1. Kolben
Dies ist ein in Python geschriebenes Mikro-Framework. Es gibt keine Validierungen für Formulare und Datenbankabstraktionsebenen, aber Sie können Bibliotheken von Drittanbietern für allgemeine Funktionen verwenden. Und deshalb ist es ein Mikro-Framework. Flask ist so konzipiert, dass Anwendungen einfach und schnell erstellt werden können. Außerdem ist es skalierbar und einfach. Es basiert auf den Projekten Werkzeug und Jinja2. Weitere Informationen finden Sie im neuesten DataFlair-Artikel zu
Python Flask .
2. Keras
Keras ist eine in Python geschriebene Open-Source-Bibliothek für neuronale Netze. Es ist benutzerfreundlich, modular und erweiterbar und kann zusätzlich zu TensorFlow, Theano, PlaidML oder Microsoft Cognitive Toolkit (CNTK) verwendet werden. Keras bietet alles: Vorlagen, Ziel- und Übertragungsfunktionen, Optimierer und mehr. Es werden auch Faltungsnetze und wiederkehrende neuronale Netze unterstützt.
Arbeiten Sie an dem neuesten Open-Source-Projekt auf Keras-Basis -
Breast Cancer Classification .
Dieser Artikel wurde mit Unterstützung von EDISON Software übersetzt, das das Vivaldi-Dokumentenspeicher-Diagnosesystem entwickelt und in Startups investiert .
3. SpaCy
Dies ist eine Open-Source-Softwarebibliothek, die
die Verarbeitung natürlicher Sprache (NLP) verarbeitet und in Python und Cython geschrieben ist. Während NLTK eher für Schulungs- und Forschungszwecke geeignet ist, ist es die Aufgabe von spaCy, Software für die Produktion bereitzustellen. Darüber hinaus ist Thinc eine spaCy-Bibliothek für maschinelles Lernen, in der CNN-Modelle für Teile von Sprachkennungen, das Parsen von Abhängigkeiten und die Erkennung von benannten Objekten eingeführt werden.
4. Wachposten
Sentry bietet Open-Source-Hosting zur Fehlerüberwachung, damit Sie Fehler in Echtzeit erkennen und sortieren können. Installieren Sie einfach das SDK für Ihre Sprache (n) oder Ihr Framework (s) und legen Sie los. Es ermöglicht Ihnen, nicht behandelte Ausnahmen zu beheben, den Stack-Trace zu untersuchen, die Auswirkungen jedes Problems zu analysieren, Fehler in verschiedenen Projekten zu verfolgen, Probleme zuzuweisen und vieles mehr. Die Verwendung von Sentry bedeutet weniger Fehler und mehr Code zum Senden.
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, Verfolgung von Bewegungen mit der Kamera, Erstellung dreidimensionaler Objektmodelle, Zusammenfügen von Bildern, um hochauflösende Bilder zu erhalten, und viele andere Aufgaben. Die Bibliothek ist für viele Sprachen wie Python, C ++, Java usw. verfügbar.
Sterne auf Github: 39585
Haben Sie bereits an einem OpenCV-Projekt gearbeitet? Hier ist eine -
Geschlecht und Alter Entwurf6. Nilearn
Dies ist ein Modul zur schnellen und einfachen Implementierung des statistischen Trainings für NeuroImaging-Daten. Damit können Sie scikit-learn für mehrdimensionale Statistiken zur vorhersagenden Modellierung, Klassifizierung, Dekodierung und Konnektivitätsanalyse verwenden. Nilearn ist Teil des NiPy-Ökosystems, einer Community, die sich der Analyse von Neuroimaging-Daten mit Python widmet.
Github Sterne: 549
7. Scikit-Lernen
Scikit-learn ist ein weiteres Open-Source-Python-Projekt. Dies ist eine sehr berühmte maschinelle Lernbibliothek für Python. SciPy wird häufig mit NumPy und SciPy verwendet und bietet Klassifizierung, Regression und Clustering - es unterstützt
SVM (Support Vector Machines) , zufällige Gesamtstrukturen, Gradientenbeschleunigung, k-tools und DBSCAN. Diese Bibliothek ist in Python und Cython geschrieben.
