網(wǎng)絡(luò)

• 通用

  • urllib -網(wǎng)絡(luò)庫(stdlib)。

  • requests -網(wǎng)絡(luò)庫。

  • grab – 網(wǎng)絡(luò)庫（基于pycurl）。

  • pycurl – 網(wǎng)絡(luò)庫（綁定libcurl）。

  • urllib3 – Python HTTP庫，安全連接池、支持文件post、可用性高。

  • httplib2 – 網(wǎng)絡(luò)庫。

  • RoboBrowser – 一個簡單的、極具Python風格的Python庫，無需獨立的瀏覽器即可瀏覽網(wǎng)頁。

  • MechanicalSoup -一個與網(wǎng)站自動交互Python庫。

  • mechanize -有狀態(tài)、可編程的Web瀏覽庫。

  • socket – 底層網(wǎng)絡(luò)接口(stdlib)。

  • Unirest for Python – Unirest是一套可用于多種語言的輕量級的HTTP庫。

  • hyper – Python的HTTP/2客戶端。

  • PySocks – SocksiPy更新并積極維護的版本，包括錯誤修復(fù)和一些其他的特征。作為socket模塊的直接替換。

• 異步

  • treq – 類似于requests的API（基于twisted）。

  • aiohttp – asyncio的HTTP客戶端/服務(wù)器(PEP-3156)。

網(wǎng)絡(luò)爬蟲框架

• 功能齊全的爬蟲

  • grab – 網(wǎng)絡(luò)爬蟲框架（基于pycurl/multicur）。

  • scrapy – 網(wǎng)絡(luò)爬蟲框架（基于twisted），不支持Python3。

  • pyspider – 一個強大的爬蟲系統(tǒng)。

  • cola – 一個分布式爬蟲框架。

• 其他

  • portia – 基于Scrapy的可視化爬蟲。

  • restkit – Python的HTTP資源工具包。它可以讓你輕松地訪問HTTP資源，并圍繞它建立的對象。

  • demiurge – 基于PyQuery的爬蟲微框架。

HTML/XML解析器

• 通用

  • lxml – C語言編寫高效HTML/ XML處理庫。支持XPath。

  • cssselect – 解析DOM樹和CSS選擇器。

  • pyquery – 解析DOM樹和jQuery選擇器。

  • BeautifulSoup – 低效HTML/ XML處理庫，純Python實現(xiàn)。

  • html5lib – 根據(jù)WHATWG規(guī)范生成HTML/ XML文檔的DOM。該規(guī)范被用在現(xiàn)在所有的瀏覽器上。

  • feedparser – 解析RSS/ATOM feeds。

  • MarkupSafe – 為XML/HTML/XHTML提供了安全轉(zhuǎn)義的字符串。

  • xmltodict – 一個可以讓你在處理XML時感覺像在處理JSON一樣的Python模塊。

  • xhtml2pdf – 將HTML/CSS轉(zhuǎn)換為PDF。

  • untangle – 輕松實現(xiàn)將XML文件轉(zhuǎn)換為Python對象。

• 清理

  • Bleach – 清理HTML（需要html5lib）。

  • sanitize – 為混亂的數(shù)據(jù)世界帶來清明。

文本處理

用于解析和操作簡單文本的庫。

• 通用

• difflib – （Python標準庫）幫助進行差異化比較。

• Levenshtein – 快速計算Levenshtein距離和字符串相似度。

• fuzzywuzzy – 模糊字符串匹配。

• esmre – 正則表達式加速器。

• ftfy – 自動整理Unicode文本，減少碎片化。

• 轉(zhuǎn)換

• unidecode – 將Unicode文本轉(zhuǎn)為ASCII。

• 字符編碼

• uniout – 打印可讀字符，而不是被轉(zhuǎn)義的字符串。

• chardet – 兼容 Python的2/3的字符編碼器。

• xpinyin – 一個將中國漢字轉(zhuǎn)為拼音的庫。

• pangu.py – 格式化文本中CJK和字母數(shù)字的間距。

• Slug化

• awesome-slugify – 一個可以保留unicode的Python slugify庫。

• python-slugify – 一個可以將Unicode轉(zhuǎn)為ASCII的Python slugify庫。

• unicode-slugify – 一個可以將生成Unicode slugs的工具。

