Python作為一個設計優(yōu)秀的程序語言，現(xiàn)在已廣泛應用于各種領域，依靠其強大的第三方類庫，Python在各個領域都能發(fā)揮巨大的作用。作為數(shù)據(jù)科學和機器學習相關的研究和開發(fā)人員，大家每天都要用到Python。

學Python，想必大家都是從爬蟲開始的吧。畢竟網(wǎng)上類似的資源很豐富，開源項目也非常多。今天千鋒武漢Python培訓小編就來說一說在學習Python的時候我們接觸的詞庫都有哪些。

通用詞庫

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。

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轉換為PDF。

untangle – 輕松實現(xiàn)將XML文件轉換為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。

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。

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。

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

網(wǎng)頁內容提取

提取網(wǎng)頁內容的庫。

HTML頁面的文本和元數(shù)據(jù)

newspaper – 用Python進行新聞提取、文章提取和內容策展。

html2text – 將HTML轉為Markdown格式文本。

python-goose – HTML內容/文章提取器。

lassie – 人性化的網(wǎng)頁內容檢索工具

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。

以上就是千鋒武漢Python培訓小編整理的在學習Python的時候我們能接觸的一些詞庫。Python開發(fā)人員可以使用這些庫來編寫，清理和表示數(shù)據(jù)，并在現(xiàn)有應用程序中實現(xiàn)機器學習。希望能提升Python程序員的工作效率。