Sterne auf Github: 37.144
8. PyTorch
PyTorch ist eine weitere Open-Source-Bibliothek für maschinelles Lernen, die in 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 hat auch ein C ++ Frontend.
Neben vielen anderen Funktionen bietet PyTorch zwei Hauptfunktionen:
- GPU-beschleunigtes Tensor-Computing
- Tiefe neuronale Netze
Sterne auf Github: 31.779
9. Librosa
Librosa ist eine der besten Python-Bibliotheken für die Analyse von Musik und Audio. Es enthält die erforderlichen Komponenten, die zum Abrufen von Informationen aus der Musik verwendet werden. Die Bibliothek ist gut dokumentiert und enthält mehrere Handbücher und Beispiele, die Ihre Aufgabe erleichtern.
Github Stars: 3107
Implementierung des Python Open Source Projekts und Librosa -
Erkennung von Sprachemotionen.
10. Gensim
Gensim ist eine Python-Bibliothek zum Modellieren von Themen, zum Indizieren von Dokumenten und zum Ermitteln von Ähnlichkeiten mit großen Unternehmen. Es zielt auf NLP und die Informationsabrufgemeinschaft ab. Gensim ist die Abkürzung für "Generate Like". Zuvor hat er eine kurze Liste von Artikeln erstellt, die diesem Artikel ähnlich sind. Gensim ist übersichtlich, effizient und skalierbar. Gensim implementiert eine effiziente und einfache Implementierung einer unkontrollierten semantischen Modellierung aus einfachem Text.
Github Stars: 9.870
11. Django
Django ist ein Python-Framework auf hoher Ebene, das eine schnelle Entwicklung fördert und an das Prinzip von DRY glaubt (nicht wiederholen). Dies ist ein sehr leistungsfähiges und am weitesten verbreitetes Python-Framework. Es basiert auf dem MTV-Muster (Model-Template-View).
Sterne auf Github: 44,214
12. Gesichtserkennung
Gesichtserkennung ist ein beliebtes Projekt auf GitHub. Es erkennt Gesichter auf einfache Weise und manipuliert sie mithilfe der Python / Kommandozeile und verwendet dafür die einfachste Gesichtserkennungsbibliothek der Welt. Es verwendet Deep Learning Dlib, um Gesichter mit einer Genauigkeit von 99,38% im Wild-Benchmarktest zu erkennen.
Sterne auf Github: 28.267
13. Ausstecher
Cookiecutter ist ein Befehlszeilenprogramm, mit dem Sie Projekte aus Vorlagen erstellen können (Cookiecutter). Ein Beispiel wäre, ein Stapelprojekt aus einer Stapelprojektvorlage zu erstellen. Hierbei handelt es sich um plattformübergreifende Vorlagen, und Projektvorlagen können in einer beliebigen Sprache oder in einem beliebigen Markup-Format vorliegen, z. B. Python, JavaScript, HTML, Ruby, CoffeeScript, RST und Markdown. Sie können auch mehrere Sprachen in derselben Projektvorlage verwenden.
Sterne auf Github: 10.291
14. Pandas
Pandas ist eine Python-Datenanalyse- und -manipulationsbibliothek für markierte Datenstrukturen und statistische Funktionen.
Sterne auf Github: 21.404
Python-Open-Source-Projekt zur Erprobung von Pandas -
Parkinson-Erkennung15. Pipenv
Pipenv verspricht, ein produktionsreifes Tool zu sein, mit dem das Beste aus allen Verpackungswelten in die Python-Welt gebracht werden soll. Das Terminal hat schöne Farben und kombiniert Pipfile, Pip und Virtualenv in einem Team. Es erstellt und verwaltet automatisch eine virtuelle Umgebung für Ihre Projekte und bietet Benutzern eine einfache Möglichkeit, eine Arbeitsumgebung einzurichten.
Github Stars: 18.322
16. SimpleCoin
Dies ist eine Implementierung der in Python erstellten Blockchain für Kryptowährung, die jedoch einfach, unsicher und unvollständig ist. SimpleCoin ist nicht für den Produktionsgebrauch vorgesehen. SimpleCoin ist nicht für Produktionszwecke gedacht und dient nur zu Ausbildungszwecken. Es soll die Blockchain-Arbeitskette zugänglich machen und vereinfachen. Sie können die extrahierten Hashes speichern und in eine beliebige unterstützte Währung umtauschen.
