد محموله هوشمند، یک موتور فازی قدرتمند و یک موتور جستجوی فوق العاده سریع است. XSStrike به جای تزریق محموله و آزمایش آن برای کارکرد مانند سایر ابزارها، پاسخ را با استفاده از تجزیه کننده های متعدد تشخیص می دهد و سپس محموله را پردازش می کند، که تضمین می شود با استفاده از تجزیه و تحلیل زمینه ادغام شده در موتور فازی کار کند.
تعداد ستاره های Github: 7050
44. PythonRobotics
این پروژه مجموعه ای از کدها در الگوریتم های رباتیک پایتون و همچنین الگوریتم های ناوبری مستقل است.
تعداد ستاره های Github: 6,746
45. دانلود تصاویر گوگل
Google Images Download یک برنامه خط فرمان پایتون است که تصاویر گوگل را برای کلمات کلیدی جستجو می کند و تصاویر را برای شما دریافت می کند. این یک برنامه کوچک بدون وابستگی است اگر فقط نیاز به آپلود 100 تصویر برای هر کلمه کلیدی دارید.
تعداد ستاره های Github: 5749
46. تراپ
به شما امکان می دهد حملات مهندسی اجتماعی هوشمند را در زمان واقعی نظارت و اجرا کنید. این کمک می کند تا آشکار شود که چگونه شرکت های بزرگ اینترنتی می توانند اطلاعات حساس را به دست آورند و کاربران را بدون اطلاع آنها کنترل کنند. Trape همچنین می تواند به ردیابی مجرمان سایبری کمک کند.
تعداد ستاره های Github: 4256
47. سونش
Xonsh یک خط فرمان و زبان پوسته بین پلتفرمی Unix-gazing بر پایه پایتون است. این یک ابرمجموعه از Python 3.5+ با پوسته های اولیه اولیه مانند موارد موجود در Bash و IPython است. Xonsh روی Linux، Max OS X، Windows و سایر سیستمهای اصلی اجرا میشود.
تعداد ستاره های Github: 3426
48. GIF برای CLI
به یک GIF یا ویدیوی کوتاه یا پرس و جو نیاز دارد و با استفاده از Tenor GIF API به یک گرافیک متحرک ASCII تبدیل می شود. از دنباله های فرار ANSI برای انیمیشن و رنگ استفاده می کند.
تعداد ستاره های Github: 2,547
49. کاریکاتور کنید
Draw این یک دوربین پولاروید است که می تواند کارتون بکشد. از یک شبکه عصبی برای تشخیص اشیاء، مجموعه داده های گوگل Quickdraw، یک چاپگر حرارتی و یک Raspberry Pi استفاده می کند. قرعه کشی سریع! یک بازی گوگل است که از بازیکنان میخواهد تصویری از یک شی/ایده بکشند و سپس سعی میکند در کمتر از 20 ثانیه حدس بزند که چه چیزی را نشان میدهد.
تعداد ستاره های Github: 1760
50. زولیپ
Zulip یک برنامه چت گروهی است که در زمان واقعی کار می کند و همچنین با مکالمات چند رشته ای کارآمد است. بسیاری از شرکتهای Fortune 500 و پروژههای منبع باز از آن برای چت بلادرنگ استفاده میکنند که میتواند هزاران پیام را در روز مدیریت کند.
تعداد ستاره های Github: 10,432
51. YouTube-dl
این یک برنامه خط فرمان است که می تواند فیلم ها را از یوتیوب و برخی از سایت های دیگر دانلود کند. به پلتفرم خاصی وابسته نیست.
تعداد ستاره های Github: 55
52. پاسخگو
این یک سیستم اتوماسیون فناوری اطلاعات ساده است که می تواند عملکردهای زیر را انجام دهد: مدیریت پیکربندی، استقرار برنامه، ارائه ابر، وظایف موقت، اتوماسیون شبکه، و هماهنگ سازی چند سایت.
تعداد ستاره های Github: 39,443
53. HTTPie
HTTPie یک سرویس گیرنده HTTP خط فرمان است. این کار CLI را برای تعامل با سرویس های وب آسان تر می کند. برای دستور http، به ما اجازه میدهد تا درخواستهای HTTP دلخواه را با یک نحو ساده ارسال کنیم و خروجی رنگی دریافت کنیم. ما می توانیم از آن برای آزمایش، اشکال زدایی و تعامل با سرورهای HTTP استفاده کنیم.
تعداد ستاره های Github: 43
54. وب سرور تورنادو
این یک چارچوب وب، کتابخانه شبکه ناهمزمان برای پایتون است. از ورودی/خروجی شبکه غیرمسدود برای مقیاس دهی به بیش از هزاران اتصال باز استفاده می کند. این باعث می شود برای درخواست های طولانی و WebSocket ها گزینه خوبی باشد.
تعداد ستاره های Github: 18
55. درخواست ها
Requests کتابخانه ای است که ارسال درخواست های HTTP/1.1 را آسان می کند. لازم نیست به صورت دستی پارامترها را به URL ها اضافه کنید یا داده های PUT و POST را رمزگذاری کنید.
تعداد ستاره های Github: 40
56. خراشیده
Scrapy یک چارچوب سریع و سطح بالا برای خزیدن وب است - می توانید از آن برای خراش دادن وب سایت ها برای استخراج داده های ساختاریافته استفاده کنید. همچنین می توانید از آن برای تجزیه و تحلیل داده ها، نظارت و آزمایش خودکار استفاده کنید.