Ecosyste.ms: Awesome

An open API service indexing awesome lists of open source software.
Awesome Lists | Featured Topics | Projects
https://github.com/awesome-code-resources/awesome-python-zh

Python框架、库、软件和资源的精选列表
https://github.com/awesome-code-resources/awesome-python-zh
List: awesome-python-zh
awesome python
Last synced: 3 months ago
JSON representation
Python框架、库、软件和资源的精选列表
Host: GitHub
URL: https://github.com/awesome-code-resources/awesome-python-zh
Owner: awesome-code-resources
License: cc0-1.0
Created: 2023-10-10T07:40:52.000Z (about 1 year ago)
Default Branch: main
Last Pushed: 2023-10-26T10:15:11.000Z (about 1 year ago)
Last Synced: 2024-05-22T18:07:47.761Z (6 months ago)
Topics: awesome, python
Homepage:
Size: 213 KB
Stars: 1
Watchers: 1
Forks: 0
Open Issues: 0
Metadata Files:
- Readme: README.md
- Contributing: CONTRIBUTING.md
- License: LICENSE.txt
Awesome Lists containing this project

ultimate-awesome - awesome-python-zh - Python框架、库、软件和资源的精选列表. (Other Lists / PowerShell Lists)
README

        如果您觉得这个[项目](https://github.com/awesome-code-resources/awesome-python-zh)对您有帮助，就请点右上角的**Star**按钮为它加星星✨✨ 其他TIOBE Top 20编程语言的中文翻译请看[awesome-code-resources](https://github.com/awesome-code-resources/awesome-code-resources)。

本项目的原始仓库地址为[这里](https://github.com/vinta/awesome-python)。

# Awesome Python [![Awesome](https://cdn.rawgit.com/sindresorhus/awesome/d7305f38d29fed78fa85652e3a63e154dd8e8829/media/badge.svg)](https://github.com/sindresorhus/awesome)

令人敬畏的Python框架，库，软件和资源的自以为是的列表。

灵感来自[awesome-php](https://github.com/ziadoz/awesome-php)。

- [真棒Python](#真棒Python)

  - [管理面板](#管理面板)

  - [算法和设计模式](#算法和设计模式)

  - [ASGI服务器](#ASGI服务器)

  - [异步编程](#异步编程)

  - [音频](#音频)

  - [身份验证](#身份验证)

  - [构建工具](#构建工具)

  - [内置类增强功能](#内置类增强功能)

  - [缓存](#缓存)

  - [ChatOps工具](#ChatOps工具)

  - [CMS](#CMS)

  - [代码分析](#代码分析)

  - [命令行界面开发](#命令行界面开发)

  - [命令行工具](#命令行工具)

  - [计算机视觉](#计算机视觉)

  - [配置文件](#配置文件)

  - [密码学](#密码学)

  - [数据分析](#数据分析)

  - [数据验证](#数据验证)

  - [数据可视化](#数据可视化)

  - [数据库驱动程序](#数据库驱动程序)

  - [数据库](#数据库)

  - [日期和时间](#日期和时间)

  - [调试工具](#调试工具)

  - [深度学习](#深度学习)

  - [DevOps工具](#DevOps工具)

  - [分布式计算](#分布式计算)

  - [分布](#分布)

  - [文档](#文档)

  - [下载器](#下载器)

  - [编辑器插件和ide](#编辑器插件和ide)

  - [电子邮件](#电子邮件)

  - [环境管理](#环境管理)

  - [文件操作](#文件操作)

  - [函数式编程](#函数式编程)

  - [游戏开发](#游戏开发)

  - [地理位置](#地理位置)

  - [GUI开发](#GUI开发)

  - [硬件](#硬件)

  - [HTML操作](#HTML操作)

  - [HTTP客户端](#HTTP客户端)

  - [图像处理](#图像处理)

  - [实现](#实现)

  - [交互式口译员](#交互式口译员)

  - [国际化](#国际化)

  - [作业调度程序](#作业调度程序)

  - [日志记录](#日志记录)

  - [机器学习](#机器学习)

  - [杂项](#杂项)

  - [自然语言处理](#自然语言处理)

  - [网络虚拟化](#网络虚拟化)

  - [新闻提要](#新闻提要)

  - [ORM](#ORM)

  - [包管理](#包管理)

  - [包存储库](#包存储库)

  - [渗透测试](#渗透测试)

  - [权限](#权限)

  - [流程](#流程)

  - [推荐系统](#推荐系统)

  - [重构](#重构)

  - [RESTful-API](#RESTful-API)

  - [机器人技术](#机器人技术)

  - [RPC服务器](#RPC服务器)

  - [科学](#科学)

  - [搜索](#搜索)

  - [序列化](#序列化)

  - [无服务器框架](#无服务器框架)

  - [壳牌](#壳牌)

  - [特定格式处理](#特定格式处理)

  - [静态站点生成器](#静态站点生成器)

  - [标记](#标记)

  - [任务队列](#任务队列)

  - [模板引擎](#模板引擎)

  - [测试](#测试)

  - [文本处理](#文本处理)

  - [第三方api](#第三方api)

  - [URL操作](#URL操作)

  - [视频](#视频)

  - [Web资产管理](#Web资产管理)

  - [Web内容提取](#Web内容提取)

  - [Web爬行](#Web爬行)

  - [Web框架](#Web框架)

  - [WebSocket](#WebSocket)

  - [WSGI服务器](#WSGI服务器)

- [资源](#资源)

  - [通讯](#通讯)

  - [播客](#播客)

- [贡献](#贡献)

## 管理面板

*用于管理接口的库。* 

* [ajenti](https://github.com/ajenti/ajenti)-您的服务器应得的管理面板。

* [django-grappelli](https://github.com/sehmaschine/django-grappelli)-Django管理界面的爵士皮肤。

* [flask-admin](https://github.com/flask-admin/flask-admin)-Flask的简单和可扩展的管理接口框架。

* [flower](https://github.com/mher/flower)-芹菜的实时监控和网络管理。

* [jet-bridge](https://github.com/jet-admin/jet-bridge)-管理面板框架与漂亮的UI (ex Jet Django) 的任何应用程序。

* [wooey](https://github.com/wooey/wooey)-一个Django应用程序，它为Python脚本创建自动web UIs。

* [streamlit](https://github.com/streamlit/streamlit)-一个框架，它可以让你建立仪表板，生成报告，或在几分钟内创建聊天应用程序。

## 算法和设计模式

*数据结构、算法和设计模式的Python实现。另请参见[awesome-algorithms](https://github.com/tayllan/awesome-algorithms).* 

* 算法

  * [algorithms](https://github.com/keon/algorithms)-数据结构和算法的最小示例。

  * [python-ds](https://github.com/prabhupant/python-ds)-用于编码面试的数据结构和算法的集合。

  * [sortedcontainers](https://github.com/grantjenks/python-sortedcontainers)-快速和纯Python实现排序的集合。

  * [thealgorithms](https://github.com/TheAlgorithms/Python)-在Python中实现的所有算法。

* 设计模式

  * [pypattyrn](https://github.com/tylerlaberge/PyPattyrn)-一个简单而有效的库，用于实现常见的设计模式。

  * [python-patterns](https://github.com/faif/python-patterns)-Python中的设计模式集合。

  * [transitions](https://github.com/pytransitions/transitions)-一个轻量级的、面向对象的有限状态机实现。

## ASGI服务器

*[ASGI](https://asgi.readthedocs.io/en/latest/)-compatible web servers.* 

* [daphne](https://github.com/django/daphne)-用于ASGI和asgi-http的HTTP、HTTP2和WebSocket协议服务器。

* [uvicorn](https://github.com/encode/uvicorn)-一个闪电般的ASGI服务器实现，使用uvloop和httptools。

* [hypercorn](https://github.com/pgjones/hypercorn)-基于超级库并受Gunicorn启发的ASGI和WSGI服务器。

## 异步编程

*用于异步、并发和并行执行的库。另请参见[awesome-asyncio](https://github.com/timofurrer/awesome-asyncio).* 

* [asyncio](https://docs.python.org/3/library/asyncio.html)-(Python标准库) 异步I/O，事件循环，协则和任务。

  - [awesome-asyncio](https://github.com/timofurrer/awesome-asyncio)

* [concurrent.futures](https://docs.python.org/3/library/concurrent.futures.html)-(Python标准库) 用于异步执行可调用对象的高级接口。

* [multiprocessing](https://docs.python.org/3/library/multiprocessing.html)-(Python标准库) 基于进程的并行性。

* [trio](https://github.com/python-trio/trio)-用于异步并发和I/O的友好库。

* [twisted](https://github.com/twisted/twisted)-事件驱动的网络引擎。

* [uvloop](https://github.com/MagicStack/uvloop)-超快速asyncio事件循环。

* [eventlet](https://github.com/eventlet/eventlet)-支持WSGI的异步框架。

* [gevent](https://github.com/gevent/gevent)-一个基于coroutine的Python网络库，它使用[greenlet](https://github.com/python-greenlet/greenlet)。

## 音频

*用于操作音频及其元数据的库。* 

* 音频

  * [audioread](https://github.com/beetbox/audioread)-跨库 (GStreamer核心音频MAD FFmpeg) 音频解码。

  * [audioFlux](https://github.com/libAudioFlux/audioFlux)-用于音频和音乐分析，特征提取的库。

  * [dejavu](https://github.com/worldveil/dejavu)-音频指纹识别和识别。

  * [kapre](https://github.com/keunwoochoi/kapre)-Keras音频预处理器。

  * [librosa](https://github.com/librosa/librosa)-用于音频和音乐分析的Python库。

  * [matchering](https://github.com/sergree/matchering)-用于自动参考音频母盘制作的库。

  * [mingus](http://bspaans.github.io/python-mingus/)-具有MIDI文件和播放支持的高级音乐理论和符号包。

  * [pyaudioanalysis](https://github.com/tyiannak/pyAudioAnalysis)-音频特征提取，分类，分割和应用。

  * [pydub](https://github.com/jiaaro/pydub)-使用简单易用的高级界面操纵音频。

  * [timeside](https://github.com/Parisson/TimeSide)-打开web音频处理框架。

* 元数据

  * [beets](https://github.com/beetbox/beets)-音乐库经理和[MusicBrainz](https://musicbrainz.org/)tagger.