Github Stars: 1343
17. Pyray
Dies ist eine 3D-Rendering-Bibliothek, die in Vanille-Python geschrieben wurde. Es rendert 2D-, 3D-, Objekt- und höherformatige Szenen in Python und Animationen. Er findet uns im Bereich erstellter Videos, Videospiele, physikalischer Simulationen und sogar schöner Bilder. Voraussetzungen dafür: PIL, Numpy und Scipy.
Sterne auf Github: 451
18. MicroPython
MicroPython ist Python für Mikrocontroller. Dies ist eine effiziente Python3-Implementierung, die mit vielen Paketen aus der Python-Standardbibliothek geliefert wird und für die Arbeit auf Mikrocontrollern und unter beengten Bedingungen optimiert ist. Pyboard ist eine kleine elektronische Platine, auf der MicroPython auf Bare-Metal-Basis ausgeführt wird, sodass alle Arten von elektronischen Projekten gesteuert werden können.
Sterne auf
Github : 9.197
19. Kivy
Kivy ist eine Python-Bibliothek für die Entwicklung mobiler Anwendungen und anderer Multitouch-Anwendungen mit einer natürlichen Benutzeroberfläche (Natural User Interface, NUI). Es verfügt über eine Grafikbibliothek, mehrere Widget-Optionen, eine Kv-Zwischensprache zum Erstellen eigener Widgets, Unterstützung für Maus-, Tastatur-, TUIO- und Multi-Touch-Eingabeereignisse. Dies ist eine Open Source-Bibliothek für die schnelle Anwendungsentwicklung mit innovativen Benutzeroberflächen. Es ist plattformübergreifend, geschäftsfreundlich und verfügt über eine GPU-Beschleunigung.
Sterne auf Github: 9.930
20. Dash
Dash by Plotly ist ein Webanwendungsframework. Es basiert auf Flask, Plotly.js, React und React.js und ermöglicht es uns, mit Python Dashboards zu erstellen. Es bietet Python- und R-Modelle. Mit Dash können Sie Berichte erstellen, testen, bereitstellen und kompilieren, ohne DevOps, JavaScript, CSS oder CronJobs zu verwenden. Dash ist leistungsstark, anpassbar, leicht und einfach zu verwalten. Es hat auch Open Source Code.
Github Stars: 9,883
21. Magenta
Magenta ist ein Open-Source-Forschungsprojekt, das sich auf maschinelles Lernen als Werkzeug im kreativen Prozess konzentriert. Auf diese Weise können Sie Musik und Kunst durch maschinelles Lernen erstellen. Magenta ist eine TensorFlow-basierte Python-Bibliothek mit Dienstprogrammen zum Arbeiten mit Quelldaten, 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 verwendet jede Instanz des Objekts im Raster und erstellt dafür Begrenzungsrahmen und Segmentierungsmasken. Es verwendet das Feature Pyramid Network (FPN) und den ResNet101-Trunk. Der Code ist einfach zu erweitern. Dieses Projekt bietet auch den Matterport3D-Datensatz für rekonstruierte 3D-Räume, die von Kunden erfasst wurden ...
Github Stars: 14,055
23. TensorFlow-Modelle
Dies ist ein Repository mit verschiedenen Modellen, die in TensorFlow implementiert sind - offizielle Modelle und Forschungsmodelle. Er hat auch Proben und Lehrmittel. Offizielle Modelle verwenden die TensorFlow-APIs auf hoher Ebene. Forschungsmodelle sind Modelle, die von TensorFlow-Forschern implementiert werden, um Fragen zu unterstützen oder zu unterstützen und Anfragen zu erhalten.
Sterne auf Github: 57,745
24. Snallygaster
Snallygaster ist eine Möglichkeit, Probleme mit Projektplänen zu organisieren. Dank dessen können Sie das Projekt-Control-Panel auf GitHub konfigurieren, den Workflow optimieren und automatisieren. Sie können Aufgaben sortieren, Projekte planen, den Workflow automatisieren, den Fortschritt verfolgen, den Status freigeben und schließlich abschließen. Snallygaster kann auf HTTP-Servern nach geheimen Dateien suchen - es sucht nach Dateien auf Webservern, die nicht öffentlich zugänglich sein sollten und ein Sicherheitsrisiko darstellen könnten.
