webpy源碼
⑴ python 有哪些好的 Web 框架
1、Django框架
優點：是一個高層次Python Web開發框架，特點是開發快速、代碼較少、可擴展性強。Django採用MTV(Model、Template、View)模型組織資源，框架功能豐富，模板擴展選擇最多。對於專業人員來說，Django是當之無愧的Python排名第一的Web開發框架。
缺點：包括一些輕量級應用不需要的功能模塊，不如Flask輕便。過度封裝很多類和方法，直接使用比較簡單，但改動起來比較困難。相比於 C,C++性能，Django性能偏低。模板實現了代碼和樣式完全分離，不允許模板里出現Python代碼，靈活度不夠。另外學習曲線也相對陡峭。
2、Flask框架
優點：Flask是一個Python Web開發的微框架，嚴格來說，它僅提供Web伺服器支持，不提供全棧開發支持。然而，Flask非常輕量、非常簡單，基於它搭建Web系統都以分鍾來計時，特別適合小微原型系統的開發。花少時間、產生可用系統，是非常劃算的選擇。
缺點：對於大型網站開發，需要設計路由映射的規則，否則導致代碼混亂。對新手來說，容易使用低質量的代碼創建 「不良的web應用程序」。
3、Pyramid框架
優點：是一個擴展性很強且靈活的Python Web開發框架。上手十分容易，比較適合中等規模且邊開發邊設計的場景。Pyramid不提供絕對嚴格的框架定義，根據需求可以擴展開發，對高階程序員十分友好。
缺點：國內知名度不高，高級用法需要通過閱讀源代碼獲取靈感。默認使用Chameleon模板，靈活度沒有成為一個要素。
4、web.py框架
優點：正如其名，web.py是一個採用Python作為開發語言的Web框架，簡單且強大。俄羅斯排名第一的Yandex搜索引擎基於這個框架開發，Guido van Rossum認為這是最好的Python Web框架，還需要說別的嗎?有事實作證、有大牛認可，用起來吧!
缺點：Web.py並未像其他框架一樣保持與Python 3兼容性的最新狀態。這不僅意味著缺乏對非同步語法的支持，還意味著缺少對已棄用的函數的錯誤。此外，目前尚不清楚維護者是否有計劃在Python 2到達其支持生命周期結束後保持Web.py的最新狀態。
5、Tornado框架
優點：Tornado是一個基於非同步網路功能庫的Web開發框架，因此，它能支持幾萬個開放連接，Web服務高效穩定。可見，Tornado適合高並發場景下的Web系統，開發過程需要採用Tornado提供的框架，靈活性較差，確定場景後再考慮使用不遲。
缺點：Tornado 5.0改進了與Python的本機非同步功能的集成。因此不再支持Python 3.3.並且Python 3.5用戶必須使用Python 3.5.2或更高版本。Tornado 6.0將需要Python 3.5及更高版本，並將完全放棄Python 2支持。
⑵ python web開發 用什麼工具
python web開發常用的工具：
1. Django
Django無疑是最通用的web開發框架之一，適用博客做一個後端和為企業做一個內容管理系統。
優點：從幾乎為零的狀態建設出一個全功能的web應用程序。
備註：Python面向對象的設計非常干凈，而且配備了令人難以置信的支持庫。Python可以很容易地與其他流行的編程語言如java，C和C ++集成。
⑶ python能做什麼
python的用途：
Python的優勢有必要作為第一步去了解，Python作為面向對象的腳本語言，優勢就是數據處理和挖掘，這也註定了它和AI、互聯網技術的緊密聯系。
網路爬蟲。顧名思義，從互聯網上爬取信息的腳本，主要由urllib、requests等庫編寫，實用性很強，小編就曾寫過爬取5w數據量的爬蟲。在大數據風靡的時代，爬蟲絕對是新秀。
人工智慧。AI使Python一戰成名，AI的實現可以通過tensorflow庫。神經網路的核心在於激活函數、損失函數和數據，數據可以通過爬蟲獲得。訓練時大量的數據運算又是Python的show time。
(3)webpy源碼擴展閱讀：
Python開發人員盡量避開不成熟或者不重要的優化。一些針對非重要部位的加快運行速度的補丁通常不會被合並到Python內。在某些對運行速度要求很高的情況，Python設計師傾向於使用JIT技術，或者用使用C/C++語言改寫這部分程序。可用的JIT技術是PyPy。