• pytils – 處理俄語字符串的簡單工具（包括pytils.translit.slugify）。

• 通用解析器

• PLY – lex和yacc解析工具的Python實現(xiàn)。

• pyparsing – 一個通用框架的生成語法分析器。

• 人的名字

• python-nameparser -解析人的名字的組件。

• 電話號碼

• phonenumbers -解析，格式化，存儲和驗證國際電話號碼。

• 用戶代理字符串

• python-user-agents – 瀏覽器用戶代理的解析器。

• HTTP Agent Parser – Python的HTTP代理分析器。

特定格式文件處理

解析和處理特定文本格式的庫。

• 通用

• tablib – 一個把數(shù)據(jù)導出為XLS、CSV、JSON、YAML等格式的模塊。

• textract – 從各種文件中提取文本，比如 Word、PowerPoint、PDF等。

• messytables – 解析混亂的表格數(shù)據(jù)的工具。

• rows – 一個常用數(shù)據(jù)接口，支持的格式很多（目前支持CSV，HTML，XLS，TXT – 將來還會提供更多！）。

• Office

• python-docx – 讀取，查詢和修改的Microsoft Word2007/2008的docx文件。

• xlwt / xlrd – 從Excel文件讀取寫入數(shù)據(jù)和格式信息。

• XlsxWriter – 一個創(chuàng)建Excel.xlsx文件的Python模塊。

• xlwings – 一個BSD許可的庫，可以很容易地在Excel中調(diào)用Python，反之亦然。

• openpyxl – 一個用于讀取和寫入的Excel2010 XLSX/ XLSM/ xltx/ XLTM文件的庫。

• Marmir – 提取Python數(shù)據(jù)結(jié)構(gòu)并將其轉(zhuǎn)換為電子表格。

• PDF

• PDFMiner – 一個從PDF文檔中提取信息的工具。

• PyPDF2 – 一個能夠分割、合并和轉(zhuǎn)換PDF頁面的庫。

• ReportLab – 允許快速創(chuàng)建豐富的PDF文檔。

• pdftables – 直接從PDF文件中提取表格。

• Markdown

• Python-Markdown – 一個用Python實現(xiàn)的John Gruber的Markdown。

• Mistune – 速度最快，功能全面的Markdown純Python解析器。

• markdown2 – 一個完全用Python實現(xiàn)的快速的Markdown。

• YAML

• PyYAML – 一個Python的YAML解析器。

• CSS

• cssutils – 一個Python的CSS庫。

• ATOM/RSS

• feedparser – 通用的feed解析器。

• SQL

• sqlparse – 一個非驗證的SQL語句分析器。

• HTTP

• HTTP

• http-parser – C語言實現(xiàn)的HTTP請求/響應(yīng)消息解析器。

• 微格式

• opengraph – 一個用來解析Open Graph協(xié)議標簽的Python模塊。

• 可移植的執(zhí)行體

• pefile – 一個多平臺的用于解析和處理可移植執(zhí)行體（即PE）文件的模塊。

• PSD

• psd-tools – 將Adobe Photoshop PSD（即PE）文件讀取到Python數(shù)據(jù)結(jié)構(gòu)。

自然語言處理

處理人類語言問題的庫。

• NLTK -編寫Python程序來處理人類語言數(shù)據(jù)的最好平臺。

• Pattern – Python的網(wǎng)絡(luò)挖掘模塊。他有自然語言處理工具，機器學習以及其它。

• TextBlob – 為深入自然語言處理任務(wù)提供了一致的API。是基于NLTK以及Pattern的巨人之肩上發(fā)展的。

• jieba – 中文分詞工具。

• SnowNLP – 中文文本處理庫。

• loso – 另一個中文分詞庫。

• genius – 基于條件隨機域的中文分詞。

• langid.py – 獨立的語言識別系統(tǒng)。

• Korean – 一個韓文形態(tài)庫。

• pymorphy2 – 俄語形態(tài)分析器（詞性標注+詞形變化引擎）。

• PyPLN – 用Python編寫的分布式自然語言處理通道。這個項目的目標是創(chuàng)建一種簡單的方法使用NLTK通過網(wǎng)絡(luò)接口處理大語言庫。

