网络
-
通用
-
urllib -网络库(stdlib)。
-
requests -网络库。
-
grab – 网络库（基于pycurl）。
-
pycurl – 网络库（绑定libcurl）。
-
urllib3 – Python HTTP库，安全连接池、支持文件post、可用性高。
-
httplib2 – 网络库。
-
RoboBrowser – 一个简单的、极具Python风格的Python库，无需独立的浏览器即可浏览网页。
-
MechanicalSoup -一个与网站自动交互Python库。
-
mechanize -有状态、可编程的Web浏览库。
-
socket – 底层网络接口(stdlib)。
-
Unirest for Python – Unirest是一套可用于多种语言的轻量级的HTTP库。
-
hyper – Python的HTTP/2客户端。
-
PySocks – SocksiPy更新并积极维护的版本，包括错误修复和一些其他的特征。作为socket模块的直接替换。
-
-
异步
-
treq – 类似于requests的API（基于twisted）。
-
aiohttp – asyncio的HTTP客户端/服务器(PEP-3156)。
-
网络爬虫框架
-
功能齐全的爬虫
-
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