python3从零学习-6.0、第三方库

第三方库可以在这里查询：https://pypi.org/

目前已经有成千上万的三方库可供选择，这个也是python魅力吸引人的地方，有许许多多的轮子，不必每个东西都自己造轮子，可以选择合适的三方库用在项目中会变得事半功倍。如下图就是python官方网站上查询三方库的界面，看这个数字就知道这是一门具有浓重的有历史气息的语言。

安装第三方模块

在Python中，安装第三方模块，是通过setuptools这个工具完成的。Python有两个封装了setuptools的包管理工具：easy_install和pip。目前官方推荐使用pip。

现在，让我们来安装一个第三方库——Python Imaging Library，这是Python下非常强大的处理图像的工具库。一般来说，第三方库都会在Python官方的pypi.python.org网站注册，要安装一个第三方库，必须先知道该库的名称，可以在官网或者pypi上搜索，比如Python Imaging Library的名称叫PIL，因此，安装Python Imaging Library的命令就是：

pip install PIL

耐心等待下载并安装后，就可以使用PIL了。

有了PIL，处理图片易如反掌。随便找个图片生成缩略图：

>>> import Image
>>> im = Image.open('test.png')
>>> print im.format, im.size, im.mode
PNG (400, 300) RGB
>>> im.thumbnail((200, 100))
>>> im.save('thumb.jpg', 'JPEG')

模块搜索路径

默认情况下，Python解释器会搜索当前目录、所有已安装的内置模块和第三方模块，搜索路径存放在sys模块的path变量中：

>>> import sys
>>> sys.path
['', '/Library/Python/2.7/site-packages/pycrypto-2.6.1-py2.7-macosx-10.9-intel.egg', '/Library/Python/2.7/site-packages/PIL-1.1.7-py2.7-macosx-10.9-intel.egg', …]

注意：通过pip安装的第三方库，一般都在python安装路径下的site-packages目录

 

如果我们要添加自己的搜索目录，有两种方法：

一是直接修改sys.path，添加要搜索的目录：

>>> import sys
>>> sys.path.append('/Users/michael/my_py_scripts')

这种方法是在运行时修改，运行结束后失效。

第二种方法是设置环境变量PYTHONPATH，该环境变量的内容会被自动添加到模块搜索路径中。设置方式与设置Path环境变量类似。注意只需要添加你自己的搜索路径，Python自己本身的搜索路径不受影响。

 

第三方库分类：

网络爬虫

功能齐全的爬虫框架

• grab – 网络爬虫框架（基于pycurl/multicur）。
• scrapy – 网络爬虫框架（基于twisted），不支持Python3。 pyspider – 一个强大的爬虫系统。 cola – 一个分布式爬虫框架。

 

其他

• portia – 基于Scrapy的可视化爬虫。 restkit – Python的HTTP资源工具包。它可以让你轻松地访问HTTP资源，并围绕它建立的对象。 demiurge – 基于PyQuery的爬虫微框架。

 

HTML/XML解析器

通用

• 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。
• xmltodict – 一个可以让你在处理XML时感觉像在处理JSON一样的Python模块。
• xhtml2pdf – 将HTML/CSS转换为PDF。
• untangle – 轻松实现将XML文件转换为Python对象。
•  

清理

• Bleach – 清理HTML（需要html5lib）。
• sanitize – 为混乱的数据世界带来清明。

 

文本处理

用于解析和操作简单文本的库。

通用

• 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。

 

转换

• unidecode – 将Unicode文本转为ASCII。

 

字符编码

• uniout – 打印可读字符，而不是被转义的字符串。

• chardet – 兼容 Python的2/3的字符编码器。

• xpinyin – 一个将中国汉字转为拼音的库。

• pangu.py – 格式化文本中CJK和字母数字的间距。

 

Slug化

• awesome-slugify – 一个可以保留unicode的Python slugify库。

• python-slugify – 一个可以将Unicode转为ASCII的Python slugify库。

• unicode-slugify – 一个可以将生成Unicode slugs的工具。

• pytils – 处理俄语字符串的简单工具（包括pytils.translit.slugify）。

 

通用解析器

• PLY – lex和yacc解析工具的Python实现。

• pyparsing – 一个通用框架的生成语法分析器。

 

人的名字

• python-nameparser -解析人的名字的组件。

 

电话号码

• phonenumbers -解析，格式化，存储和验证国际电话号码。

 

用户代理字符串

• python-user-agents – 浏览器用户代理的解析器。

• HTTP Agent Parser – Python的HTTP代理分析器。

 

特定格式文件处理

解析和处理特定文本格式的库。

通用

• tablib – 一个把数据导出为XLS、CSV、JSON、YAML等格式的模块。

• textract – 从各种文件中提取文本，比如 Word、PowerPoint、PDF等。

• messytables – 解析混乱的表格数据的工具。

• rows – 一个常用数据接口，支持的格式很多（目前支持CSV，HTML，XLS，TXT – 将来还会提供更多！）。

 