Sterne auf Github: 1.477
25. Statistikmodelle
Dies ist
ein Python-Paket , das Scipy für statistische Berechnungen ergänzt, einschließlich deskriptiver Statistiken sowie Schätzungen und Schlussfolgerungen für statistische Modelle. Zu diesem Zweck verfügt es über Klassen und Funktionen. Es ermöglicht uns auch, statistische Tests und statistische Untersuchungen durchzuführen.
Sterne auf Github: 4.246
26. WhatWaf
Dies ist ein erweitertes Firewall-Erkennungstool, mit dem Sie feststellen können, ob eine Webanwendungs-Firewall vorhanden ist. Es erkennt eine Firewall in einer Webanwendung und versucht, eine oder mehrere Problemumgehungen für das angegebene Ziel zu ermitteln.
Github-Sterne: 1.300
27. Chainer
Chainer ist
eine vertiefte Lernumgebung, die sich auf Flexibilität konzentriert. Es basiert auf Python und bietet differenzierte APIs, die auf dem "Define-by-Run" -Ansatz basieren. Chainer bietet auch objektorientierte APIs auf hoher Ebene zum Erstellen und Trainieren neuronaler Netze. Es ist eine leistungsstarke, flexible und intuitive Struktur für neuronale Netze.
Sterne auf Github: 5.054
28. Rebound
Rebound ist ein Befehlszeilenprogramm. Wenn Sie eine Compilerfehlermeldung erhalten, werden die Ergebnisse sofort vom übergelaufenen Stack abgerufen. Um dies zu verwenden, können Sie den Befehl rebound verwenden, um Ihre Datei auszuführen. Dies ist eines der 50 beliebtesten Python-Open-Source-Projekte des Jahres 2018. Außerdem ist Python 3.0 oder höher erforderlich. Unterstützte Dateitypen: Python, Node.js, Ruby, Golang und Java.
Sterne auf Github: 2913
29. Detectron
Detectron führt eine Objekterkennung nach dem neuesten Stand der Technik durch (implementiert auch die R-CNN-Maske). Hierbei handelt es sich um eine in Python geschriebene Facebook AI Research (FAIR) -Software, die auf der Caffe2 Deep Learning-Plattform basiert. Ziel von Detectron ist es, eine qualitativ hochwertige und leistungsstarke Codebasis für die Objekterkennungsforschung bereitzustellen. Es ist flexibel und implementiert die folgenden Algorithmen: R-CNN-Maske, RetinaNet, schnelleres R-CNN, RPN, schnelleres R-CNN, R-FCN.
Sterne auf Github: 21.873
30. Python-Feuer
Dies ist eine Bibliothek zum automatischen Generieren von CLIs (Befehlszeilenschnittstellen) aus (einem) Python-Objekt. Außerdem können Sie Code entwickeln und debuggen sowie vorhandenen Code untersuchen oder den Code eines anderen Benutzers in eine CLI verwandeln. Python Fire erleichtert den Übergang zwischen Bash und Python und erleichtert auch die Verwendung von REPL.
Sterne auf Github: 15.299
31. Pylearn2
Pylearn2 ist eine maschinelle Lernbibliothek, die hauptsächlich auf Theano basiert. Sein Zweck ist es, das Studium der ML zu erleichtern. Ermöglicht das Schreiben neuer Algorithmen und Modelle.
Github Stars: 2681
32. Matplotlib
Matplotlib ist eine 2D-Zeichnungsbibliothek für Python - sie generiert qualitativ hochwertige Publikationen in verschiedenen Formaten.
Sterne auf Github: 10.072
33. Theano
Theano ist eine Bibliothek zum Manipulieren von mathematischen und Matrixausdrücken. Es ist auch ein optimierender Compiler. Theano verwendet eine
NumPy-ähnliche Syntax, um Berechnungen auszudrücken und sie für die Arbeit mit CPU- oder GPU-Architekturen zu kompilieren. Dies ist eine Open-Source-Python-Bibliothek für maschinelles Lernen, die in Python und CUDA geschrieben wurde und unter Linux, macOS und Windows ausgeführt wird.
