成人午夜一区二区_操碰在线视频_国产精品麻豆一区二区三区_中文黄色一级片_欧美日本中文字幕_高清视频91

　　好程序員Python培訓分享Python爬蟲工具列表大全，網(wǎng)絡。

　　通用

　　urllib -網(wǎng)絡庫(stdlib)。

　　requests -網(wǎng)絡庫。

　　grab – 網(wǎng)絡庫(基于pycurl)。

　　pycurl – 網(wǎng)絡庫(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/服務器(PEP-3156)。

　　網(wǎng)絡爬蟲框架

　　功能齊全的爬蟲

　　grab – 網(wǎng)絡爬蟲框架(基于pycurl/multicur)。

　　scrapy – 網(wǎng)絡爬蟲框架(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zhongguo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zuihao平臺。

　　Pattern – Python的網(wǎng)絡挖掘模塊。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密集型任務很有效。對于CPU綁定的任務沒用，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。

　　Twisted – 基于事件驅(qū)動的網(wǎng)絡引擎框架。

　　Tornado – 一個網(wǎng)絡框架和異步網(wǎng)絡庫。

　　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隊列/作業(yè)隊列。

　　huey – 小型多線程任務隊列。

　　mrq – Mr. Queue – 使用redis & Gevent 的Python分布式工作任務隊列。

　　RQ – 基于Redis的輕量級任務隊列管理器。

　　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。

　　http://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)絡地址操作

　　解析/修改網(wǎng)址和網(wǎng)絡地址庫。

　　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)絡地址

　　netaddr – 用于顯示和操縱網(wǎng)絡地址的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客戶端和服務器庫。

　　DNS解析

　　dnsyo – 在全球超過1500個的DNS服務器上檢查你的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