  * [eyed3](https://github.com/nicfit/eyeD3)-用于处理音频文件的工具，特别是包含ID3元数据的MP3文件。

  * [mutagen](https://github.com/quodlibet/mutagen)-用于处理音频元数据的Python模块。

  * [tinytag](https://github.com/devsnd/tinytag)-用于读取MP3，OGG，FLAC和Wave文件的音乐元数据的库。

## 身份验证

*用于实现认证方案的库。* 

* OAuth

  * [authlib](https://github.com/lepture/authlib)-JavaScript对象签名和加密草案实现。

  * [django-allauth](https://github.com/pennersr/django-allauth)-Django的身份验证应用程序 “只是工作”。

  * [django-oauth-toolkit](https://github.com/jazzband/django-oauth-toolkit)-OAuth 2 Django的好东西。

  * [oauthlib](https://github.com/oauthlib/oauthlib)-OAuth请求签名逻辑的通用和彻底的实现。

* JWT

  * [pyjwt](https://github.com/jpadilla/pyjwt)-Python中的JSON Web令牌实现。

  * [python-jose](https://github.com/mpdavis/python-jose/)-Python中的JOSE实现。

## 构建工具

*从源代码编译软件。* 

* [bitbake](https://github.com/openembedded/bitbake)-用于嵌入式Linux的类似制作的构建工具。

* [buildout](https://github.com/buildout/buildout)-用于从多个部分创建，组装和部署应用程序的构建系统。

* [platformio](https://github.com/platformio/platformio-core)-一个控制台工具，用于构建具有不同开发平台的代码。

* [pybuilder](https://github.com/pybuilder/pybuilder)-一个用纯Python编写的连续构建工具。

* [scons](https://github.com/SCons/scons)-软件构建工具。

## 内置类增强功能

*用于增强Python内置类的库。* 

* [attrs](https://github.com/python-attrs/attrs)-更换,,等类定义中的样板文件。

* [bidict](https://github.com/jab/bidict)-高效，Pythonic双向地图数据结构和相关功能。

* [box](https://github.com/cdgriffith/Box)-具有高级点符号访问的Python字典。

* [dataclasses](https://docs.python.org/3/library/dataclasses.html)-(Python标准库) 数据类。

* [dotteddict](https://github.com/carlosescri/DottedDict)-一个库，它提供了一种使用点路径表示法访问列表和dicts的方法。

## CMS

*内容管理系统。* 

* [feincms](https://github.com/feincms/feincms)-基于Django的最先进的内容管理系统之一。

* [indico](https://github.com/indico/indico)-一个功能丰富的事件管理系统，由 @[CERN](https://en.wikipedia.org/wiki/CERN)。

* [wagtail](https://github.com/wagtail/wagtail)-一个Django内容管理系统。

## 缓存

*用于缓存数据的库。* 

* [beaker](https://github.com/bbangert/beaker)-用于会话和缓存的WSGI中间件。

* [django-cache-machine](https://github.com/django-cache-machine/django-cache-machine)-Django模型的自动缓存和失效。

* [django-cacheops](https://github.com/Suor/django-cacheops)-一个光滑的ORM缓存，具有自动粒度事件驱动的失效。

* [dogpile.cache](https://github.com/sqlalchemy/dogpile.cache)-dogpile.ca che是由同一作者制作的烧杯的下一代替代品。

* [hermescache](https://pypi.org/project/HermesCache/)-Python缓存库，具有基于标签的失效和防dogpile效果。

* [pylibmc](https://github.com/lericson/pylibmc)-围绕[libmemcached](https://libmemcached.org/libMemcached.html)接口。

* [python-diskcache](https://github.com/grantjenks/python-diskcache)-SQLite和文件支持的缓存后端，具有比memcached和redis更快的查找速度。

## ChatOps工具

*用于聊天机器人开发的库。* 

* [errbot](https://github.com/errbotio/errbot/)-实现ChatOps的最简单，最受欢迎的聊天机器人。

## 代码分析

*静态分析工具，短线和代码质量检查器。另请参见[awesome-static-analysis](https://github.com/mre/awesome-static-analysis).* 

* 代码分析

  * [code2flow](https://github.com/scottrogowski/code2flow)-将您的Python和JavaScript代码转换为点流程图。

  * [prospector](https://github.com/PyCQA/prospector)-分析Python代码的工具。

  * [vulture](https://github.com/jendrikseipp/vulture)-用于查找和分析死Python代码的工具。

* 代码短绒

  * [flake8](https://github.com/PyCQA/flake8)-周围的包装,还有McCabe.

  * [awesome-flake8-extensions](https://github.com/DmytroLitvinov/awesome-flake8-extensions)

  * [pylint](https://github.com/pylint-dev/pylint)-一个完全可定制的源代码分析器。

* 代码格式化程序

  * [black](https://github.com/psf/black)-不妥协的Python代码格式化程序。

  * [isort](https://github.com/timothycrosley/isort)-用于对导入进行排序的Python实用程序/库。

  * [yapf](https://github.com/google/yapf)-来自Google的另一个Python代码格式化程序。

* 静态类型检查器，另请参见[awesome-python-typing](https://github.com/typeddjango/awesome-python-typing)

  * [mypy](https://github.com/python/mypy)-在编译时检查变量类型。

  * [pyre-check](https://github.com/facebook/pyre-check)-性能类型检查。

  * [typeshed](https://github.com/python/typeshed)-Python的库存根集合，具有静态类型。

* 静态类型批注生成器

  * [monkeytype](https://github.com/Instagram/MonkeyType)-用于Python的系统，该系统通过收集运行时类型来生成静态类型注释。

  * [pytype](https://github.com/google/pytype)-Pytype检查和推断Python代码的类型-不需要类型注释。

## 命令行界面开发

*用于构建命令行应用程序的库。* 

* 命令行应用程序开发

  * [cement](https://github.com/datafolklabs/cement)-适用于Python的CLI应用程序框架。

  * [click](https://github.com/pallets/click/)-用于以组合方式创建漂亮的命令行界面的软件包。

  * [cliff](https://github.com/openstack/cliff)-用于创建具有多级命令的命令行程序的框架。

  * [python-fire](https://github.com/google/python-fire)-用于从任何Python对象创建命令行接口的库。

  * [python-prompt-toolkit](https://github.com/prompt-toolkit/python-prompt-toolkit)-用于构建强大的交互式命令行的库。

* 终端渲染

  * [alive-progress](https://github.com/rsalmei/alive-progress)-一种新的进度条，具有实时吞吐量，eta和非常酷的动画。

  * [asciimatics](https://github.com/peterbrittain/asciimatics)-用于创建全屏文本ui (从交互式表单到ASCII动画) 的软件包。

  * [bashplotlib](https://github.com/glamp/bashplotlib)-在终端制作基本情节。

  * [colorama](https://github.com/tartley/colorama)-跨平台的彩色终端文本。

  * [rich](https://github.com/Textualize/rich)-用于终端中富文本和漂亮格式的Python库。还提供了一个伟大的日志处理程序。

  * [tqdm](https://github.com/tqdm/tqdm)-用于循环和CLI的快速，可扩展的进度条。

## 命令行工具

*基于CLI的有用工具，可提高工作效率。* 

* 生产力工具

  * [copier](https://github.com/copier-org/copier)-用于渲染项目模板的库和命令行实用程序。

  * [cookiecutter](https://github.com/cookiecutter/cookiecutter)-从cookiecutter (项目模板) 创建项目的命令行实用程序。

  * [doitlive](https://github.com/sloria/doitlive)-用于在终端中进行实时演示的工具。

  * [howdoi](https://github.com/gleitz/howdoi)-通过命令行即时编码答案。

  * [invoke](https://github.com/pyinvoke/invoke)-用于管理面向shell的子进程并将可执行的Python代码组织到CLI可调用的任务中的工具。

  * [pathpicker](https://github.com/facebook/PathPicker)-从bash输出中选择文件。

  * [thefuck](https://github.com/nvbn/thefuck)-更正您以前的控制台命令。

  * [tmuxp](https://github.com/tmux-python/tmuxp)-A[tmux](https://github.com/tmux/tmux)会话管理器。

  * [try](https://github.com/timofurrer/try)-一个简单的CLI来尝试python包-它从未如此简单。

* CLI增强功能

  * [httpie](https://github.com/httpie/cli)一个命令行HTTP客户端，一个用户友好的cURL替换。

  * [iredis](https://github.com/laixintao/iredis)-具有自动完成和语法突出显示功能的Redis CLI。

  * [litecli](https://github.com/dbcli/litecli)-具有自动完成和语法突出显示功能的SQLite CLI。

  * [mycli](https://github.com/dbcli/mycli)-具有自动完成和语法突出显示功能的MySQL CLI。

  * [pgcli](https://github.com/dbcli/pgcli)-具有自动完成和语法突出显示功能的PostgreSQL CLI。

## 计算机视觉

*计算机视觉库。* 

* [easyocr](https://github.com/JaidedAI/EasyOCR)-准备使用的OCR支持40种语言。

* [kornia](https://github.com/kornia/kornia/)-用于PyTorch的开源可区分计算机视觉库。

* [opencv](https://opencv.org/)-开源计算机视觉库。

* [pytesseract](https://github.com/madmaze/pytesseract)-一个包装[Google Tesseract OCR](https://github.com/tesseract-ocr)。

* [tesserocr](https://github.com/sirfz/tesserocr)-另一个简单的，枕头友好，包装周围用于OCR的API。

## 配置文件

*用于存储和解析配置选项的库。* 

* [configparser](https://docs.python.org/3/library/configparser.html)-(Python标准库) ini文件解析器。