Python是完全面向對象的語言。函數、模塊、數字、字元串都是對象。並且完全支持繼承、重載、派生、多繼承，有益於增強源代碼的復用性。
Python支持重載運算符和動態類型。相對於Lisp這種傳統的函數式編程語言，Python對函數式設計只提供了有限的支持。有兩個標准庫(functools, itertools)提供了Haskell和Standard ML中久經考驗的函數式程序設計工具。
⑷ python有什麼好的大數據/並行處理框架
從GitHub中整理出的15個最受歡迎的Python開源框架。這些框架包括事件I/O，OLAP，Web開發，高性能網路通信，測試，爬蟲等。
Django: Python Web應用開發框架
Django 應該是最出名的Python框架，GAE甚至Erlang都有框架受它影響。Django是走大而全的方向，它最出名的是其全自動化的管理後台：只需要使用起ORM，做簡單的對象定義，它就能自動生成資料庫結構、以及全功能的管理後台。
Diesel：基於Greenlet的事件I/O框架
Diesel提供一個整潔的API來編寫網路客戶端和伺服器。支持TCP和UDP。
Flask：一個用Python編寫的輕量級Web應用框架
Flask是一個使用Python編寫的輕量級Web應用框架。基於Werkzeug WSGI工具箱和Jinja2
模板引擎。Flask也被稱為「microframework」，因為它使用簡單的核心，用extension增加其他功能。Flask沒有默認使用的數
據庫、窗體驗證工具。
Cubes：輕量級Python OLAP框架
Cubes是一個輕量級Python框架，包含OLAP、多維數據分析和瀏覽聚合數據（aggregated data）等工具。
Kartograph.py：創造矢量地圖的輕量級Python框架
Kartograph是一個Python庫，用來為ESRI生成SVG地圖。Kartograph.py目前仍處於beta階段，你可以在virtualenv環境下來測試。
Pulsar：Python的事件驅動並發框架
Pulsar是一個事件驅動的並發框架，有了pulsar，你可以寫出在不同進程或線程中運行一個或多個活動的非同步伺服器。
Web2py：全棧式Web框架
Web2py是一個為Python語言提供的全功能Web應用框架，旨在敏捷快速的開發Web應用，具有快速、安全以及可移植的資料庫驅動的應用，兼容Google App Engine。
Falcon：構建雲API和網路應用後端的高性能Python框架
Falcon是一個構建雲API的高性能Python框架，它鼓勵使用REST架構風格，盡可能以最少的力氣做最多的事情。
Dpark：Python版的Spark
DPark是Spark的Python克隆，是一個Python實現的分布式計算框架，可以非常方便地實現大規模數據處理和迭代計算。DPark由豆瓣實現，目前豆瓣內部的絕大多數數據分析都使用DPark完成，正日趨完善。
Buildbot：基於Python的持續集成測試框架
Buildbot是一個開源框架，可以自動化軟體構建、測試和發布等過程。每當代碼有改變，伺服器要求不同平台上的客戶端立即進行代碼構建和測試，收集並報告不同平台的構建和測試結果。
Zerorpc：基於ZeroMQ的高性能分布式RPC框架
Zerorpc是一個基於ZeroMQ和MessagePack開發的遠程過程調用協議（RPC）實現。和 Zerorpc 一起使用的 Service API 被稱為 zeroservice。Zerorpc 可以通過編程或命令行方式調用。
Bottle: 微型Python Web框架
Bottle是一個簡單高效的遵循WSGI的微型python Web框架。說微型，是因為它只有一個文件，除Python標准庫外，它不依賴於任何第三方模塊。
Tornado：非同步非阻塞IO的Python Web框架
Tornado的全稱是Torado Web Server，從名字上看就可知道它可以用作Web伺服器，但同時它也是一個Python Web的開發框架。最初是在FriendFeed公司的網站上使用，FaceBook收購了之後便開源了出來。
webpy: 輕量級的Python Web框架
