add new
This commit is contained in:
parent
b79d706f2e
commit
0389efd60a
|
@ -172,7 +172,7 @@ solve
|
|||
|
||||
**Star:2.4k**
|
||||
|
||||
[Cipyey](Ciphey/Ciphey)是一款应用了自然语言处理和人工智能的自动化解密工具,你只需要输入加密后的文本,它能够返回你解密结果。
|
||||
[Cipyey](https://github.com/Ciphey/Ciphey)是一款应用了自然语言处理和人工智能的自动化解密工具,你只需要输入加密后的文本,它能够返回你解密结果。
|
||||
|
||||
它具有如下特性:
|
||||
|
||||
|
|
|
@ -0,0 +1,238 @@
|
|||
## 前言
|
||||
|
||||
PyHubWeekly每周定期更新,精选GitHub上优质的Python项目/小工具。
|
||||
|
||||
我把PyHubWeekly托管到了Github,感兴趣的可以**搜索Github项目PyHubWeekly**,如果喜欢,麻烦给个Star支持一下吧。此外,**欢迎大家通过提交issue来投稿和推荐自己的项目**~
|
||||
|
||||
本期为大家推荐GitHub上5个优质的Python项目,它们分别是:
|
||||
|
||||
- **shiv**
|
||||
- **enaml**
|
||||
- **Mimesis**
|
||||
- **pyinfra**
|
||||
- **pydantic**
|
||||
|
||||
下面分别来介绍一下上述5个GitHub项目。
|
||||
|
||||
### shiv
|
||||
|
||||
**Star:1k**
|
||||
|
||||
[**shiv**](https://github.com/linkedin/shiv)是一个用于构建Python工具包的命令行工具,它的宗旨是让Python打包变得更加简单。
|
||||
|
||||
系统要求:
|
||||
|
||||
- Python 3.6+
|
||||
- Windows/OS X/Linux
|
||||
|
||||
下面,来看一下通过命令行来对Python代码进行打包。
|
||||
|
||||
```
|
||||
$ shiv -c flake8 -o ~/bin/flake8 flake8
|
||||
$ ~/bin/flake8 --version
|
||||
3.7.8 (mccabe: 0.6.1, pycodestyle: 2.5.0, pyflakes: 2.1.1) CPython 3.7.4 on Darwin
|
||||
```
|
||||
|
||||
通过一行命令就可以对Python代码进行打包。
|
||||
|
||||
### enaml
|
||||
|
||||
**Star:933**
|
||||
|
||||
[**enaml**](https://github.com/nucleic/enaml)是一种能够让你用最小的努力就可以实现高质量GUI界面的的Python框架,也是一种独特的编程语言
|
||||
|
||||
enaml将声明性语言与基于约束的布局系统结合在一起,使用户可以轻松地定义灵活布局的UI。enaml应用程序可以在任何支持Python和Qt的平台上运行。
|
||||
|
||||
enaml具有如下特性:
|
||||
|
||||
- 一种具有Python风格的声明性编程语言
|
||||
- 数十个小部件都可以直接在Qt上构建
|
||||
- 基于约束的布局引擎(基于Kiwi构建)
|
||||
- 与数据模型工具(基于Atom构建)集成
|
||||
|
||||
**示例**
|
||||
|
||||
```
|
||||
from __future__ import print_function
|
||||
|
||||
import datetime
|
||||
|
||||
from atom.api import Atom, Str, Range, Bool, Value, Int, Tuple, observe
|
||||
import enaml
|
||||
from enaml.qt.qt_application import QtApplication
|
||||
|
||||
|
||||
class Person(Atom):
|
||||
""" A simple class representing a person object.
|
||||
|
||||
"""
|
||||
last_name = Str()
|
||||
|
||||
first_name = Str()
|
||||
|
||||
age = Range(low=0)
|
||||
|
||||
dob = Value(datetime.date(1970, 1, 1))
|
||||
|
||||
debug = Bool(False)
|
||||
|
||||
@observe('age')
|
||||
def debug_print(self, change):
|
||||
""" Prints out a debug message whenever the person's age changes.
|
||||
|
||||
"""
|
||||
if self.debug:
|
||||
templ = "{first} {last} is {age} years old."
|
||||
s = templ.format(
|
||||
first=self.first_name, last=self.last_name, age=self.age,
|
||||
)
|
||||
print(s)
|
||||
|
||||
....