Sterne auf
Github : 8.922
34. Multidiff
Multidiff soll das Verständnis von maschinenorientierten Daten erleichtern. Es ist hilfreich, die Unterschiede zwischen einer großen Anzahl von Objekten zu erkennen, Unterschiede zwischen den entsprechenden Objekten herzustellen und diese dann anzuzeigen. Mit dieser Visualisierung können wir nach Mustern in unseren eigenen Protokollen oder ungewöhnlichen Dateiformaten suchen. Es wird auch hauptsächlich für das Reverse Engineering und die Analyse von Binärdaten verwendet.
Sterne auf Github: 262
35. Som-tsp
Dieses Projekt konzentriert sich auf die Verwendung von selbstorganisierenden Karten, um das Problem der reisenden Verkäufer zu lösen. Mit SOM finden wir nicht optimale Lösungen für das TSP-Problem und verwenden dafür das .tsp-Format. TSP ist ein NP-vollständiges Problem, und mit der wachsenden Anzahl von Städten wird es immer schwieriger, es zu lösen.
Github Sterne: 950
36. Photon
Photon ist ein außergewöhnlich schneller Web-Scanner, der für OSINT entwickelt wurde. Es kann URLs, Parameter-URLs, Intel-Informationen, Dateien, private Schlüssel, JavaScript-Dateien, Übereinstimmungen mit regulären Ausdrücken und Unterdomänen abrufen. Die extrahierten Informationen können dann gespeichert und im json-Format exportiert werden. Photon ist flexibel und brillant. Sie können auch einige Plugins hinzufügen.
Github Sterne: 5714
37. Social Mapper
Social Mapper ist ein Social-Media-Mapping-Tool, mit dem Profile mithilfe der Gesichtserkennung korreliert werden. Er tut dies auf verschiedenen Websites in großem Umfang. Social Mapper automatisiert die Suche nach Namen und Fotos in sozialen Netzwerken und versucht dann, die Anwesenheit einer Person zu lokalisieren und zu gruppieren. Anschließend erstellt er einen Bericht zur Überprüfung durch den Menschen. Dies ist in der Sicherheitsbranche nützlich (z. B. für Phishing). Es unterstützt LinkedIn, Facebook, Twitter, Google Plus, Instagram, VKontakte, Weibo und Douban.
Sterne auf Github: 2.396
38. Camelot
Camelot ist eine Python-Bibliothek, mit der Sie Tabellen aus PDF-Dateien extrahieren können. Es funktioniert mit PDF-Textdateien, aber nicht mit gescannten Dokumenten. Hier ist jede Tabelle ein Pandas DataFrame. Außerdem können Sie Tabellen nach .json, .xls, .html oder .sqlite exportieren.
Sterne auf Github: 2415
39. Lektor
Dies ist ein Qt-Reader für E-Books. Es unterstützt die Dateiformate .pdf, .epub, .djvu, .fb2, .mobi, .azw / .azw3 / .azw4, .cbr / .cbz und .md. Lector hat ein Hauptfenster, zeigt eine Tabelle an, zeigt Bücher an, zeigt ohne Ablenkungen an, unterstützt Anmerkungen, zeigt Comics an und zeigt das Einstellungsfenster an. Es werden auch Lesezeichen, das Durchsuchen von Profilen, ein Metadaten-Editor und ein integriertes Wörterbuch unterstützt.
Github Sterne: 835
40. m00dbot
Dies ist ein Telegramm-Bot zur Selbstprüfung von Depressionen und Angstzuständen.
Github-Sterne: 145
41. Manim
Dies ist eine Animations-Engine zum Erläutern von mathematischen Videos, mit denen Sie präzise Animationen programmgesteuert erstellen können. Dafür benutzt er Python.
Sterne auf Github: 13.491
42. Douyin-Bot
Ein in Python geschriebener Bot für eine Tinder-ähnliche Anwendung. Entwickler aus China.
Github Stars: 5.959
43. XSStrike
Dies ist ein Cross-Site-Scripting-Erkennungspaket mit vier handgeschriebenen Parsern. Es verfügt auch über einen intelligenten Nutzlastgenerator, eine leistungsstarke Fuzzing-Engine und eine unglaublich schnelle Suchmaschine. Anstatt wie bei allen anderen Tools nützliche Daten einzugeben und deren Funktion zu überprüfen, erkennt XSStrike die Antwort mithilfe mehrerer Analysegeräte und verarbeitet die nützlichen Daten, die mit der in den Fuzzing-Mechanismus integrierten Kontextanalyse funktionieren.
