Python库大全

网络

  • urllib -网络库(stdlib)。

  • requests -网络库。

  • grab – 网络库(基于pycurl)。

  • pycurl – 网络库(绑定libcurl)。

  • urllib3 – Python HTTP库,安全连接池、支持文件post、可用性高。

  • httplib2 – 网络库。

  • RoboBrowser – 一个简单的、极具Python风格的Python库,无需独立的浏览器即可浏览网页。

  • MechanicalSoup -一个与网站自动交互Python库。

  • mechanize -有状态、可编程的Web浏览库。

  • socket – 底层网络接口(stdlib)。

网络爬虫框架

  • grab – 网络爬虫框架(基于pycurl/multicur)。

  • scrapy – 网络爬虫框架。

  • pyspider – 一个强大的爬虫系统。

  • cola – 一个分布式爬虫框架。

HTML/XML解析器

  • lxml – C语言编写高效HTML/ XML处理库。支持XPath。

  • cssselect – 解析DOM树和CSS选择器。

  • pyquery – 解析DOM树和jQuery选择器。

  • BeautifulSoup – 低效HTML/ XML处理库,纯Python实现。

  • html5lib – 根据WHATWG规范生成HTML/ XML文档的DOM。该规范被用在现在所有的浏览器上。

  • feedparser – 解析RSS/ATOM feeds。

  • MarkupSafe – 为XML/HTML/XHTML提供了安全转义的字符串。

文本处理

用于解析和操作简单文本的库。

  • difflib – (Python标准库)帮助进行差异化比较。

  • Levenshtein – 快速计算Levenshtein距离和字符串相似度。

  • fuzzywuzzy – 模糊字符串匹配。

  • esmre – 正则表达式加速器。

  • ftfy – 自动整理Unicode文本,减少碎片化。

自然语言处理

处理人类语言问题的库。

  • NLTK -编写Python程序来处理人类语言数据的最好平台。

  • Pattern – Python的网络挖掘模块。他有自然语言处理工具,机器学习以及其它。

  • TextBlob – 为深入自然语言处理任务提供了一致的API。是基于NLTK以及Pattern的巨人之肩上发展的。

  • jieba – 中文分词工具。

  • SnowNLP – 中文文本处理库。

  • loso – 另一个中文分词库。

浏览器自动化与仿真

  • selenium – 自动化真正的浏览器(Chrome浏览器,火狐浏览器,Opera浏览器,IE浏览器)。

  • Ghost.py – 对PyQt的webkit的封装(需要PyQT)。

  • Spynner – 对PyQt的webkit的封装(需要PyQT)。

  • Splinter – 通用API浏览器模拟器(selenium web驱动,Django客户端,Zope)。

多重处理

  • threading – Python标准库的线程运行。对于I/O密集型任务很有效。对于CPU绑定的任务没用,因为python GIL。

  • multiprocessing – 标准的Python库运行多进程。

  • celery – 基于分布式消息传递的异步任务队列/作业队列。

  • concurrent-futures – concurrent-futures 模块为调用异步执行提供了一个高层次的接口。

异步

异步网络编程库

  • asyncio – (在Python 3.4 +版本以上的 Python标准库)异步I/O,时间循环,协同程序和任务。

  • Twisted – 基于事件驱动的网络引擎框架。

  • Tornado – 一个网络框架和异步网络库。

  • pulsar – Python事件驱动的并发框架。

  • diesel – Python的基于绿色事件的I/O框架。

  • gevent – 一个使用greenlet 的基于协程的Python网络库。

  • eventlet – 有WSGI支持的异步框架。

  • Tomorrow – 异步代码的奇妙的修饰语法。

队列

  • celery – 基于分布式消息传递的异步任务队列/作业队列。

  • huey – 小型多线程任务队列。

  • mrq – Mr. Queue – 使用redis & Gevent 的Python分布式工作任务队列。

  • RQ – 基于Redis的轻量级任务队列管理器。

  • simpleq – 一个简单的,可无限扩展,基于Amazon SQS的队列。

  • python-gearman – Gearman的Python API。

云计算

  • picloud – 云端执行Python代码。

  • dominoup.com – 云端执行R,Python和matlab代码


网页内容提取

提取网页内容的库。

  • HTML页面的文本和元数据

  • newspaper – 用Python进行新闻提取、文章提取和内容策展。

  • html2text – 将HTML转为Markdown格式文本。

  • python-goose – HTML内容/文章提取器。

  • lassie – 人性化的网页内容检索工具

WebSocket

用于WebSocket的库。

  • Crossbar – 开源的应用消息传递路由器(Python实现的用于Autobahn的WebSocket和WAMP)。

  • AutobahnPython – 提供了WebSocket协议和WAMP协议的Python实现并且开源。

  • WebSocket-for-Python – Python 2和3以及PyPy的WebSocket客户端和服务器库。

DNS解析

  • dnsyo – 在全球超过1500个的DNS服务器上检查你的DNS。

  • pycares – c-ares的接口。c-ares是进行DNS请求和异步名称决议的C语言库。

计算机视觉

  • OpenCV – 开源计算机视觉库。

  • SimpleCV – 用于照相机、图像处理、特征提取、格式转换的简介,可读性强的接口(基于OpenCV)。

  • mahotas – 快速计算机图像处理算法(完全使用 C++ 实现),完全基于 numpy 的数组作为它的数据类型。

代理服务器

    • s – 一个快速隧道代理,可帮你穿透防火墙(支持TCP和UDP,TFO,多用户和平滑重启,目的IP黑名单)。

    • tproxy – tproxy是一个简单的TCP路由代理(第7层),基于Gevent,用Python进行配置。

转载于:https://www.cnblogs.com/amoyzhu/p/8853854.html

你可能感兴趣的:(运维,网络,爬虫)