* [configobj](https://github.com/DiffSK/configobj)-具有验证的ini文件解析器。

* [hydra](https://github.com/facebookresearch/hydra)-Hydra是一个用于优雅地配置复杂应用程序的框架。

* [python-decouple](https://github.com/HBNetwork/python-decouple)-设置与代码的严格分离。

## 密码学

* [cryptography](https://github.com/pyca/cryptography)-一个旨在向Python开发人员公开加密原语和配方的包。

* [paramiko](https://github.com/paramiko/paramiko)-领先的原生Python SSHv2协议库。

* [pynacl](https://github.com/pyca/pynacl)-Python绑定到网络和加密 (NaCl) 库。

## 数据分析

*用于数据分析的库。* 

* [pandas](http://pandas.pydata.org/)-提供高性能，易于使用的数据结构和数据分析工具的库。

* [aws-sdk-pandas](https://github.com/aws/aws-sdk-pandas)-AWS上的熊猫。

* [datasette](https://github.com/simonw/datasette)-用于探索和发布数据的开源多工具。

* [optimus](https://github.com/hi-primus/optimus)-使用PySpark轻松实现敏捷数据科学工作流程。

## 数据验证

*用于验证数据的库。在许多情况下用于表单。* 

* [cerberus](https://github.com/pyeve/cerberus)-一个轻量级和可扩展的数据验证库。

* [colander](https://github.com/Pylons/colander)-验证和反序列化通过XML，JSON，HTML表单post获得的数据。

* [jsonschema](https://github.com/python-jsonschema/jsonschema)-一个实现[JSON Schema](http://json-schema.org/)对于Python。

* [schema](https://github.com/keleshev/schema)-用于验证Python数据结构的库。

* [schematics](https://github.com/schematics/schematics)-数据结构验证。

* [voluptuous](https://github.com/alecthomas/voluptuous)-一个Python数据验证库。

* [pydantic](https://github.com/pydantic/pydantic)-使用Python类型提示进行数据验证。

## 数据可视化

*用于可视化数据的库。另请参见[awesome-javascript](https://github.com/sorrycc/awesome-javascript#data-visualization).* 

* [altair](https://github.com/altair-viz/altair)-用于Python的声明性统计可视化库。

* [bokeh](https://github.com/bokeh/bokeh)-Python的交互式Web绘图。

* [bqplot](https://github.com/bloomberg/bqplot)-Jupyter笔记本的交互式绘图库。

* [cartopy](https://github.com/SciTools/cartopy)-一个支持matplotlib的制图python库。

* [diagrams](https://github.com/mingrammer/diagrams)-作为代码的图表。

* [matplotlib](https://github.com/matplotlib/matplotlib)-一个Python 2D绘图库。

* [plotnine](https://github.com/has2k1/plotnine)基于ggplot2的Python图形语法。

* [pygal](https://github.com/Kozea/pygal)-一个Python SVG图表创建者。

* [pygraphviz](https://github.com/pygraphviz/pygraphviz/)-Python接口到[Graphviz](http://www.graphviz.org/)。

* [pyqtgraph](https://github.com/pyqtgraph/pyqtgraph)-交互式和实时2D/3D/图像绘图和科学/工程小部件。

* [seaborn](https://github.com/mwaskom/seaborn)-使用Matplotlib的统计数据可视化。

* [vispy](https://github.com/vispy/vispy)-基于OpenGL的高性能科学可视化。

## 数据库

*用Python实现的数据库。* 

* [pickleDB](https://github.com/patx/pickledb)-一个简单而轻量级的Python键值存储。

* [tinydb](https://github.com/msiemens/tinydb)-一个小型的，面向文档的数据库。

* [zodb](https://github.com/zopefoundation/ZODB)-Python的本机对象数据库。键值和对象图数据库。

## 数据库驱动程序

*用于连接和操作数据库的库。* 

* MySQL-[awesome-mysql](http://shlomi-noach.github.io/awesome-mysql/)

  * [mysqlclient](https://github.com/PyMySQL/mysqlclient)-支持Python 3的MySQL连接器 ([mysql-python](https://sourceforge.net/projects/mysql-python/)叉)。

  * [pymysql](https://github.com/PyMySQL/PyMySQL)-与mysql-python兼容的纯Python MySQL驱动程序。

* PostgreSQL-[awesome-postgres](https://github.com/dhamaniasad/awesome-postgres)

  * [psycopg](https://github.com/psycopg/psycopg)-最流行的Python PostgreSQL适配器。

* SQlite-[awesome-sqlite](https://github.com/planetopendata/awesome-sqlite)

  * [sqlite3](https://docs.python.org/3/library/sqlite3.html)-(Python标准库) 符合db-api 2.0的SQlite接口。

  * [sqlite-utils](https://github.com/simonw/sqlite-utils)-用于操作SQLite数据库的Python CLI实用程序和库。

* 其他关系数据库

  * [pymssql](https://github.com/pymssql/pymssql)-Microsoft SQL Server的简单数据库接口。

  * [clickhouse-driver](https://github.com/mymarilyn/clickhouse-driver)-带有ClickHouse本机接口的Python驱动程序。

* NoSQL数据库

  * [cassandra-driver](https://github.com/datastax/python-driver)-Apache Cassandra的Python驱动程序。

  * [happybase](https://github.com/python-happybase/happybase)-适用于Apache HBase的开发人员友好库。

  * [kafka-python](https://github.com/dpkp/kafka-python)-Apache Kafka的Python客户端。

  * [pymongo](https://github.com/mongodb/mongo-python-driver)-MongoDB的官方Python客户端。

  * [motor](https://github.com/mongodb/motor)-MongoDB的异步Python驱动程序。

  * [redis-py](https://github.com/redis/redis-py)-Redis的Python客户端。

## 日期和时间

*用于处理日期和时间的库。* 

* [arrow](https://github.com/arrow-py/arrow)-一个Python库，提供了一个明智的和人性化的方法来创建，操作，格式化和转换日期，时间和时间戳。

* [dateutil](https://github.com/dateutil/dateutil)-标准Python的扩展[datetime](https://docs.python.org/3/library/datetime.html)模块。

* [pendulum](https://github.com/sdispater/pendulum)-Python datetimes变得容易。

* [pytz](https://pypi.org/project/pytz/)-世界时区定义，现代和历史。带来了[tz database](https://en.wikipedia.org/wiki/Tz_database)进入Python。

## 调试工具

*用于调试代码的库。* 

* 类似pdb的调试器

  * [ipdb](https://github.com/gotcha/ipdb)-启用IPython[pdb](https://docs.python.org/3/library/pdb.html)。

  * [pudb](https://github.com/inducer/pudb)-基于控制台的全屏Python调试器。

* 追踪

  * [manhole](https://github.com/ionelmc/python-manhole)-调试UNIX套接字连接，并提供所有线程的stacktrace和交互式提示。

  * [python-hunter](https://github.com/ionelmc/python-hunter)-一个灵活的代码跟踪工具包。

* Profiler

  * [py-spy](https://github.com/benfred/py-spy)-用于Python程序的采样分析器。用Rust写的。

  * [vprof](https://github.com/nvdv/vprof)-Visual Python探查器。

* 其他

  * [django-debug-toolbar](https://github.com/jazzband/django-debug-toolbar)-显示Django的各种调试信息。

  * [flask-debugtoolbar](https://github.com/pallets-eco/flask-debugtoolbar)-Django-debug-toolbar到flask的端口。

  * [icecream](https://github.com/gruns/icecream)-使用单个简单的函数调用检查变量，表达式和程序执行。

  * [pyelftools](https://github.com/eliben/pyelftools)-解析和分析ELF文件和矮人调试信息。

## 深度学习

*神经网络和深度学习的框架。另请参见[awesome-deep-learning](https://github.com/ChristosChristofidis/awesome-deep-learning).* 

* [keras](https://github.com/keras-team/keras)-一个高级神经网络库，能够在TensorFlow或Theano上运行。

* [pytorch](https://github.com/pytorch/pytorch)-Python中的张量和动态神经网络，具有强大的GPU加速。

* [pytorch-lightning](https://github.com/Lightning-AI/pytorch-lightning)-深度学习框架，可快速训练、部署和运送AI产品。

* [tensorflow](https://github.com/tensorflow/tensorflow)-Google创建的最受欢迎的深度学习框架。

* [theano](https://github.com/Theano/Theano)-用于快速数值计算的库。

## DevOps工具

*DevOps的软件和库。* 

* 配置管理

  * [ansible](https://github.com/ansible/ansible)-一个非常简单的IT自动化平台。

  * [cloudinit](https://github.com/canonical/cloud-init)-一个多分发包，用于处理云实例的早期初始化。

  * [openstack](https://www.openstack.org/)-用于构建私有云和公共云的开源软件。

  * [pyinfra](https://github.com/pyinfra-dev/pyinfra)-通用的CLI工具和python库，用于自动化基础架构。

  * [saltstack](https://github.com/saltstack/salt)-基础设施自动化和管理系统。

* SSH风格部署

  * [cuisine](https://github.com/sebastien/cuisine)-厨师般的面料功能。

  * [fabric](https://github.com/fabric/fabric)-一个简单的Pythonic工具，用于远程执行和部署。

* 流程管理

  * [supervisor](https://github.com/Supervisor/supervisor)-主管过程控制系统的UNIX。

* 监测

  * [psutil](https://github.com/giampaolo/psutil)-一个跨平台的进程和系统实用程序模块。

* 备份

  * [borg](https://github.com/borgbackup/borg)-具有压缩和加密功能的重复数据删除归档器。

## 分布式计算

*用于分布式计算的框架和库。* 

* 批处理

  * [dask](https://github.com/dask/dask)-用于分析计算的灵活并行计算库。

  * [luigi](https://github.com/spotify/luigi)-帮助您构建批处理作业的复杂管道的模块。

  * [PySpark](https://github.com/apache/spark)-[Apache Spark](https://spark.apache.org/)Python API。

