转载申明：原创不容易，未经受权，谢绝任何形式的转载
7个Python库提拔开发效率，让你的项目更优良
当有库能够完成你需要的功用，为什么还要本身写代码呢？库是开发者更好的伴侣和救星。在我看来，一个好的项目会操纵一些更好的可用库。
本文是 Python 出色库系列的一部门，此中我总结了 7 个 Python 库，能够帮忙你在开发中获得便当。
1. diagrams
当你在开发云系统时，想要在架构设想过程中利用图形来申明你的设想计划，你可能会利用一些设想东西来创建和修改图形。但是利用那些东西需要熟悉它们的利用办法，同时也需要破费时间去领会东西自己的特点和限造。
而 diagrams 库就是一个能够在 Python 代码中创建云系统架构图的东西。你只需要编写简单的 Python 代码，就能够快速创建云系统架构图，而且能够便利地停止版本控造。该库目前撑持多种云办事，包罗 AWS、Azure、GCP、Kubernetes、阿里云、Oracle Cloud 等。
以下是一个简单的示例代码，用于绘造一个根本的云系统架构图，该图包罗一个 Web 办事器、一个数据库办事器和一个文件存储办事器。此中，diagrams 库的核心就是创建图形对象，通过图形对象之间的毗连来暗示差别组件之间的关系。
from diagrams import Diagram, Clusterfrom diagrams.aws.compute import EC2from diagrams.aws.database import RDSfrom diagrams.aws.storage import S3with Diagram("Web System", show=False): with Cluster("Cluster"): EC2("Web Server") >> RDS("Database") EC2("Web Server") >> S3("Files")该示例代码中，起首创建了一个 Diagram 对象，暗示一个名为 "Web System" 的云系统架构图。然后，利用 Cluster 对象创建了一个名为 "Cluster" 的子图，用于包罗 Web 办事器、数据库办事器和文件存储办事器。接着，创建了三个图形对象，别离代表 EC2、RDS 和 S3。最初，利用箭头符号（>>）暗示 Web 办事器和数据库办事器、Web 办事器和文件存储办事器之间的毗连关系。
运行上面的代码，就能够得到一个类似上面的云系统架构图。
在那个图中，Web 办事器、数据库办事器和文件存储办事器之间的毗连关系十分明晰。并且，若是需要修改图形对象的属性，好比调整办事器的大小、颜色和字体等，也十分容易。同时，那个代码示例中的代码量十分小，易于编写和维护。
更多关于 diagrams 库的详细介绍和利用办法，能够参考其官方文档。
https://github.com/mingrammer/diagrams
2. pyarmor
PyArmor是一个用于庇护Python脚本的东西，它供给了多种庇护功用，例如加密源代码、控造代码的运行时间、庇护模块导入等。PyArmor撑持Python2和Python3，而且能够在Windows、Linux和macOS上利用。
利用PyArmor，您能够通过简单的号令行接口对Python脚本停止庇护。下面是一个简单的利用示例。
起首，您需要安拆PyArmor，能够利用pip停止安拆：
pip install pyarmor接下来，您需要利用PyArmor创建一个项目，能够利用以下号令：
pyarmor init myPRoject那将创建一个名为“myproject”的目次，此中包罗一些示例文件和一个名为“pyarmor.cfg”的设置装备摆设文件。
接下来，您能够将您要庇护的Python脚本放在“myproject”目次中。例如，假设您有一个名为“my_script.py”的脚本，能够将其放在“myproject”目次中。
如今，您能够利用以下号令对脚本停止加密：
pyarmor obfuscate my_script.py那将生成一个名为“my_script.pye”的加密脚本，该脚本包罗了加密的源代码。您能够利用以下号令运行加密脚本：
pyarmor run my_script.pye若是您想控造代码的运行时间，能够利用以下号令：
pyarmor obfuscate --time 3600 my_script.py那将限造脚本的运行时间为3600秒（1小时）。
除了那些根本功用之外，PyArmor还供给了许多其他的庇护选项，例如庇护模块导入、动态密钥加密等。
总之，PyArmor是一个十分有用的东西，能够帮忙您庇护Python脚本的源代码和常识产权。
https://github.com/dashingsoft/pyarmor
3. tesserocr
tesserocr 是一个基于 Tesseract OCR 引擎的 Python 库，用于识别和提取图片中的文本。
Tesseract 是一个开源的 OCR 引擎，能够识别多种语言的文本，而且撑持多种图像格局。Tesserocr 操纵 Tesseract 引擎实现了 Python 接口，便利在 Python 情况下利用 OCR 手艺。
下面是一个利用 tesserocr 库的示例代码：