webpy的設計理念力求精簡（Keep it simple and powerful），源碼很簡短，只提供一個框架所必須的東西，不依賴大量的第三方模塊，它沒有URL路由、沒有模板也沒有資料庫的訪問。
Scrapy：Python的爬蟲框架
Scrapy是一個使用Python編寫的，輕量級的，簡單輕巧，並且使用起來非常的方便。
⑸ Python 有像WordPress這樣的開源程序么
python的開源程序很多，除了wordpress外還有如下：
Django: Python Web應用開發框架
Django 應該是最出名的Python框架，GAE甚至Erlang都有框架受它影響。Django是走大而全的方向，它最出名的是其全自動化的管理後台：只需要使用起ORM，做簡單的對象定義，它就能自動生成資料庫結構、以及全功能的管理後台。
Diesel：基於Greenlet的事件I/O框架
Diesel提供一個整潔的API來編寫網路客戶端和伺服器。支持TCP和UDP。
Flask：一個用Python編寫的輕量級Web應用框架
Flask是一個使用Python編寫的輕量級Web應用框架。基於Werkzeug WSGI工具箱和Jinja2 模板引擎。Flask也被稱為「microframework」，因為它使用簡單的核心，用extension增加其他功能。Flask沒有默認使用的資料庫、窗體驗證工具。
Cubes：輕量級Python OLAP框架
Cubes是一個輕量級Python框架，包含OLAP、多維數據分析和瀏覽聚合數據（aggregated data）等工具。
Kartograph.py：創造矢量地圖的輕量級Python框架
Kartograph是一個Python庫，用來為ESRI生成SVG地圖。Kartograph.py目前仍處於beta階段，你可以在virtualenv環境下來測試。
Pulsar：Python的事件驅動並發框架
Pulsar是一個事件驅動的並發框架，有了pulsar，你可以寫出在不同進程或線程中運行一個或多個活動的非同步伺服器。
Web2py：全棧式Web框架
Web2py是一個為Python語言提供的全功能Web應用框架，旨在敏捷快速的開發Web應用，具有快速、安全以及可移植的資料庫驅動的應用，兼容Google App Engine。
Falcon：構建雲API和網路應用後端的高性能Python框架
Falcon是一個構建雲API的高性能Python框架，它鼓勵使用REST架構風格，盡可能以最少的力氣做最多的事情。
Dpark：Python版的Spark
DPark是Spark的Python克隆，是一個Python實現的分布式計算框架，可以非常方便地實現大規模數據處理和迭代計算。DPark由豆瓣實現，目前豆瓣內部的絕大多數數據分析都使用DPark完成，正日趨完善。
Buildbot：基於Python的持續集成測試框架
Buildbot是一個開源框架，可以自動化軟體構建、測試和發布等過程。每當代碼有改變，伺服器要求不同平台上的客戶端立即進行代碼構建和測試，收集並報告不同平台的構建和測試結果。
Zerorpc：基於ZeroMQ的高性能分布式RPC框架
Zerorpc是一個基於ZeroMQ和MessagePack開發的遠程過程調用協議（RPC）實現。和 Zerorpc 一起使用的 Service API 被稱為 zeroservice。Zerorpc 可以通過編程或命令行方式調用。
Bottle: 微型Python Web框架
Bottle是一個簡單高效的遵循WSGI的微型python Web框架。說微型，是因為它只有一個文件，除Python標准庫外，它不依賴於任何第三方模塊。
Tornado：非同步非阻塞IO的Python Web框架
Tornado的全稱是Torado Web Server，從名字上看就可知道它可以用作Web伺服器，但同時它也是一個Python Web的開發框架。最初是在FriendFeed公司的網站上使用，FaceBook收購了之後便開源了出來。
webpy: 輕量級的Python Web框架
webpy的設計理念力求精簡（Keep it simple and powerful），源碼很簡短，只提供一個框架所必須的東西，不依賴大量的第三方模塊，它沒有URL路由、沒有模板也沒有資料庫的訪問。