  * [Ray](https://github.com/ray-project/ray/)-一个用于并行和分布式Python的系统，统一了机器学习生态系统。

* 流处理

  * [faust](https://github.com/robinhood/faust)-一个流处理库，移植的想法[Kafka Streams](https://kafka.apache.org/documentation/streams/)到Python。

  * [streamparse](https://github.com/Parsely/streamparse)-通过实时数据流运行Python代码[Apache Storm](http://storm.apache.org/)。

## 分布

*库来创建打包的可执行文件以进行发布分发。* 

* [py2app](https://github.com/ronaldoussoren/py2app)-冻结Python脚本 (Mac OS X)。

* [py2exe](https://github.com/py2exe/py2exe)-冻结Python脚本 (Windows)。

* [pyarmor](https://github.com/dashingsoft/pyarmor)-用于对python脚本进行模糊处理，将模糊处理的脚本绑定到固定机器或使模糊处理的脚本过期的工具。

* [pyinstaller](https://github.com/pyinstaller/pyinstaller)-将Python程序转换为独立的可执行文件 (跨平台)。

* [shiv](https://github.com/linkedin/shiv)-用于构建完全自包含的zipapps (PEP 441) 的命令行实用程序，但包含所有依赖项。

## 文档

*用于生成项目文档的库。* 

* [sphinx](https://github.com/sphinx-doc/sphinx/)-Python文档生成器。

  * [awesome-sphinxdoc](https://github.com/yoloseem/awesome-sphinxdoc)

* [pdoc](https://github.com/mitmproxy/pdoc)-Epydoc替换为Python库自动生成API文档。

## 下载器

*用于下载的库。* 

* [akshare](https://github.com/jindaxiang/akshare)-一个财务数据接口库，为人类打造!

* [s3cmd](https://github.com/s3tools/s3cmd)-用于管理Amazon S3和CloudFront的命令行工具。

* [youtube-dl](https://github.com/ytdl-org/youtube-dl/)-一个命令行程序，用于从YouTube和其他视频网站下载视频。

## 编辑器插件和ide

* Emacs

  * [elpy](https://github.com/jorgenschaefer/elpy)-Emacs Python开发环境。

* Vim

  * [jedi-vim](https://github.com/davidhalter/jedi-vim)-用于Python的Jedi自动完成库的Vim绑定。

  * [python-mode](https://github.com/python-mode/python-mode)-一个all in one插件，用于将Vim转换为Python IDE。

  * [YouCompleteMe](https://github.com/Valloric/YouCompleteMe)-包括[Jedi](https://github.com/davidhalter/jedi)-基于Python的完成引擎。

* Visual Studio

  * [PTVS](https://github.com/Microsoft/PTVS)-适用于Visual Studio的Python工具。

* Visual Studio代码

  * [Python](https://marketplace.visualstudio.com/items?itemName=ms-python.python)-官方VSCode扩展，对Python有丰富的支持。

* IDE

  * [PyCharm](https://www.jetbrains.com/pycharm/)-JetBrains的商业Python IDE。有免费的社区版。

  * [spyder](https://github.com/spyder-ide/spyder)-开源Python IDE。

## 电子邮件

*用于发送和解析电子邮件的库。* 

* 邮件服务器

  * [modoboa](https://github.com/modoboa/modoboa)-包括现代Web UI的邮件托管和管理平台。

  * [salmon](https://github.com/moggers87/salmon)-Python邮件服务器。

* 客户

  * [imbox](https://github.com/martinrusev/imbox)-适用于人类的Python IMAP。

  * [yagmail](https://github.com/kootenpv/yagmail)-另一个Gmail/SMTP客户端。

* 其他

  * [flanker](https://github.com/mailgun/flanker)-电子邮件地址和Mime解析库。

  * [mailer](https://github.com/marrow/mailer)-高性能可扩展邮件传递框架。

## 环境管理

*用于Python版本和虚拟环境管理的库。* 

* [pyenv](https://github.com/pyenv/pyenv)-简单的Python版本管理。

* [virtualenv](https://github.com/pypa/virtualenv)-用于创建隔离的Python环境的工具。

## 文件操作

*用于文件操作的库。* 

* [mimetypes](https://docs.python.org/3/library/mimetypes.html)-(Python标准库) 将文件名映射到MIME类型。

* [pathlib](https://docs.python.org/3/library/pathlib.html)-(Python标准库) 一个跨平台、面向对象的路径库。

* [path.py](https://github.com/jaraco/path.py)-一个模块包装器[os.path](https://docs.python.org/3/library/os.path.html)。

* [python-magic](https://github.com/ahupp/python-magic)-libmagic文件类型识别库的Python接口。

* [watchdog](https://github.com/gorakhargosh/watchdog)-用于监视文件系统事件的API和shell实用程序。

## 函数式编程

*用Python进行函数编程。* 

* [coconut](https://github.com/evhub/coconut)-为简单，优雅，Python函数式编程而构建的Python变体。

* [funcy](https://github.com/Suor/funcy)-一个花哨而实用的功能工具。

* [more-itertools](https://github.com/erikrose/more-itertools)-更多的例程上的迭代操作，超越。

* [returns](https://github.com/dry-python/returns)-一组类型安全的monad、transformers和composition实用程序。

* [cytoolz](https://github.com/pytoolz/cytoolz/)-Cython实现: 高性能功能实用程序。

* [toolz](https://github.com/pytoolz/toolz)-用于迭代器、函数和字典的函数实用程序的集合。

## GUI开发

*用于处理图形用户界面应用程序的库。* 

* [curses](https://docs.python.org/3/library/curses.html)-内置的包装器[ncurses](http://www.gnu.org/software/ncurses/)用于创建终端GUI应用程序。

* [Eel](https://github.com/ChrisKnott/Eel)-用于制作简单的电子类离线HTML/JS GUI应用程序的库。

* [enaml](https://github.com/nucleic/enaml)-使用声明性语法 (如QML) 创建漂亮的用户界面。

* [Flexx](https://github.com/zoofIO/flexx)-Flexx是一个用于创建GUI的纯Python工具包，它使用web技术进行渲染。

* [Gooey](https://github.com/chriskiehl/Gooey)-将命令行程序变成一行完整的GUI应用程序。

* [kivy](https://kivy.org/)-用于创建NUI应用程序的库，可在Windows，Linux，Mac OS X，Android和iOS上运行。

* [pyglet](https://github.com/pyglet/pyglet)-用于Python的跨平台窗口和多媒体库。

* [PyGObject](https://pygobject.readthedocs.io/)-用于GLib/GObject/GIO/GTK (GTK 3) 的Python绑定。

* [PyQt](https://doc.qt.io/qtforpython/)-Python绑定的[Qt](https://www.qt.io/)跨平台应用程序和UI框架。

* [PySimpleGUI](https://github.com/PySimpleGUI/PySimpleGUI)-tkinter、Qt、WxPython和Remi的包装器。

* [pywebview](https://github.com/r0x0r/pywebview/)-围绕webview组件的轻量级跨平台本机包装。

* [Tkinter](https://wiki.python.org/moin/TkInter)Tkinter是Python的事实上的标准GUI包。

* [Toga](https://github.com/pybee/toga)-Python原生，操作系统原生GUI工具包。

* [urwid](http://urwid.org/)-用于创建终端GUI应用程序的库，该应用程序具有对小部件，事件，丰富的颜色等的强大支持。

* [wxPython](https://wxpython.org/)-wxWidgets C类库与Python的混合。

* [DearPyGui](https://github.com/RaylockLLC/DearPyGui/)-一个简单的GPU加速的Python GUI框架

## GraphQL

*使用GraphQL的库。* 

* [graphene](https://github.com/graphql-python/graphene/)-Python的GraphQL框架。

## 游戏开发

*真棒游戏开发库。* 

* [Arcade](https://api.arcade.academy/en/latest/)-Arcade是一个现代的Python框架，用于制作具有引人注目的图形和声音的游戏。

* [Cocos2d](https://www.cocos.com/en/cocos2d-x)cocos2d是用于构建2D游戏，演示和其他图形/交互式应用程序的框架。

* [Harfang3D](http://www.harfang3d.com)-用于3D，VR和游戏开发的Python框架。

* [Panda3D](https://www.panda3d.org/)-迪士尼开发的3D游戏引擎。

* [Pygame](http://www.pygame.org/news.html)Pygame是一组为编写游戏而设计的Python模块。

* [PyOgre](http://www.ogre3d.org/tikiwiki/PyOgre)-用于Ogre 3D渲染引擎的Python绑定，可用于游戏，模拟，任何3D。

* [PyOpenGL](http://pyopengl.sourceforge.net/)-用于OpenGL及其相关api的Python ctypes绑定。

* [PySDL2](https://pysdl2.readthedocs.io)-SDL2库的基于ctypes的包装。

* [RenPy](https://www.renpy.org/)-视觉小说引擎。

## 地理位置

*用于地理编码地址和处理纬度和经度的库。* 

* [django-countries](https://github.com/SmileyChris/django-countries)-一个Django应用程序，为模型和表单提供国家/地区字段。

* [geodjango](https://docs.djangoproject.com/en/dev/ref/contrib/gis/)-一个世界级的地理网络框架。

* [geojson](https://github.com/jazzband/geojson)-用于GeoJSON的Python绑定和实用程序。

* [geopy](https://github.com/geopy/geopy)-Python地理编码工具箱。

## HTML操作

*使用HTML和XML的库。* 

* [beautifulsoup](https://www.crummy.com/software/BeautifulSoup/bs4/doc/)-提供Pythonic成语，用于迭代，搜索和修改HTML或XML。

* [bleach](https://github.com/mozilla/bleach)-基于白名单的HTML清理和文本链接库。

* [cssutils](https://pypi.org/project/cssutils/)-Python的CSS库。

* [html5lib](https://github.com/html5lib/html5lib-python)-一个符合标准的库，用于解析和序列化HTML文档和片段。