Github Sterne: 7050
44. Python-Robotik
Dieses Projekt ist eine Sammlung von Code in den Algorithmen der Python-Robotik sowie Algorithmen für die autonome Navigation.
Sterne auf Github: 6.746
45. Google Bilder herunterladen
Google Images Download ist ein Python-Befehlszeilenprogramm, das in Google-Bildern nach Schlüsselwörtern sucht und Bilder für Sie abruft. Dies ist ein kleines Programm ohne Abhängigkeiten, wenn Sie für jedes Schlüsselwort nur bis zu 100 Bilder hochladen müssen.
Github Sterne: 5749
46. Trape
Ermöglicht die Verfolgung und Ausführung intelligenter Social-Engineering-Angriffe in Echtzeit. Dies hilft herauszufinden, wie große Internetunternehmen vertrauliche Informationen erhalten und Benutzer ohne ihr Wissen kontrollieren können. Trape kann auch helfen, Cyberkriminelle aufzuspüren.
Sterne auf Github: 4256
47. Xonsh
Xonsh ist eine plattformübergreifende, auf Unix basierende Python-Befehlszeilensprache und Befehlszeilen-Shell. Dies ist eine Python 3.5+ -Supergruppe mit zusätzlichen Shell-Primitiven wie Bash und IPython. Xonsh läuft unter Linux, Max OS X, Windows und anderen wichtigen Systemen.
Sterne auf Github: 3426
48. GIF für CLI
Dies erfordert ein GIF oder ein kurzes Video oder eine Anforderung. Mithilfe der Tenor-GIF-API wird es in animierte ASCII-Grafiken konvertiert. Es werden ANSI-Escape-Sequenzen für Animation und Farbe verwendet.
Github-Sterne: 2.547
49. Cartoonifizieren
Zeichnen Dies ist eine Polaroid-Kamera, mit der Cartoons gezeichnet werden können. Es verwendet ein neuronales Netzwerk für die Objekterkennung, einen Google Quickdraw-Datensatz, einen Thermodrucker und Raspberry Pi. Schnell, Draw! - Dies ist ein Google-Spiel, in dem Spieler aufgefordert werden, ein Bild eines Objekts / einer Idee zu zeichnen, und dann versucht er, in weniger als 20 Sekunden zu erraten, was er darstellt.
Github Sterne: 1.760
50. Zulip
Zulip ist eine Echtzeit-Gruppenchat-Anwendung, die dank Multithread-Konversationen auch produktiv ist. Viele Fortune 500-Unternehmen und Open Source-Projekte verwenden es für den Live-Chat, der täglich Tausende von Nachrichten verarbeiten kann.
Sterne auf Github: 10.432
51. YouTube-dl
Dies ist ein Befehlszeilenprogramm, mit dem Videos von YouTube und einigen anderen Websites heruntergeladen werden können. Es ist nicht an eine bestimmte Plattform gebunden.
Github Star Rating: 55,868
52. Ansible
Dies ist ein einfaches IT-Automatisierungssystem, das die folgenden Funktionen ausführen kann: Konfigurationsmanagement, Anwendungsbereitstellung, Cloud-Initialisierung, spezielle Aufgaben, Netzwerkautomatisierung und Orchestrierung mit mehreren Knoten.Sterne auf Github: 39.44353. HTTPie
HTTPie ist ein Befehlszeilen-HTTP-Client. Dies vereinfacht die CLI-Interaktion mit Webdiensten. Mit dem Befehl http können wir beliebige HTTP-Anforderungen mit einfacher Syntax senden und eine Farbausgabe erhalten. Wir können es zum Testen, Debuggen und Interagieren mit HTTP-Servern verwenden.Sterne auf Github: 43.19954. Tornado-Webserver
-, Python. / . WebSockets.
Github: 18 306
55. Requests
Requests — , HTTP/1.1 . URL- PUT POST.
Github: 40 294
56. Scrapy
Scrapy — - — - . , .
Github: 34,493
Lesen Sie auch den Blog
EDISON Unternehmen:
20 Bibliotheken für
spektakuläre iOS-Anwendung