通用
ullib-stdlib。 请求-网络库。 grab基于pycurl的网络库。 pycurl网络库(绑定libcurl )。 urllib 3python http库、安全连接池、支持文件开机自检和高可用性。 HTP lib 2网络库。 robo browser简单、Python风格的Python库，无需独立的浏览器即可浏览网页。 mechanical soup -与网站自动交互的Python库。 mechanize -具有状态且可编程的Web浏览库。 socket底层网络接口。 unirestforpythonunirest是一个轻量级的HTTP库，可以用于多种语言。 hyperpython的HTTP/2客户端。 py sockssocksipy更新并积极维护的版本。 包括错误修正和其他特征。 作为插座模块的直接更换。
异步treq基于扭曲的API，类似于请求。 AIO http异步io的http客户端/服务器(PEP-3156 )。
网络爬虫框架
全功能爬虫grab基于pycurl/multi cur的web爬虫框架。 scrapy基于twisted的网络爬虫框架。 不支持Python3。 py spider是一个强大的爬虫系统。 Cola分布式爬行动物框架。
其他基于Portiascrapy的可视化爬行动物。 rest kitpython的HTTP资源工具包。 这样，您就可以轻松访问HTTP资源并包围您创建的对象。 TMD BD基于py query的爬虫微框架。
HTML/XML解析器
通用lxml使用c语言创建高效的HTML/XML处理库。 支持XPath。 CSS选择分析DOM树和CSS选择器。 py query分析DOM树和jQuery选择器。 beautiful soup低效的HTML/XML处理库，纯Python实现。 html5lib根据whatwg规范生成HTML/XML文档的DOM。 此规格正在所有当前浏览器中使用。 eed parser分析RSS/atom feeds。 标记安全为XML/html/XHTML提供安全的转义字符串。 xmlto dict一个Python模块，在处理XML时可以感觉像在处理JSON。 xtm L2 pdf将html/CSS转换为pdf。 untangle -可以轻松地将XML文件转换为Python对象。
蓝牙-清理-html清理(需要html5lib )。 sanitize为混乱的数据世界带来清明。
文本处理
用于分析和操作简单文本的库。
diff libpython标准库有助于差异化比较。 levenshtein快速计算levenshtein的距离和字符串相似度。 fuzzy wuzzy模糊字符串匹配。 ESM re正则表达式加速器。 ffy自动组织unicode文本，减少碎片。 转换unidecode将-unicode文本转换为ASCII。 字符编码uniout -打印可读字符，而不是转义的字符串。 chardet与python的2/3兼容的字符编码器。 x拼音将中国汉字转换为拼音的库。 平静的火. py格式化文本中CJK和字母数字字符之间的间隔。 Slug化awesome-slug ify可以保留unicode的Python slugify库。 python-slug ify允许将unicode转换为ASCII的Python slugify库。 unicode-slug ify生成unicode slugs的工具。 pyt ils处理俄语字符串的简单工具，包括pyt ils.translit.slug ify。 通用解析器plylex和yacc解析器工具的Python实现。 py parsing常见框架的语法分析器。 人的名字python-nameparser -分析人的名字的组件。 电话号码phonenumbers -分析、格式化、保存和验证国际电话号码。 用户代理字符串python-user-agents-浏览器用户代理解析器。 HTTPagentparserpython的http代理分析器。
特定格式文件处理
分析和处理特定文本格式的库。
常规选项卡-用于将数据导出为XLS、CSV、JSON、YAML等格式的模块。 文本从各种文件(如word、PowerPoint和PDF )中提取文本。 messy tables分析混乱表单数据的工具。 rows常见的数据接口，支持的格式很多(
HTML，XLS，TXT – 将来还会提供更多！）。Officepython-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。PDFPDFMiner – 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。MarkdownPython-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。YAMLPyYAML – 一个Python的YAML解析器。CSScssutils – 一个Python的CSS库。ATOM/RSSfeedparser – 通用的feed解析器。SQLsqlparse – 一个非验证的SQL语句分析器。HTTPHTTPhttp-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。PSDpsd-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。
URLfurl – 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。
作者：饱满的玉米丢丢
链接：https://www.jianshu.com/p/08381c80c9df
来源：简书