* [lxml](http://lxml.de/)-一个非常快速，易于使用和多功能的库，用于处理HTML和XML。

* [markupsafe](https://github.com/pallets/markupsafe)-为Python实现XML/HTML/XHTML标记安全字符串。

* [pyquery](https://github.com/gawel/pyquery)-一个类似于jQuery的库，用于解析HTML。

* [untangle](https://github.com/stchris/untangle)-将XML文档转换为Python对象，以便于访问。

* [WeasyPrint](http://weasyprint.org)-用于HTML和CSS的可视化渲染引擎，可以导出为PDF。

* [xmldataset](https://xmldataset.readthedocs.io/en/latest/)-简单的XML解析。

* [xmltodict](https://github.com/martinblech/xmltodict)-使用XML感觉就像你正在使用JSON。

## HTTP客户端

*使用HTTP的库。* 

* [httpx](https://github.com/encode/httpx)-用于Python的下一代HTTP客户端。

* [requests](https://github.com/psf/requests)-人类的HTTP请求。

* [treq](https://github.com/twisted/treq)-Python请求，如构建在Twisted的HTTP客户端之上的API。

* [urllib3](https://github.com/urllib3/urllib3)-具有线程安全连接池，文件post支持，健全友好的HTTP库。

## 硬件

*用于硬件编程的库。* 

* [keyboard](https://github.com/boppreh/keyboard)-在Windows和Linux上挂钩并模拟全局键盘事件。

* [mouse](https://github.com/boppreh/mouse)-在Windows和Linux上挂钩并模拟全局鼠标事件。

* [pynput](https://github.com/moses-palmer/pynput)-用于控制和监视输入设备的库。

* [scapy](https://github.com/secdev/scapy)-一个辉煌的数据包操作库。

## 图像处理

*用于操作图像的库。* 

* [pillow](https://github.com/python-pillow/Pillow)-枕头是友好的[PIL](http://www.pythonware.com/products/pil/)叉子。

* [python-barcode](https://github.com/WhyNotHugo/python-barcode)-在Python中创建条形码，没有额外的依赖关系。

* [pymatting](http://github.com/pymatting/pymatting)-用于alpha mating的库。

* [python-qrcode](https://github.com/lincolnloop/python-qrcode)-一个纯Python QR码生成器。

* [pywal](https://github.com/dylanaraps/pywal)-从图像生成配色方案的工具。

* [pyvips](https://github.com/libvips/pyvips)-具有低内存需求的快速图像处理库。

* [quads](https://github.com/fogleman/Quads)-基于四叉树的计算机艺术。

* [scikit-image](http://scikit-image.org/)-用于 (科学) 图像处理的Python库。

* [thumbor](https://github.com/thumbor/thumbor)-智能成像服务。它可以按需裁剪，调整大小和翻转图像。

* [wand](https://github.com/emcconville/wand)-用于的Python绑定[MagickWand](http://www.imagemagick.org/script/magick-wand.php),用于ImageMagick的C API。

## 实现

*Python的实现。* 

* [cpython](https://github.com/python/cpython)-**默认情况下，最广泛使用的用C编写的Python编程语言实现。** 

* [cython](https://github.com/cython/cython)-为Python优化静态编译器。

* [clpython](https://github.com/metawilm/cl-python)-用Common Lisp编写的Python编程语言的实现。

* [ironpython](https://github.com/IronLanguages/ironpython3)-C # 编写的Python编程语言的实现。

* [micropython](https://github.com/micropython/micropython)-一个精益高效的Python编程语言实现。

* [numba](https://github.com/numba/numba)-针对科学Python的LLVM的Python JIT编译器。

* [peachpy](https://github.com/Maratyszcza/PeachPy)-嵌入在Python中的x86-64汇编器。

* [pypy](https://foss.heptapod.net/pypy/pypy)-一个非常快速和兼容的Python语言实现。

* [pyston](https://github.com/pyston/pyston/)-使用JIT技术的Python实现。

## 交互式口译员

*交互式Python解释器 (REPL)。* 

* [bpython](https://github.com/bpython/bpython)-Python解释器的花哨接口。

* [Jupyter Notebook (IPython)](https://jupyter.org)-一个丰富的工具包，帮助您充分利用交互式使用Python。

  * [awesome-jupyter](https://github.com/markusschanta/awesome-jupyter)

* [ptpython](https://github.com/jonathanslenders/ptpython)-高级Python REPL构建在[python-prompt-toolkit](https://github.com/jonathanslenders/python-prompt-toolkit)。

## 国际化

*用于使用i18n的库。* 

* [Babel](http://babel.pocoo.org/en/latest/)-Python的国际化库。

* [PyICU](https://github.com/ovalhub/pyicu)-Unicode C库的国际组件的包装 ([ICU](http://site.icu-project.org/))。

## 作业调度程序

*用于调度作业的库。* 

* [Airflow](https://airflow.apache.org/)-Airflow是一个以编程方式创作，安排和监控工作流程的平台。

* [APScheduler](http://apscheduler.readthedocs.io/en/latest/)-轻巧但功能强大的进程内任务计划程序，可让您安排功能。

* [django-schedule](https://github.com/thauber/django-schedule)-Django的日历应用程序。

* [doit](http://pydoit.org/)-一个任务运行器和构建工具。

* [gunnery](https://github.com/gunnery/gunnery)-用于具有基于web的界面的分布式系统的多用途任务执行工具。

* [Joblib](https://joblib.readthedocs.io/)-一组在Python中提供轻量级流水线的工具。

* [Plan](https://github.com/fengsp/plan)-在Python中编写crontab文件就像一个魅力。

* [Prefect](https://github.com/PrefectHQ/prefect)-一个现代化的工作流编排框架，可以轻松构建，调度和监视强大的数据管道。

* [schedule](https://github.com/dbader/schedule)-人类的Python作业调度。

* [Spiff](https://github.com/knipknap/SpiffWorkflow)-在纯Python中实现的强大的工作流引擎。

* [TaskFlow](https://docs.openstack.org/developer/taskflow/)-一个Python库，有助于使任务执行简单，一致和可靠。

## 日志记录

*用于生成和处理日志的库。* 

* [logbook](http://logbook.readthedocs.io/en/stable/)-Python的日志记录替换。

* [logging](https://docs.python.org/3/library/logging.html)-(Python标准库) Python的日志记录工具。

* [loguru](https://github.com/Delgan/loguru)-库，旨在带来愉快的日志记录在Python中。

* [sentry-python](https://github.com/getsentry/sentry-python)-Sentry SDK for Python。

* [structlog](https://www.structlog.org/en/stable/)-结构化日志记录变得容易。

## 机器学习

*机器学习库。另请参见[awesome-machine-learning](https://github.com/josephmisiti/awesome-machine-learning#python).* 

* [gym](https://github.com/openai/gym)-用于开发和比较强化学习算法的工具包。

* [H2O](https://github.com/h2oai/h2o-3)-开源快速可扩展的机器学习平台。

* [Metrics](https://github.com/benhamner/Metrics)-机器学习评估指标。

* [NuPIC](https://github.com/numenta/nupic)-Numenta智能计算平台。

* [scikit-learn](http://scikit-learn.org/)-最受欢迎的机器学习Python库。

* [Spark ML](http://spark.apache.org/docs/latest/ml-guide.html)-[Apache Spark](http://spark.apache.org/)的可扩展机器学习库。

* [vowpal_porpoise](https://github.com/josephreisinger/vowpal_porpoise)-一个轻量级的Python包装器[Vowpal Wabbit](https://github.com/JohnLangford/vowpal_wabbit/)。

* [xgboost](https://github.com/dmlc/xgboost)-一个可扩展，可移植和分布式梯度提升库。

* [MindsDB](https://github.com/mindsdb/mindsdb)-MindsDB是现有数据库的开源AI层，使您可以使用标准查询轻松开发，训练和部署最先进的机器学习模型。

## Microsoft Windows

*Microsoft Windows上的Python编程。* 

* [Python(x,y)](http://python-xy.github.io/)-基于Qt和Spyder的面向科学应用的Python发行版。

* [pythonlibs](http://www.lfd.uci.edu/~gohlke/pythonlibs/)-用于Python扩展包的非官方Windows二进制文件。

* [PythonNet](https://github.com/pythonnet/pythonnet)-Python与.NET公共语言运行时 (CLR)。

* [PyWin32](https://github.com/mhammond/pywin32)-适用于Windows的Python扩展。

* [WinPython](https://winpython.github.io/)-适用于Windows 7/8的便携式开发环境。

## 杂项

*不适合上述类别的有用库或工具。* 

* [blinker](https://github.com/jek/blinker)-一个快速的Python进程内信号/事件调度系统。

* [boltons](https://github.com/mahmoud/boltons)-一组纯Python实用程序。

* [itsdangerous](https://github.com/pallets/itsdangerous)-各种助手将可信数据传递到不受信任的环境。

* [magenta](https://github.com/magenta/magenta)-使用人工智能生成音乐和艺术的工具。

* [pluginbase](https://github.com/mitsuhiko/pluginbase)-一个简单但灵活的Python插件系统。

* [tryton](http://www.tryton.org/)-通用业务框架。

## 自然语言处理

*用于处理人类语言的库。* 

- 概述

  * [gensim](https://github.com/RaRe-Technologies/gensim)-人类的主题建模。

  * [langid.py](https://github.com/saffsd/langid.py)-独立的语言识别系统。

  * [nltk](http://www.nltk.org/)-用于构建Python程序以处理人类语言数据的领先平台。

  * [pattern](https://github.com/clips/pattern)-一个web挖掘模块。

  * [polyglot](https://github.com/aboSamoor/polyglot)-支持数百种语言的自然语言管道。

  * [pytext](https://github.com/facebookresearch/pytext)基于PyTorch的自然语言建模框架。

  * [PyTorch-NLP](https://github.com/PetrochukM/PyTorch-NLP)-一个支持快速深度学习NLP原型研究的工具包。

  * [spacy](https://spacy.io/)-用于Python和Cython中工业级自然语言处理的库。

  * [Stanza](https://github.com/stanfordnlp/stanza)-斯坦福NLP组的官方Python库，支持60种语言。

- 中文

  * [funNLP](https://github.com/fighting41love/funNLP)-中国NLP的工具和数据集的集合。

  * [jieba](https://github.com/fxsjy/jieba)-最流行的中文文本分割库。

  * [pkuseg-python](https://github.com/lancopku/pkuseg-python)-用于各个领域的中文分词的工具包。

  * [snownlp](https://github.com/isnowfy/snownlp)-用于处理中文文本的库。

## 网络虚拟化

*用于虚拟网络和SDN (软件定义网络) 的工具和库。* 

* [mininet](https://github.com/mininet/mininet)-一个流行的网络模拟器和用Python编写的API。

* [napalm](https://github.com/napalm-automation/napalm)-跨供应商API来操纵网络设备。

* [pox](https://github.com/noxrepo/pox)一种基于Python的SDN控制应用，如OpenFlow SDN控制器。

## 新闻提要

*用于构建用户活动的库。* 

* [django-activity-stream](https://github.com/justquick/django-activity-stream)-从网站上的操作生成通用活动流。

* [Stream Framework](https://github.com/tschellenbach/Stream-Framework)-使用Cassandra和Redis构建新闻源和通知系统。

## ORM

*实现对象关系映射或数据映射技术的库。* 

* 关系数据库

  * [Django Models](https://docs.djangoproject.com/en/dev/topics/db/models/)-The Django ORM.