Office

• python-docx – 读取，查询和修改的Microsoft Word2007/2008的docx文件。

• xlwt / xlrd – 从Excel文件读取写入数据和格式信息。

• XlsxWriter – 一个创建Excel.xlsx文件的Python模块。

• xlwings – 一个BSD许可的库，可以很容易地在Excel中调用Python，反之亦然。

• openpyxl – 一个用于读取和写入的Excel2010 XLSX/ XLSM/ xltx/ XLTM文件的库。

• Marmir – 提取Python数据结构并将其转换为电子表格。

 

PDF

• PDFMiner – 一个从PDF文档中提取信息的工具。

• PyPDF2 – 一个能够分割、合并和转换PDF页面的库。

• ReportLab – 允许快速创建丰富的PDF文档。

• pdftables – 直接从PDF文件中提取表格。

 

Markdown

• Python-Markdown – 一个用Python实现的John Gruber的Markdown。

• Mistune – 速度最快，功能全面的Markdown纯Python解析器。

• markdown2 – 一个完全用Python实现的快速的Markdown。

 

YAML

• PyYAML – 一个Python的YAML解析器。

 

CSS

• cssutils – 一个Python的CSS库。

 

ATOM/RSS

• feedparser – 通用的feed解析器。

 

SQL

• sqlparse – 一个非验证的SQL语句分析器。

 

HTTP

HTTP

• http-parser – C语言实现的HTTP请求/响应消息解析器。

 

微格式

• opengraph – 一个用来解析Open Graph协议标签的Python模块。

 

可移植的执行体

• pefile – 一个多平台的用于解析和处理可移植执行体（即PE）文件的模块。

 

PSD

• psd-tools – 将Adobe Photoshop PSD（即PE）文件读取到Python数据结构。

 

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。

• genius – 基于条件随机域的中文分词。

• langid.py – 独立的语言识别系统。

• Korean – 一个韩文形态库。

• pymorphy2 – 俄语形态分析器（词性标注+词形变化引擎）。

• PyPLN – 用Python编写的分布式自然语言处理通道。这个项目的目标是创建一种简单的方法使用NLTK通过网络接口处理大语言库。

 

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。

 

网址和网络地址操作

解析/修改网址和网络地址库。

 

URL

• furl – 一个小的Python库，使得操纵URL简单化。

• purl – 一个简单的不可改变的URL以及一个干净的用于调试和操作的API。

• urllib.parse – 用于打破统一资源定位器（URL）的字符串在组件（寻址方案，网络位置，路径等）之间的隔断，为了结合组件到一个URL字符串，并将“相对URL”转化为一个绝对URL，称之为“基本URL”。

• tldextract – 从URL的注册域和子域中准确分离TLD，使用公共后缀列表。

 

网络地址

• netaddr – 用于显示和操纵网络地址的Python库。

 

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

• micawber – 一个从网址中提取丰富内容的小库。

• sumy -一个自动汇总文本文件和HTML网页的模块

• Haul – 一个可扩展的图像爬虫。

• python-readability – arc90 readability工具的快速Python接口。

• scrapely – 从HTML网页中提取结构化数据的库。给出了一些Web页面和数据提取的示例，scrapely为所有类似的网页构建一个分析器。

 

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。

 

数据分析

• numpy：http://www.numpy.org/ 开源数值计算扩展第三方库

• scipy：https://pypi.org/project/scipy/ 专为科学以及工程计算的第三方库

• pandas：http://pandas.pydata.org/ 可高效地操作大型数据集的第三方库

 

用户图形界面

• PyQt5：https://pypi.org/project/PyQt5/ 成熟的商业级GUI第三方库

• wxpython：https://pypi.org/project/wxPython/ 优秀的GUI图形库

• pygtk：https://pypi.org/project/PyGTK/ 轻松创建具有图形用户界面程序的第三方库

 

机器学习

• Scikit-learn：https://scikit-learn.org/stable/ 简单且高效的数据挖掘和数据分析工具

• Tensorflow：https://pypi.org/project/tensorflow/ 人工智能学习系统

• Theano ：http://deeplearning.net/software/theano/ 执行深度学习中大规模神经网络算法的运算

 

Web开发

• Django：https://pypi.org/project/Django/ 最流行的开源Web应用框架

• Pyramid：https://pypi.org/project/pyramid/ 通用、开源的Python Web应用程序开发框架

• Flask：https://pypi.org/project/Flask/ 轻量级Web应用框架

 

游戏开发

Pygame：https://www.python.org/ 面向游戏开发入门的Python第三方库

Panda3D：http://www.panda3d.org/ 开源、跨平台的3D渲染和游戏开发库

cocos2d：https://pypi.org/project/cocos2d/ 构建2D游戏和图形界面交互式应用的框架

 

数据可视化

• Matplotlib：https://matplotlib.org/ 提供数据绘图功能的第三方库，主要进行二维图表数据展示

• TVTK：https://www.lfd.uci.edu/~gohlke/pythonlibs/ 图形应用函数库，是专业可编程的三维可视化工具

• mayavi：https://pypi.org/project/mayavi/ 方便实用的可视化软件