|
||||
```
|
||||
|
||||
完整代码可以查看**官方文档**[4],效果如下:
|
||||
|
||||
![img](https://gitee.com/sharetech_lee/blogimg/raw/master/imgs/640)
|
||||
|
||||
### Mimesis
|
||||
|
||||
**Star:2.9k**
|
||||
|
||||
[**Mimesis**](https://github.com/search?q=Mimesis)是一款用于mock数据的Python工具。
|
||||
|
||||
系统开发往往是和数据不同步的,因此,在开发过程中就需要开发人员去造一批数据,但是,有一些数据并不是像生成随机数那么简单。例如,用户名、邮箱这些有规则,偏自然语言的数据。
|
||||
|
||||
Mimesis是一款速度快、可扩展、支持多语言的数据生成工具,你不仅可以直接使用它自带功能,还可以对它进行扩展,完成你想要的规则数据生成。
|
||||
|
||||
```
|
||||
$ pip install mimesis
|
||||
```
|
||||
|
||||
**使用**
|
||||
|
||||
Mimesis的使用非常简单,你只需要导入所需要数据的对象就行。
|
||||
|
||||
例如 ,你想生成的数据是和人相关的邮箱、地址、年龄,那么,你直接导入`Person`对象就行:
|
||||
|
||||
```
|
||||
>>> from mimesis import Person
|
||||
>>> person = Person('en')
|
||||
|
||||
>>> person.full_name()
|
||||
'Brande Sears'
|
||||
|
||||
>>> person.email(domains=['mimesis.name'])
|
||||
'roccelline1878@mimesis.name'
|
||||
|
||||
>>> person.email(domains=['mimesis.name'], unique=True)
|
||||
'f272a05d39ec46fdac5be4ac7be45f3f@mimesis.name'
|
||||
|
||||
>>> person.telephone(mask='1-4##-8##-5##3')
|
||||
'1-436-896-5213'
|
||||
```
|
||||
|
||||
### pyinfra
|
||||
|
||||
**Star:917**
|
||||
|
||||
[**pyinfra**](https://github.com/Fizzadar/pyinfra)是一款可以大规模快速自动化部署、配置、管理应用的框架。
|
||||
|
||||
它可以用于执行临时命令、服务部署配置管理,能够轻松、快速的实现在数千台主机上进行执行你想要的操作。
|
||||
|
||||
**安装**
|
||||
|
||||
```
|
||||
$ pip install pyinfra
|
||||
```
|
||||
|
||||
现在,你就可以通过SSH去执行命令或者操作:
|
||||
|
||||
```
|
||||
# Execute an arbitrary shell command
|
||||
$ pyinfra my-server.net exec -- echo "hello world"
|
||||
|
||||
# Install iftop apt package if not present
|
||||
$ pyinfra my-server.net apt.packages iftop sudo=true update=true
|
||||
```
|
||||
|
||||
你也可以把它保存到部署代码文件中,
|
||||
|
||||
```
|
||||
from pyinfra.operations import apt
|
||||
|
||||
apt.packages(
|
||||
name='Ensure iftop is installed',
|
||||
packages=['iftop'],
|
||||
sudo=True,
|
||||
update=True,
|
||||
)
|
||||
```
|
||||
|
||||
然后让它调用执行的Python文件:
|
||||
|
||||
```
|
||||
$ pyinfra my-server.net deploy.py
|
||||
```
|
||||
|
||||
### pydantic
|
||||
|
||||
**Star:3.9k**
|
||||
|
||||
[**pydantic**](https://github.com/samuelcolvin/pydantic)是一款用于数据解析和验证的Python工具。
|
||||
|
||||
pytantic是一款快速且可扩展,可与常用的IDE完美配合的数据解析和验证工具。
|
||||
|
||||
下面,通过一个示例来了解一下它的应用:
|
||||
|
||||
```
|
||||
from datetime import datetime
|
||||
from typing import List, Optional
|
||||
from pydantic import BaseModel
|
||||
|
||||
|
||||
class User(BaseModel):
|
||||
id: int
|
||||
name = 'John Doe'
|
||||
signup_ts: Optional[datetime] = None
|
||||
friends: List[int] = []
|
||||
|
||||
|
||||
external_data = {
|
||||
'id': '123',
|
||||
'signup_ts': '2019-06-01 12:22',
|
||||
'friends': [1, 2, '3'],
|
||||
}
|
||||
user = User(**external_data)
|
||||
print(user.id)
|
||||
#> 123
|
||||
print(repr(user.signup_ts))
|
||||
#> datetime.datetime(2019, 6, 1, 12, 22)
|
||||
print(user.friends)
|
||||
#> [1, 2, 3]
|
||||
print(user.dict())
|
||||
"""
|
||||
{
|
||||
'id': 123,
|
||||
'signup_ts': datetime.datetime(2019, 6, 1, 12, 22),
|
||||
'friends': [1, 2, 3],
|
||||
'name': 'John Doe',
|
||||
}
|
||||
"""
|
||||
```
|
||||
|
||||
在这段代码中发生了什么?
|
||||
|
||||
- `id`在`User`类中被指定为int类型,如果传入的参数不符合要求则会报错;
|
||||
- `signup_ts`被指定为datetime类型,而且`none`表名它不是必传参数,如果我们传入一个符合时间规范的字符串,它会把它转化为datetime类型;
|
||||
- `friends`是一个列表,有int型和字符串型,在数据验证过程中会转化成int型;
|
||||
|
||||
这样做的好处是什么?
|
||||
|
||||
在Python中,数据类型的概念没有Java、C++这些语言中那么受人重视,这对于工程的稳定性、代码的阅读性都带来了一定的挑战。有了数据验证,它能够保证代码按照我们预先设定的那样去执行,保障工程的安全性。
|
||||
|
||||
---
|
||||
|
||||
给大家推荐1个宝藏公众号【**七步编程**】,专注于Python、AI、大数据领域内容分享。创作内容坚持原创与高质量,发表内容已经被诸多公众号大V转发,备受欢迎。现在关注,后台回复关键**567**就可以获得我精心整理的机器学习、深度学习、Python、推荐系统等技术方向的干货!
|
||||
|
||||
![image-20200829151145405](https://gitee.com/sharetech_lee/blogimg/raw/master/imgs/image-20200829151145405.png)
|
Loading…
Reference in New Issue