  * [SQLAlchemy](https://www.sqlalchemy.org/)-Python SQL工具包和对象关系映射器。

  * [awesome-sqlalchemy](https://github.com/dahlia/awesome-sqlalchemy)

  * [dataset](https://github.com/pudo/dataset)-将Python dicts存储在数据库中-适用于SQLite，MySQL和PostgreSQL。

  * [orator](https://github.com/sdispater/orator)-Orator ORM提供了一个简单而美丽的ActiveRecord实现。

  * [orm](https://github.com/encode/orm)-异步ORM。

  * [peewee](https://github.com/coleifer/peewee)-一个小的，富有表现力的ORM。

  * [pony](https://github.com/ponyorm/pony/)-提供面向生成器的SQL接口的ORM。

  * [pydal](https://github.com/web2py/pydal/)-纯Python数据库抽象层。

* NoSQL数据库

  * [hot-redis](https://github.com/stephenmcd/hot-redis)-Redis的丰富Python数据类型。

  * [mongoengine](https://github.com/MongoEngine/mongoengine)-用于使用MongoDB的Python对象文档映射器。

  * [PynamoDB](https://github.com/pynamodb/PynamoDB)-一个Pythonic接口[Amazon DynamoDB](https://aws.amazon.com/dynamodb/)。

  * [redisco](https://github.com/kiddouk/redisco)-一个Python库，用于保存在Redis中的简单模型和容器。

## 包管理

*用于包和依赖项管理的库。* 

* [pip](https://pip.pypa.io/en/stable/)-Python的软件包安装程序。

  * [pip-tools](https://github.com/jazzband/pip-tools)-一组工具，以保持你的固定的Python依赖新鲜。

  * [PyPI](https://pypi.org/)

* [conda](https://github.com/conda/conda/)-跨平台，Python不可知的二进制包管理器。

* [poetry](https://github.com/sdispater/poetry)-Python依赖管理和打包变得容易。

## 包存储库

*本地PyPI存储库服务器和代理。* 

* [bandersnatch](https://github.com/pypa/bandersnatch/)-Python打包机构 (PyPA) 提供的PyPI镜像工具。

* [devpi](https://github.com/devpi/devpi)-PyPI服务器和包装/测试/发布工具。

* [localshop](https://github.com/jazzband/localshop)-本地PyPI服务器 (自定义软件包和pypi的自动镜像)。

* [warehouse](https://github.com/pypa/warehouse)-下一代Python包存储库 (PyPI)。

## 渗透测试

*渗透测试的框架和工具。* 

* [fsociety](https://github.com/Manisso/fsociety)-一个渗透测试框架。

* [setoolkit](https://github.com/trustedsec/social-engineer-toolkit)-社会工程工具包。

* [sqlmap](https://github.com/sqlmapproject/sqlmap)-自动SQL注入和数据库接管工具。

## 权限

*允许或拒绝用户访问数据或功能的库。* 

* [django-guardian](https://github.com/django-guardian/django-guardian)-Django 1.2的每个对象权限的实现

* [django-rules](https://github.com/dfunckt/django-rules)-一个微小但功能强大的应用程序，为Django提供对象级权限，而不需要数据库。

## 流程

*用于启动OS进程并与之通信的库。* 

* [delegator.py](https://github.com/amitt001/delegator.py)-[Subprocesses](https://docs.python.org/3/library/subprocess.html)对于人类2.0。

* [sarge](https://sarge.readthedocs.io/en/latest/)-子进程的另一个包装器。

* [sh](https://github.com/amoffat/sh)-一个完整的Python子进程替代品。

## 推荐系统

*用于构建推荐系统的库。* 

* [annoy](https://github.com/spotify/annoy)-近似最近的邻居在C /Python内存使用优化。

* [fastFM](https://github.com/ibayer/fastFM)-用于因式分解机器的库。

* [implicit](https://github.com/benfred/implicit)-针对隐式数据集的协作过滤的快速Python实现。

* [libffm](https://github.com/guestwalk/libffm)-用于字段感知因子分解机器 (FFM) 的库。

* [lightfm](https://github.com/lyst/lightfm)-一些流行推荐算法的Python实现。

* [spotlight](https://github.com/maciejkula/spotlight)-使用PyTorch的深度推荐器模型。

* [Surprise](https://github.com/NicolasHug/Surprise)-用于构建和分析推荐系统的scikit。

* [tensorrec](https://github.com/jfkirk/tensorrec)-TensorFlow中的推荐引擎框架。

## 重构

*Python的重构工具和库* 

* [Bicycle Repair Man](http://bicyclerepair.sourceforge.net/)-自行车修理工，Python的重构工具。

* [Bowler](https://pybowler.io/)-现代Python的安全代码重构。

* [Rope](https://github.com/python-rope/rope)-Rope是一个python重构库。

## RESTful API

*用于构建RESTful api的库。* 

* Django

  * [django-rest-framework](https://github.com/encode/django-rest-framework)-一个强大而灵活的工具包来构建web api。

  * [django-tastypie](https://github.com/django-tastypie/django-tastypie)-为Django应用程序创建美味的api。

* 烧瓶

  * [eve](https://github.com/pyeve/eve)-由Flask，MongoDB和良好意图提供支持的REST API框架。

  * [flask-api](https://github.com/flask-api/flask-api)-Flask的可浏览Web api。

  * [flask-restful](https://github.com/flask-restful/flask-restful)-快速构建用于Flask的REST api。

* 金字塔

  * [cornice](https://github.com/Cornices/cornice)-金字塔的RESTful框架。

* 与框架无关

  * [falcon](https://github.com/falconry/falcon)-用于构建云api和web应用程序后端的高性能框架。

  * [fastapi](https://github.com/tiangolo/fastapi)-一个现代，快速的web框架，用于基于标准Python类型提示使用Python 3.6构建api。

  * [hug](https://github.com/hugapi/hug)-一个Python 3框架，用于干净地公开api。

  * [sandman2](https://github.com/jeffknupp/sandman2)-用于现有数据库驱动系统的自动化REST api。

  * [sanic](https://github.com/sanic-org/sanic)-一个Python 3.6的web服务器和web框架，它是为了快速而编写的。

## 机器人技术

*机器人图书馆。* 

* [PythonRobotics](https://github.com/AtsushiSakai/PythonRobotics)-这是带有可视化的各种机器人算法的汇编。

* [rospy](http://wiki.ros.org/rospy)-这是一个用于ROS (机器人操作系统) 的库。

## RPC服务器

*兼容RPC的服务器。* 

* [RPyC](https://github.com/tomerfiliba/rpyc)(远程Python调用)-用于Python的透明且对称的RPC库

* [zeroRPC](https://github.com/0rpc/zerorpc-python)-zerorpc是一个灵活的RPC实现基于[ZeroMQ](http://zeromq.org/)和[MessagePack](http://msgpack.org/)。

## 科学

*科学计算图书馆。另请参见[Python-for-Scientists](https://github.com/TomNicholas/Python-for-Scientists).* 

* [astropy](http://www.astropy.org/)-一个用于天文学的社区Python库。

* [bcbio-nextgen](https://github.com/chapmanb/bcbio-nextgen)-为全自动高通量测序分析提供最佳实践管道。

* [bccb](https://github.com/chapmanb/bcbb)-收集与生物分析相关的有用代码。

* [Biopython](http://biopython.org/wiki/Main_Page)Biopython是一套免费的生物计算工具。

* [cclib](http://cclib.github.io/)-用于解析和解释计算化学包的结果的库。

* [Colour](http://colour-science.org/)-实现全面的颜色理论转换和算法。

* [Karate Club](https://github.com/benedekrozemberczki/karateclub)-用于图形结构化数据的无监督机器学习工具箱。

* [NetworkX](https://networkx.github.io/)-用于复杂网络的高生产率软件。

* [NIPY](http://nipy.org)-神经影像工具包的集合。

* [NumPy](http://www.numpy.org/)-使用Python进行科学计算的基本软件包。

* [ObsPy](https://github.com/obspy/obspy/wiki/)-一个用于地震学的Python工具箱。

* [Open Babel](https://open-babel.readthedocs.io/)-一个化学工具箱，旨在讲化学数据的多种语言。

* [PyDy](http://www.pydy.org/)-Python Dynamics的缩写，用于协助动态运动建模中的工作流。

* [PyMC](https://github.com/pymc-devs/pymc3)-马尔可夫链蒙特卡罗抽样工具包。

* [QuTiP](http://qutip.org/)-Python中的量子工具箱。

* [RDKit](http://www.rdkit.org/)-化学信息学和机器学习软件。

* [SciPy](https://www.scipy.org/)-基于Python的数学，科学和工程开源软件生态系统。

* [SimPy](https://gitlab.com/team-simpy/simpy)·基于过程的离散事件仿真框架

* [statsmodels](https://github.com/statsmodels/statsmodels)-Python中的统计建模和计量经济学。

* [SymPy](https://github.com/sympy/sympy)-用于符号数学的Python库。

* [Zipline](https://github.com/quantopian/zipline)-一个Pythonic算法交易库。

## 搜索

*用于对数据进行索引和执行搜索查询的库和软件。* 

* [django-haystack](https://github.com/django-haystack/django-haystack)-Django的模块化搜索。