Scrapy：Python的爬蟲框架
Scrapy是一個使用Python編寫的，輕量級的，簡單輕巧，並且使用起來非常的方便。
⑹ github本地如何上傳代碼
下載項目倉庫到本地後，當在本地做了一些代碼更新之後，需要提交本地代碼到Github伺服器
方法/步驟
1、打開Github For Windows，點擊項目後面的箭頭，或者雙擊項目
注意事項
代碼上傳期間請不要關閉軟體或者網路以免造成上傳失敗
⑺ python web開發用哪個框架比較好
（1）Django。Django的文檔最完善、市場佔有率最高、招聘職位最多估計大家都沒什麼意見。完美的文檔，Django的成功，我覺得很大一部分原因要歸功於Django近乎完美的官方文檔（包括Django book）。全套的解決方案，Django象Rails一樣，提供全套的解決方案（full-stack framework + batteries included），基本要什麼有什麼（比如：cache、session、feed、orm、geo、auth），而且全部Django自己造，開發網 站應手的工具Django基本都給你做好了，因此開發效率是不用說的，出了問題也算好找，不在你的代碼里就在Django的源碼里。
（2）Pylons和Django的設計理念完全不同，Pylons本身只有兩千行左右的Python代碼，不過它還附帶有一些幾乎就是Pylons御用 的第三方模塊。Pylons只提供一個架子和可選方案，你可以根據自己的喜好自由的選擇Template、ORM、form、auth等組件，系統高度可 定製。我們常說Python是一個膠水語言(glue language)，那麼我們完全可以說Pylons就是一個用膠水語言設計的膠水框架。
（3）Tornado即是一個Web server（對此本文不作詳述），同時又是一個類web.py的micro-framework，作為框架Tornado的思想主要來源於Web.py，大家在Web.py的網站首頁也可以看到Tornado的大佬Bret Taylor的這么一段話（他這里說的FriendFeed用的框架跟Tornado可以看作是一個東西）：
（4）Bottle和Flask作為新生一代Python框架的代表，挺有意思的是都採用了decorator的方式配置URL路由。
（5）Flask 精簡
（6）web.py 非常精簡
⑻ python師先編譯後解釋的嗎
1、C++和C都是屬於編譯型語言，本來的.c文件都是用高級語言編寫的，計算機是不能識別高級語言的，所以，必須要通過編譯，鏈接等手段，將.c文件轉換成可執行文件，可執行文件就是純二進制文件，然後計算機才能夠執行。
unix>./p:(p是可執行文件)
上述命令的過程，是外殼(shell)調用操作系統一個叫載入器的函數，它拷貝可執行文件p中的代碼和數據到存儲器，然後將控制轉移到這個程序的開頭。
2、
1. Python是一門解釋型語言？
我初學Python時，聽到的關於Python的第一句話就是，Python是一門解釋性語言，我就這樣一直相信下去，直到發現了*.pyc文件的存在。如果是解釋型語言，那麼生成的*.pyc文件是什麼呢？c應該是compiled的縮寫才對啊！
為了防止其他學習Python的人也被這句話誤解，那麼我們就在文中來澄清下這個問題，並且把一些基礎概念給理清。
2. 解釋型語言和編譯型語言
計算機是不能夠識別高級語言的，所以當我們運行一個高級語言程序的時候，就需要一個「翻譯機」來從事把高級語言轉變成計算機能讀懂的機器語言的過程。這個過程分成兩類，第一種是編譯，第二種是解釋。
編譯型語言在程序執行之前，先會通過編譯器對程序執行一個編譯的過程，把程序轉變成機器語言。運行時就不需要翻譯，而直接執行就可以了。最典型的例子就是C語言。
解釋型語言就沒有這個編譯的過程，而是在程序運行的時候，通過解釋器對程序逐行作出解釋，然後直接運行，最典型的例子是Ruby。
通過以上的例子，我們可以來總結一下解釋型語言和編譯型語言的優缺點，因為編譯型語言在程序運行之前就已經對程序做出了「翻譯」，所以在運行時就少掉了「翻譯」的過程，所以效率比較高。但是我們也不能一概而論，一些解釋型語言也可以通過解釋器的優化來在對程序做出翻譯時對整個程序做出優化，從而在效率上超過編譯型語言。