import tesserocrfrom PIL import Image# 读取图片image = Image.oPEn('test.png')# 对图片停止灰度处置gray_image = image.convert('L')# 对图片停止二值化处置threshold = 80binary_image = gray_image.point(lambda x: 0 if x < threshold else 255)# 停止 OCR 识别text = tesserocr.image_to_text(binary_image)print(text)以上代码实现了以下步调：
通过 PIL 库读取一张图片；将图片转换成灰度图像；对灰度图像停止二值化处置；利用 tesserocr 库对二值化图像停止 OCR 识别；输出识别出的文本。需要留意的是，以上代码仅仅是一个简单的示例，现实利用时需要按照详细情况对图片停止恰当的预处置，以进步识别准确率。
https://github.com/sirfz/tesserocr
4. shiv
Shiv 是一个 Python 打包和分发东西，它能够将一个 Python 应用法式打包为单个可施行文件，便于摆设和分发。与传统的打包体例差别，Shiv 打包的可施行文件包罗了所有需要的依赖库和资本文件，能够间接运行，无需在目的系统上安拆 Python 或额外的依赖库。Shiv 还撑持虚拟情况，能够包管应用法式在差别的 Python 情况中运行一致。
利用 Shiv 能够极大地简化应用法式的摆设过程，出格是关于没有 Python 情况或没有足够权限安拆依赖库的系统。
以下是利用 Shiv 打包和运行一个简单的 Python 应用法式的示例：
起首，安拆 Shiv：
pip install shiv接下来，创建一个 Python 应用法式，例如一个简单的 Flask Web 应用法式：
from flask import Flaskapp = Flask(__name__)@app.route('/')def hello(): return 'Hello, world!'if __name__ == '__main__': app.run()将应用法式保留为 app.py 文件。然后，利用以下号令将应用法式打包成可施行文件：
shiv -c app:app app.py -o app此中，app:app 指定了应用法式入口点，app.py 是应用法式源代码文件，app 是打包后的可施行文件的名称。
最初，运行打包后的应用法式：
./app如许就能够在当地运行打包后的应用法式了。要在其他系统上运行，只需将打包后的文件复造到目的系统上即可，无需安拆 Python 或其他依赖库。当然，Shiv 还撑持更多的选项和设置装备摆设，详细能够参考官方文档。
https://github.com/linkedin/shiv
5. maya
Maya 是一个用 Python 实现的日期和时间处置库，旨在供给简单、易用的 API，以便开发人员能够轻松地停止各类日期和时间操做，例如日期解析、日期格局化、时区转换、日期加减等。Maya 在利用上比尺度库的 datetime 模块愈加曲不雅、易用，同时撑持更多的时区功用和格局化选项。
Maya 的次要特点包罗：
撑持 ISO-8601 格局以及其他常用格局的日期解析和格局化；撑持大部门的国际时区，并能够轻松停止时区转换；利用 timedelta 停止日期计算，撑持天数、小时、分钟、秒等的加减运算；撑持各类日期和时间的比力和排序；能够很便利地与尺度库的 datetime 模块停止互操做；下面是利用 Maya 停止日期和时间处置的一些代码示例：
import maya# 解析日期字符串，返回 MayaDT 对象dt = maya.parse('2022-02-15T14:30:00.000Z')# 显示日期和时间print(dt.iso8601())# 显示日期和时间的日期部门print(dt.date)# 显示日期和时间的时间部门print(dt.time)# 显示日期和时间的时区信息print(dt.timezone)# 转换为 UTC 时区utc_dt = dt.astimezone('UTC')# 日期加减操做new_dt = dt.add(days=1, hours=2, minutes=30)# 日期比力print(dt < new_dt)print(dt == new_dt)# 利用 timedelta 停止日期计算delta = new_dt - dtprint(delta)那些代码展现了若何利用 Maya 解析日期字符串、获取日期和时间的各个部门、停止时区转换、停止日期计算和比力等根本操做。Maya 还撑持更多的功用，例如处置日期范畴、当地化日期和时间、格局化日期和时间等。更多信息能够参考 Maya 的文档。
https://github.com/timofurrer/maya
6. python-decouple
解耦是编码中更佳理论之一。那个库将帮忙你实现严酷的设置装备摆设与代码别离。它能够帮忙你组织你的设置，以便你能够在没必要从头摆设应用法式的情况下更改参数。它还包罗许多其他功用，如定义全面的默认值、准确转换值为准确的数据类型、只要一个设置装备摆设模块来办理所有实例等等。那个库在Github上获得了超越2k的星。
凡是，在应用法式中，我们需要设置一些设置装备摆设参数，如数据库的地址、API 密钥、加密密钥等。那些参数凡是不该该硬编码在代码中，而是应该存储在某种设置装备摆设文件中，以便在需要时停止修改。.env 文件就是如许一种文件，它能够存储键值对，如 DATABASE_URL=postgres://user:password@localhost/dbname。