* [elasticsearch-dsl-py](https://github.com/elastic/elasticsearch-dsl-py)-用于Elasticsearch的官方高级Python客户端。

* [elasticsearch-py](https://www.elastic.co/guide/en/elasticsearch/client/python-api/current/index.html)-官方的低级Python客户端[Elasticsearch](https://www.elastic.co/products/elasticsearch)。

* [pysolr](https://github.com/django-haystack/pysolr)-一个轻量级的Python包装器[Apache Solr](https://lucene.apache.org/solr/)。

* [whoosh](http://whoosh.readthedocs.io/en/latest/)-一个快速，纯Python搜索引擎库。

## 序列化

*用于序列化复杂数据类型的库* 

* [marshmallow](https://github.com/marshmallow-code/marshmallow)-用于将复杂对象与简单Python数据类型相互转换的轻量级库。

* [pysimdjson](https://github.com/TkTech/pysimdjson)-一个Python绑定[simdjson](https://github.com/lemire/simdjson)。

* [python-rapidjson](https://github.com/python-rapidjson/python-rapidjson)-一个Python包装器[RapidJSON](https://github.com/Tencent/rapidjson)。

* [ultrajson](https://github.com/esnme/ultrajson)-使用Python绑定用C编写的快速JSON解码器和编码器。

## 无服务器框架

*开发无服务器Python代码的框架。* 

* [python-lambda](https://github.com/nficano/python-lambda)-用于在AWS Lambda中开发和部署Python代码的工具包。

* [Zappa](https://github.com/zappa/Zappa)-用于在AWS Lambda和API Gateway上部署WSGI应用程序的工具。

## 壳牌

*基于Python的shell。* 

* [xonsh](https://github.com/xonsh/xonsh/)-Python驱动，跨平台，Unix凝视shell语言和命令提示符。

## 特定格式处理

*用于解析和操作特定文本格式的库。* 

* 概述

  * [tablib](https://github.com/jazzband/tablib)-用于XLS，CSV，JSON，YAML中的表格数据集的模块。

* 办公室

  * [docxtpl](https://github.com/elapouya/python-docx-template)-通过jinja2模板编辑docx文档

  * [openpyxl](https://openpyxl.readthedocs.io/en/stable/)-用于读取和写入Excel 2010 xlsx/xlsm/xltx/xltm文件的库。

  * [pyexcel](https://github.com/pyexcel/pyexcel)-提供一个API用于读取，操作和写入csv，ods，xls，xlsx和xlsm文件。

  * [python-docx](https://github.com/python-openxml/python-docx)-读取，查询和修改Microsoft Word 2007/2008 docx文件。

  * [python-pptx](https://github.com/scanny/python-pptx)-用于创建和更新PowerPoint (.pptx) 文件的Python库。

  * [unoconv](https://github.com/unoconv/unoconv)-LibreOffice/OpenOffice支持的任何文档格式之间的转换。

  * [XlsxWriter](https://github.com/jmcnamara/XlsxWriter)-用于创建Excel的Python模块。xlsx文件。

  * [xlwings](https://github.com/ZoomerAnalytics/xlwings)-一个BSD许可的库，可以很容易地从Excel调用Python，反之亦然。

  * [xlwt](https://github.com/python-excel/xlwt)/[xlrd](https://github.com/python-excel/xlrd)-从Excel文件中写入和读取数据和格式化信息。

* PDF

  * [pdfminer.six](https://github.com/pdfminer/pdfminer.six)-Pdfminer.six是原始PDFMiner的社区维护叉。

  * [PyPDF2](https://github.com/mstamy2/PyPDF2)-能够拆分、合并和转换PDF页面的库。

  * [ReportLab](https://www.reportlab.com/opensource/)-允许快速创建丰富的PDF文档。

* 降价

  * [Mistune](https://github.com/lepture/mistune)-Markdown的最快和全功能的纯Python解析器。

  * [Python-Markdown](https://github.com/waylan/Python-Markdown)-John Gruber的Markdown的Python实现。

* YAML

  * [PyYAML](http://pyyaml.org/)-Python的YAML实现。

* CSV

  * [csvkit](https://github.com/wireservice/csvkit)-用于转换和使用CSV的实用程序。

* 存档

  * [unp](https://github.com/mitsuhiko/unp)-一个命令行工具，可以轻松解压缩档案。

## 静态站点生成器

*静态站点生成器是一种软件，它将一些文本模板作为输入，并在输出上生成HTML文件。* 

* [lektor](https://github.com/lektor/lektor)-一个易于使用的静态CMS和博客引擎。

* [mkdocs](https://github.com/mkdocs/mkdocs/)-Markdown友好的文档生成器。

* [makesite](https://github.com/sunainapai/makesite)-简单，轻巧，无魔法的静态网站/博客生成器 (< 130行)。

* [nikola](https://github.com/getnikola/nikola)-静态网站和博客生成器。

* [pelican](https://github.com/getpelican/pelican)-支持Markdown和reST语法的静态站点生成器。

## 标记

*用于标记项目的库。* 

* [django-taggit](https://github.com/jazzband/django-taggit)-Django的简单标记。

## 任务队列

*用于处理任务队列的库。* 

* [celery](https://docs.celeryproject.org/en/stable/)-基于分布式消息传递的异步任务队列/作业队列。

* [dramatiq](https://github.com/Bogdanp/dramatiq)-适用于Python 3的快速可靠的后台任务处理库。

* [huey](https://github.com/coleifer/huey)-小多线程任务队列。

* [mrq](https://github.com/pricingassistant/mrq)-Python中使用Redis和gevent的分布式工作任务队列。

* [rq](https://github.com/rq/rq)-Python的简单作业队列。

## 模板引擎

*用于模板和词法的库和工具。* 

* [Genshi](https://genshi.edgewall.org/)-用于生成web感知输出的Python模板工具包。

* [Jinja2](https://github.com/pallets/jinja)-现代和设计师友好的模板语言。

* [Mako](http://www.makotemplates.org/)-用于Python平台的超快和轻量级模板。

## 测试

*用于测试代码库和生成测试数据的库。* 

* 测试框架

  * [hypothesis](https://github.com/HypothesisWorks/hypothesis)-假设是一个基于属性的高级Quickcheck风格的测试库。

  * [nose2](https://github.com/nose-devs/nose2)-继任者,基于 “单元测试2”。

  * [pytest](https://docs.pytest.org/en/latest/)-成熟的全功能Python测试工具。

  * [Robot Framework](https://github.com/robotframework/robotframework)-一个通用的测试自动化框架。

  * [unittest](https://docs.python.org/3/library/unittest.html)(Python标准库) 单元测试框架。

* 测试跑步者

  * [green](https://github.com/CleanCut/green)-一个干净，丰富多彩的测试运行。

  * [mamba](http://nestorsalceda.github.io/mamba/)-Python的权威测试工具。出生在BDD的旗帜下。

  * [tox](https://tox.readthedocs.io/en/latest/)-在多个Python版本中自动构建和测试发行版

* GUI/Web测试

  * [locust](https://github.com/locustio/locust)-用Python编写的可扩展用户负载测试工具。

  * [PyAutoGUI](https://github.com/asweigart/pyautogui)PyAutoGUI是一个跨平台的GUI自动化Python模块。

  * [Schemathesis](https://github.com/kiwicom/schemathesis)-用于对使用Open API/Swagger规范构建的web应用程序进行基于属性的自动测试的工具。

  * [Selenium](https://pypi.org/project/selenium/)-用于的Python绑定[Selenium](http://www.seleniumhq.org/)WebDriver。

  * [sixpack](https://github.com/seatgeek/sixpack)-与语言无关的A/B测试框架。

  * [splinter](https://github.com/cobrateam/splinter)-用于测试web应用程序的开源工具。

* 模拟

  * [doublex](https://pypi.org/project/doublex/)-强大的测试双打Python框架。

  * [freezegun](https://github.com/spulec/freezegun)-通过嘲笑datetime模块穿越时间。

  * [httmock](https://github.com/patrys/httmock)-用于Python 2.6和3.2请求的模拟库。

  * [httpretty](https://github.com/gabrielfalcao/HTTPretty)-用于Python的HTTP请求模拟工具。

  * [mock](https://docs.python.org/3/library/unittest.mock.html)-(Python标准库) 一个嘲笑和修补库。

  * [mocket](https://github.com/mindflayer/python-mocket)-一个支持gevent/asyncio/SSL的套接字模拟框架。

  * [responses](https://github.com/getsentry/responses)-一个实用程序库，用于嘲笑请求Python库。

  * [VCR.py](https://github.com/kevin1024/vcrpy)-在测试中记录和重放HTTP交互。

* 对象工厂

  * [factory_boy](https://github.com/FactoryBoy/factory_boy)-Python的测试夹具替代品。

  * [mixer](https://github.com/klen/mixer)-另一个固定装置更换。支持Django，Flask，SQLAlchemy，Peewee等。

  * [model_mommy](https://github.com/vandersonmota/model_mommy)-在Django中创建用于测试的随机夹具。