此外，隨著Java等基於虛擬機的語言的興起，我們又不能把語言純粹地分成解釋型和編譯型這兩種。
用Java來舉例，Java首先是通過編譯器編譯成位元組碼文件（不是二進制碼），然後在運行時通過解釋器給解釋成機器文件。所以我們說Java是一種先編譯後解釋的語言。
總結：將由高級語言編寫的程序文件轉換為可執行文件（二進制的）有兩種方式，編譯和解釋，編譯是在程序運行前，已經將程序全部轉換成二進制碼，而解釋是在程序執行的時候，邊翻譯邊執行。
3. Python到底是什麼
其實Python和Java/C#一樣，也是一門基於虛擬機的語言，我們先來從表面上簡單地了解一下Python程序的運行過程吧。
當我們在命令行中輸入python hello.py時，其實是激活了Python的「解釋器」，告訴「解釋器」：你要開始工作了。可是在「解釋」之前，其實執行的第一項工作和Java一樣，是編譯。
熟悉Java的同學可以想一下我們在命令行中如何執行一個Java的程序：
javac hello.java(編譯的過程)
java hello（解釋的過程）
只是我們在用Eclipse之類的IDE時，將這兩部給融合成了一部而已。其實Python也一樣，當我們執行python hello.py時，他也一樣執行了這么一個過程，所以我們應該這樣來描述Python，Python是一門先編譯後解釋的語言。
4. 簡述Python的運行過程
在說這個問題之前，我們先來說兩個概念，PyCodeObject和pyc文件。
我們在硬碟上看到的pyc自然不必多說，而其實PyCodeObject則是Python編譯器真正編譯成的結果。我們先簡單知道就可以了，繼續向下看。
當python程序運行時，編譯的結果則是保存在位於內存中的PyCodeObject中，當Python程序運行結束時，Python解釋器則將PyCodeObject寫回到pyc文件中。
當python程序第二次運行時，首先程序會在硬碟中尋找pyc文件，如果找到，則直接載入，否則就重復上面的過程。
所以我們應該這樣來定位PyCodeObject和pyc文件，我們說pyc文件其實是PyCodeObject的一種持久化保存方式。
總結：Python也是先編譯後解釋的一門語言，當python程序運行時，編譯的結果是保存在內存中的PyCodeObject中，當Python程序運行結束時，Python解釋器則將PyCodeObject寫回到pyc文件中。也就是說保存，pyc文件是為了下次再次使用該腳本時避免重復編譯，以此來節省時間。也就是說，只執行一次的腳本，就沒必要保存其編譯結果pyc，這樣只是浪費空間。下面舉例解釋。
5、運行一段Python程序
我們來寫一段程序實際運行一下：
不用仔細看代碼，我們可以很清楚地看到原理，其實每次在載入之前都會先檢查一下py文件和pyc文件保存的最後修改日期，如果不一致則重新生成一份pyc文件。
8. 寫在最後的
其實了解Python程序的執行過程對於大部分程序員，包括Python程序員來說意義都是不大的，那麼真正有意義的是，我們可以從Python的解釋器的做法上學到什麼，我認為有這樣的幾點：
A.其實Python是否保存成pyc文件和我們在設計緩存系統時是一樣的，我們可以仔細想想，到底什麼是值得扔在緩存里的，什麼是不值得扔在緩存里的。只有要重用的模塊才是值得編譯成pyc文件的。
B. 在跑一個耗時的Python腳本時，我們如何能夠稍微壓榨一些程序的運行時間，就是將模塊從主模塊分開。（雖然往往這都不是瓶頸），那麼再次運行時，就可以不用編譯了，直接使用上次編譯後的結果。
C. 在設計一個軟體系統時，重用和非重用的東西是不是也應該分開來對待，這是軟體設計原則的重要部分。
D. 在設計緩存系統（或者其他系統）時，我們如何來避免程序的過期，其實Python的解釋器也為我們提供了一個特別常見而且有效的解決方案。
總結：Python是編譯+解釋型的語言，執行的時候是由Python解釋器，逐行編譯+解釋，然後運行，因為在運行的過程中，需要編譯+解釋，所以Python的運行性能會低於編譯型語言，比如C++。為了提高性能，Python解釋器，會將模塊（以後要重用的腳本文件放在模塊里）的編譯+解釋的結果，保存在.pyc中。這樣下次執行的時候，就省了編譯這個環節。提高性能。一次性的腳本文件，解釋器是不會保存編譯+解釋的結果，也就是沒有.pyc文件。