python-decouple 能够很便利地读取 .env 文件中的键值对，并将它们转换为 Python 变量，使得那些设置装备摆设参数能够很便利地在代码中利用。
以下是一个示例代码：
from decouple import config# 读取名为 MY_SECRET_KEY 的变量，若是不存在则返回默认值 'mysecretkey'secret_key = config('MY_SECRET_KEY', default='mysecretkey')# 读取名为 DATABASE_URL 的变量，并将其解析为 URL 对象from urllib.parse import urlparseresult = urlparse(config('DATABASE_URL'))# 读取一个整数类型的变量max_workers = config('MAX_WORKERS', cast=int)在上面的示例中，config 函数用于读取 .env 文件中的键值对，并将其转换为 Python 变量。cast 参数用于指定要转换的类型，如 int、float、bool 等。
除了从 .env 文件中读取设置装备摆设参数外，python-decouple 还供给了其他一些便利的函数和东西，如从情况变量中读取设置装备摆设、利用多个设置装备摆设文件等。更多详细信息能够参考官方文档。
总之，python-decouple 使得办理和利用设置装备摆设参数变得愈加便利和平安，建议在开发 Python 应用法式时利用它来办理设置装备摆设。
https://github.com/henriquebastos/python-decouple
7. cerberus
Cerberus 是一个用于数据验证的 Python 库，可以轻松验证任何格局的数据，并以可读的体例返回错误动静。Cerberus 设想用于验证 JSON-like 数据格局，例如 RESTful API 输入或设置装备摆设文件。 它具有简单的语法和易于利用的 API，而且撑持高级数据类型，例如日期和时间，列表和嵌套数据构造。
以下是一个 Cerberus 的利用示例：
安拆 Cerberus：
pip install cerberus然后在 Python 中导入 Cerberus：
from cerberus import Validator接下来，我们定义一个验证器实例，并为其指定验证规则：
schema = { 'name': {'type': 'string', 'required': True}, 'age': {'type': 'integer', 'required': True, 'min': 18, 'max': 99}, 'email': {'type': 'string', 'required': True, 'regex': '[\w\.-]+@[\w\.-]+(\.[\w]+)+$'}, 'is_student': {'type': 'boolean', 'required': True}, 'courses': { 'type': 'list', 'required': True, 'schema': { 'type': 'dict', 'schema': { 'name': {'type': 'string', 'required': True}, 'description': {'type': 'string', 'required': True} } } }}v = Validator(schema)然后，我们定义一个要验证的数据字典并利用 `validate` 办法停止验证：
data = { 'name': 'John Doe', 'age': 25, 'email': 'johndoe@example.com', 'is_student': True, 'courses': [ {'name': 'Math', 'description': 'Introduction to Calculus'}, {'name': 'Science', 'description': 'Introduction to Physics'} ]}if v.validate(data): print('Data is valid')else: print('Data is invalid') print(v.errors)以上示例中，我们定义了一个包罗五个字段的验证规则：name、age、email、is_student 和 courses。name 和 age 字段是必填项，age 字段必需在 18 到 99 岁之间，email 字段必需为有效的电子邮件地址，is_student 字段必需为布尔值，courses 字段必需为列表，而且列表中的每个元素都必需为字典类型，字典类型必需具有 name 和 description 字段，且那两个字段都是必填项。
然后我们定义了一个数据字典，并利用 validate 办法对其停止验证。若是数据字典契合验证规则，则打印 Data is valid；不然打印 Data is invalid 并输出错误动静。
完毕今天的分享就到那里，希望对你有所帮忙。若是你晓得任何其他高效的 Python 东西库，欢送你在评论区弥补。感激你的阅读，若是你喜好我的分享，别忘了点赞转发，让更多的人看到，最初别忘记了存眷「前端达人」，你的撑持将是我分享更大的动力，后续我会持续输出更多内容，敬请等待。
发表评论