* 代码覆盖率

  * [coverage](https://pypi.org/project/coverage/)-代码覆盖测量。

* 虚假数据

  * [fake2db](https://github.com/emirozer/fake2db)-假数据库生成器。

  * [faker](https://github.com/joke2k/faker)-生成虚假数据的Python包。

  * [mimesis](https://github.com/lk-geimfari/mimesis)-是一个Python库，可帮助您生成虚假数据。

  * [radar](https://pypi.org/project/radar/)-生成随机日期时间/时间。

## 文本处理

*用于解析和操作纯文本的库。* 

* 概述

  * [chardet](https://github.com/chardet/chardet)Python 2/3兼容字符编码检测器。

  * [difflib](https://docs.python.org/3/library/difflib.html)-(Python标准库) 计算增量的助手。

  * [ftfy](https://github.com/LuminosoInsight/python-ftfy)-使Unicode文本更少损坏，更自动一致。

  * [fuzzywuzzy](https://github.com/seatgeek/fuzzywuzzy)-模糊字符串匹配。

  * [Levenshtein](https://github.com/ztane/python-Levenshtein/)-Levenshtein距离和字符串相似性的快速计算。

  * [pangu.py](https://github.com/vinta/pangu.py)-偏执的文本间距。

  * [pyfiglet](https://github.com/pwaller/pyfiglet)-用Python编写的figlet的实现。

  * [pypinyin](https://github.com/mozillazg/python-pinyin)-将中文汉字 (漢字) 转换为拼音 (拼音)。

  * [textdistance](https://github.com/orsinium/textdistance)-使用30种算法计算序列之间的距离。

  * [unidecode](https://pypi.org/project/Unidecode/)-Unicode文本的ASCII音译。

* Slugify

  * [awesome-slugify](https://github.com/dimka665/awesome-slugify)-一个可以保留unicode的Python slugify库。

  * [python-slugify](https://github.com/un33k/python-slugify)-一个Python slugify库，将unicode转换为ASCII。

  * [unicode-slugify](https://github.com/mozilla/unicode-slugify)-一个slugifier，它以Django作为依赖项生成unicode slugs。

* 唯一标识符

  * [hashids](https://github.com/davidaurelio/hashids-python)-实施[hashids](http://hashids.org)在Python中。

  * [shortuuid](https://github.com/skorokithakis/shortuuid)-用于简洁，明确和URL安全的uuid的生成器库。

* 解析器

  * [ply](https://github.com/dabeaz/ply)-用于Python的lex和yacc解析工具的实现。

  * [pygments](http://pygments.org/)-通用语法荧光笔。

  * [pyparsing](https://github.com/pyparsing/pyparsing)-用于生成解析器的通用框架。

  * [python-nameparser](https://github.com/derek73/python-nameparser)-将人的名字解析成他们各自的组成部分。

  * [python-phonenumbers](https://github.com/daviddrysdale/python-phonenumbers)-解析，格式化，存储和验证国际电话号码。

  * [python-user-agents](https://github.com/selwin/python-user-agents)-浏览器用户代理解析器。

  * [sqlparse](https://github.com/andialbrecht/sqlparse)-非验证SQL解析器。

## 第三方api

*用于访问第三方服务api的库。另见[List of Python API Wrappers and Libraries](https://github.com/realpython/list-of-python-api-wrappers).* 

* [apache-libcloud](https://libcloud.apache.org/)-一个用于所有云的Python库。

* [boto3](https://github.com/boto/boto3)-Amazon Web Services的Python接口。

* [django-wordpress](https://github.com/istrategylabs/django-wordpress)-Django的WordPress模型和视图。

* [facebook-sdk](https://github.com/mobolic/facebook-sdk)-Facebook平台Python SDK。

* [google-api-python-client](https://github.com/google/google-api-python-client)-适用于Python的Google api客户端库。

* [gspread](https://github.com/burnash/gspread)-Google Spreadsheets Python API。

* [twython](https://github.com/ryanmcgrath/twython)-Twitter API的Python包装器。

## URL操作

*用于解析url的库。* 

* [furl](https://github.com/gruns/furl)-一个小型Python库，使解析和操作url变得容易。

* [purl](https://github.com/codeinthehole/purl)-一个简单，不可变的URL类，具有用于询问和操作的干净API。

* [pyshorteners](https://github.com/ellisonleao/pyshorteners)-一个纯Python URL缩短lib。

* [webargs](https://github.com/marshmallow-code/webargs)-一个友好的库，用于解析HTTP请求参数，内置支持流行的web框架。

## 视频

*用于操作视频和gif的库。* 

* [moviepy](https://zulko.github.io/moviepy/)-用于基于脚本的电影编辑的模块，具有多种格式，包括动画gif。

* [scikit-video](https://github.com/aizvorski/scikit-video)SciPy的视频处理例程。

* [vidgear](https://github.com/abhiTronix/vidgear)-最强大的多线程视频处理框架。

## Web资产管理

*用于管理，压缩和缩小网站资产的工具。* 

* [django-compressor](https://github.com/django-compressor/django-compressor)-将链接和内联JavaScript或CSS压缩到单个缓存文件中。

* [django-pipeline](https://github.com/jazzband/django-pipeline)-Django的资产打包库。

* [django-storages](https://github.com/jschneier/django-storages)-Django的自定义存储后端集合

* [fanstatic](http://www.fanstatic.org/en/latest/)-将静态文件依赖项作为Python包进行打包、优化和提供。

* [fileconveyor](http://wimleers.com/fileconveyor)-用于检测文件并将其同步到cdn，S3和FTP的守护程序。

* [flask-assets](https://github.com/miracle2k/flask-assets)-帮助您将webasset集成到您的Flask应用程序中。

* [webassets](https://github.com/miracle2k/webassets)-捆绑，优化和管理静态资源的唯一缓存破坏url。

## Web内容提取

*用于提取web内容的库。* 

* [html2text](https://github.com/Alir3z4/html2text)-将HTML转换为Markdown格式的文本。

* [lassie](https://github.com/michaelhelmick/lassie)-用于人类的Web内容检索。

* [micawber](https://github.com/coleifer/micawber)-用于从url中提取丰富内容的小型库。

* [newspaper](https://github.com/codelucas/newspaper)-Python中的新闻提取，文章提取和内容策展。

* [python-readability](https://github.com/buriy/python-readability)-arc90的可读性工具的快速Python端口。

* [requests-html](https://github.com/psf/requests-html)-人类的Pythonic HTML解析。

* [sumy](https://github.com/miso-belica/sumy)-用于文本文档和HTML页面的自动摘要的模块。

* [textract](https://github.com/deanmalmgren/textract)-从任何文档，Word，PowerPoint，pdf等中提取文本。

* [toapi](https://github.com/gaojiuli/toapi)每个网站都提供api。

## Web爬行

*自动进行web抓取的库。* 

* [feedparser](https://github.com/kurtmckee/feedparser)-通用提要解析器。

* [grab](https://github.com/lorien/grab)-网站抓取框架。

* [mechanicalsoup](https://github.com/MechanicalSoup/MechanicalSoup)-用于自动与网站交互的Python库。

* [scrapy](https://github.com/scrapy/scrapy)-一个快速的高级屏幕抓取和web爬行框架。

## Web框架

*传统的全栈web框架。另请参见[RESTful API](https://github.com/vinta/awesome-python#restful-api).* 

* 同步

  * [django](https://github.com/django/django)-Python中最受欢迎的web框架。

  * [awesome-django](https://github.com/shahraizali/awesome-django)

  * [awesome-django](https://github.com/wsvincent/awesome-django)

  * [flask](https://github.com/pallets/flask)-Python的微框架。

  * [awesome-flask](https://github.com/humiaozuzu/awesome-flask)

  * [pyramid](https://pylonsproject.org/)-一个小型，快速，脚踏实地的开源Python web框架。

  * [awesome-pyramid](https://github.com/uralbash/awesome-pyramid)

  * [masonite](https://github.com/MasoniteFramework/masonite)-现代和以开发人员为中心的Python web框架。

* 异步

  * [tornado](https://github.com/tornadoweb/tornado)-一个web框架和异步网络库。

## WebSocket

*用于使用WebSocket的库。* 

* [autobahn-python](https://github.com/crossbario/autobahn-python)-WebSocket和WAMP的Python上的扭曲和[asyncio](https://docs.python.org/3/library/asyncio.html)。

* [channels](https://github.com/django/channels)-开发人员友好的Django异步。

* [websockets](https://github.com/aaugustin/websockets)-一个用于构建WebSocket服务器和客户端的库，重点是正确性和简单性。

## WSGI服务器

*兼容WSGI的web服务器。* 

* [gunicorn](https://github.com/benoitc/gunicorn)-预分叉，从Ruby的独角兽项目移植。

* [uwsgi](https://uwsgi-docs.readthedocs.io/en/latest/)-一个项目旨在开发一个完整的堆栈来构建托管服务，用C编写。

* [waitress](https://github.com/Pylons/waitress)-多线程，权力金字塔。

* [werkzeug](https://github.com/pallets/werkzeug)-一个用于Python的WSGI实用程序库，为Flask提供动力，可以轻松地嵌入到您自己的项目中。

# Resources

在哪里发现学习资源或新的Python库。

## 通讯

* [Awesome Python Newsletter](http://python.libhunt.com/newsletter)

* [Pycoder's Weekly](https://pycoders.com/)

* [Python Tricks](https://realpython.com/python-tricks/)

* [Python Weekly](https://www.pythonweekly.com/)

## 播客

* [Django Chat](https://djangochat.com/)

* [Python Bytes](https://pythonbytes.fm)

* [Talk Python To Me](https://talkpython.fm/)

* [Python Test](https://podcast.pythontest.com/)

* [The Real Python Podcast](https://realpython.com/podcasts/rpp/)

# Contributing

您的贡献总是受欢迎的!请看一下[contribution guidelines](https://github.com/vinta/awesome-python/blob/master/%5Bthis%5D(CONTRIBUTING.md))首先。

如果您对这个自以为是的列表有任何疑问，请随时与我联系[@VintaChen](https://twitter.com/VintaChen)在Twitter上或在GitHub上打开一个问题。