瀏覽器自動化與仿真

• selenium – 自動化真正的瀏覽器（Chrome瀏覽器，火狐瀏覽器，Opera瀏覽器，IE瀏覽器）。

• Ghost.py – 對PyQt的webkit的封裝（需要PyQT）。

• Spynner – 對PyQt的webkit的封裝（需要PyQT）。

• Splinter – 通用API瀏覽器模擬器（selenium web驅(qū)動，Django客戶端，Zope）。

多重處理

• threading – Python標準庫的線程運行。對于I/O密集型任務(wù)很有效。對于CPU綁定的任務(wù)沒用，因為python GIL。

• multiprocessing – 標準的Python庫運行多進程。

• celery – 基于分布式消息傳遞的異步任務(wù)隊列/作業(yè)隊列。

• concurrent-futures – concurrent-futures 模塊為調(diào)用異步執(zhí)行提供了一個高層次的接口。

異步

異步網(wǎng)絡(luò)編程庫

• asyncio – （在Python 3.4 +版本以上的 Python標準庫）異步I/O，時間循環(huán)，協(xié)同程序和任務(wù)。

• Twisted – 基于事件驅(qū)動的網(wǎng)絡(luò)引擎框架。

• Tornado – 一個網(wǎng)絡(luò)框架和異步網(wǎng)絡(luò)庫。

• pulsar – Python事件驅(qū)動的并發(fā)框架。

• diesel – Python的基于綠色事件的I/O框架。

• gevent – 一個使用greenlet 的基于協(xié)程的Python網(wǎng)絡(luò)庫。

• eventlet – 有WSGI支持的異步框架。

• Tomorrow – 異步代碼的奇妙的修飾語法。

隊列

• celery – 基于分布式消息傳遞的異步任務(wù)隊列/作業(yè)隊列。

• huey – 小型多線程任務(wù)隊列。

• mrq – Mr. Queue – 使用redis & Gevent 的Python分布式工作任務(wù)隊列。

• RQ – 基于Redis的輕量級任務(wù)隊列管理器。

• simpleq – 一個簡單的，可無限擴展，基于Amazon SQS的隊列。

• python-gearman – Gearman的Python API。

云計算

• picloud – 云端執(zhí)行Python代碼。

• dominoup.com – 云端執(zhí)行R，Python和matlab代碼。

電子郵件

電子郵件解析庫

• flanker – 電子郵件地址和Mime解析庫。

• Talon – Mailgun庫用于提取消息的報價和簽名。

網(wǎng)址和網(wǎng)絡(luò)地址操作

解析/修改網(wǎng)址和網(wǎng)絡(luò)地址庫。

• URL

  • furl – 一個小的Python庫，使得操縱URL簡單化。

  • purl – 一個簡單的不可改變的URL以及一個干凈的用于調(diào)試和操作的API。

  • urllib.parse – 用于打破統(tǒng)一資源定位器（URL）的字符串在組件（尋址方案，網(wǎng)絡(luò)位置，路徑等）之間的隔斷，為了結(jié)合組件到一個URL字符串，并將“相對URL”轉(zhuǎn)化為一個絕對URL，稱之為“基本URL”。

  • tldextract – 從URL的注冊域和子域中準確分離TLD，使用公共后綴列表。

• 網(wǎng)絡(luò)地址

  • netaddr – 用于顯示和操縱網(wǎng)絡(luò)地址的Python庫。

網(wǎng)頁內(nèi)容提取

提取網(wǎng)頁內(nèi)容的庫。

• HTML頁面的文本和元數(shù)據(jù)

  • newspaper – 用Python進行新聞提取、文章提取和內(nèi)容策展。

  • html2text – 將HTML轉(zhuǎn)為Markdown格式文本。

  • python-goose – HTML內(nèi)容/文章提取器。

  • lassie – 人性化的網(wǎng)頁內(nèi)容檢索工具

  • micawber – 一個從網(wǎng)址中提取豐富內(nèi)容的小庫。

  • sumy -一個自動匯總文本文件和HTML網(wǎng)頁的模塊

  • Haul – 一個可擴展的圖像爬蟲。

  • python-readability – arc90 readability工具的快速Python接口。

  • scrapely – 從HTML網(wǎng)頁中提取結(jié)構(gòu)化數(shù)據(jù)的庫。給出了一些Web頁面和數(shù)據(jù)提取的示例，scrapely為所有類似的網(wǎng)頁構(gòu)建一個分析器。

• 視頻

  • youtube-dl – 一個從YouTube下載視頻的小命令行程序。

  • you-get – Python3的YouTube、優(yōu)酷/ Niconico視頻下載器。

• 維基

  • WikiTeam – 下載和保存wikis的工具。

WebSocket

用于WebSocket的庫。

• Crossbar – 開源的應(yīng)用消息傳遞路由器（Python實現(xiàn)的用于Autobahn的WebSocket和WAMP）。

• AutobahnPython – 提供了WebSocket協(xié)議和WAMP協(xié)議的Python實現(xiàn)并且開源。

• WebSocket-for-Python – Python 2和3以及PyPy的WebSocket客戶端和服務(wù)器庫。

DNS解析

• dnsyo – 在全球超過1500個的DNS服務(wù)器上檢查你的DNS。

• pycares – c-ares的接口。c-ares是進行DNS請求和異步名稱決議的C語言庫。

計算機視覺

• OpenCV – 開源計算機視覺庫。

• SimpleCV – 用于照相機、圖像處理、特征提取、格式轉(zhuǎn)換的簡介，可讀性強的接口（基于OpenCV）。

• mahotas – 快速計算機圖像處理算法（完全使用 C++ 實現(xiàn)），完全基于 numpy 的數(shù)組作為它的數(shù)據(jù)類型。

代理服務(wù)器

• shadowsocks – 一個快速隧道代理，可幫你穿透防火墻（支持TCP和UDP，TFO，多用戶和平滑重啟，目的IP黑名單）。

• tproxy – tproxy是一個簡單的TCP路由代理（第7層），基于Gevent，用Python進行配置。

其他Python工具列表

• awesome-python

• pycrumbs

• python-github-projects

• python_reference

• pythonidae

最新評論