HelloGitHub 開源月刊（第 55 期）：終端“百戰天蟲”，來戰？

削微寒發表於2020-10-28
Github

興趣是最好的老師，HelloGitHub 就是幫你找到興趣！

簡介

分享 GitHub 上有趣、入門級的開源專案。

這是一個面向程式設計新手、熱愛程式設計、對開源社群感興趣 人群的月刊，月刊的內容包括：各種程式語言的專案、讓生活變得更美好的工具、書籍、學習筆記、教程等，這些開源專案大多都是非常容易上手，而且非常 Cool。主要是希望大家能動手用起來，加入到開源社群中。

  • 會程式設計的可以貢獻程式碼
  • 不會程式設計的可以反饋使用這些工具中的 Bug
  • 幫著宣傳你覺得優秀的專案
  • Star 專案⭐️

在瀏覽、參與這些專案的過程中，你將學習到更多程式設計知識、提高程式設計技巧、找到程式設計的樂趣。

? 最後 HelloGitHub 這個專案就誕生了 ?

以下為本期內容｜每個月 28 號釋出最新一期｜點選檢視往期內容

C 專案

1、htop：互動式程式檢視工具，可代替 top 命令。用了這庫後，我基本不用 top 命令了

C# 專案

2、ToolGood.Words：一款高效能非法詞、敏感詞檢測庫。還支援繁體簡體互換、獲取拼音首字母、獲取拼音字母、拼音模糊搜尋等功能

string s = "中國|國人|zg人";
string test = "我是中國人";

StringSearch iwords = new StringSearch();
iwords.SetKeywords(s.Split('|'));

var b = iwords.ContainsAny(test);
Assert.AreEqual(true, b);

var f = iwords.FindFirst(test);
Assert.AreEqual("中國", f);

var all = iwords.FindAll(test);
Assert.AreEqual("中國", all[0]);
Assert.AreEqual("國人", all[1]);
Assert.AreEqual(2, all.Count);

var str = iwords.Replace(test, '*');
Assert.AreEqual("我是***", str);

C++ 專案

3、workflow：搜狗開源的 C++ 伺服器引擎。支撐搜狗幾乎所有後端 C++ 線上服務，包括所有搜尋服務、雲輸入法、廣告等，每日處理超百億請求。這是一個設計輕盈優雅的企業級程式引擎，可以滿足大多數 C++ 後端開發需求

CSS 專案

4、flexboxfroggy：一個幫助學習 CSS flexbox 知識的線上遊戲。遊戲一共 24 關，通俗易懂的解釋了 flex 佈局。適合初學者，並且支援中文，可以在 settings 中選擇語言。線上試玩

Go 專案

5、go-diagrams：用 Go 語言畫架構圖的工具。想畫架構圖不知道用什麼工具？會 Go 的小夥伴可以試試這個庫，通過編寫 Go 程式碼來繪製架構圖，介面使用方便，但文件太簡單了。示例程式碼：

d, err := diagram.New(diagram.Filename("app"), diagram.Label("App"), diagram.Direction("LR"))
if err != nil {
    log.Fatal(err)
}

dns := gcp.Network.Dns(diagram.NodeLabel("DNS"))
lb := gcp.Network.LoadBalancing(diagram.NodeLabel("NLB"))
cache := gcp.Database.Memorystore(diagram.NodeLabel("Cache"))
db := gcp.Database.Sql(diagram.NodeLabel("Database"))

dc := diagram.NewGroup("GCP")
dc.NewGroup("services").
    Label("Service Layer").
    Add(
        gcp.Compute.ComputeEngine(diagram.NodeLabel("Server 1")),
        gcp.Compute.ComputeEngine(diagram.NodeLabel("Server 2")),
        gcp.Compute.ComputeEngine(diagram.NodeLabel("Server 3")),
    ).
    ConnectAllFrom(lb.ID(), diagram.Forward()).
    ConnectAllTo(cache.ID(), diagram.Forward())

dc.NewGroup("data").Label("Data Layer").Add(cache, db).Connect(cache, db)

d.Connect(dns, lb, diagram.Forward()).Group(dc)

if err := d.Render(); err != nil {
    log.Fatal(err)
}

6、gorched：Go 語言寫的終端遊戲 Scorched Earth。它讓我想起了“百戰天蟲”這款遊戲，有同齡人嗎？一起來回味下

7、ali：能夠實時展示分析的壓力測試工具。現在壓測工具有很多，這款的亮點在於可以在終端實時展示壓測過程的曲線。一條命令搞定啟動：ali 地址

8、ferry：基於 Gin + Vue + Element UI 前後端分離的工單系統。該系統是集工單統計、任務鉤子、許可權管理、靈活配置流程與模版等等功能， 幫助減少跨部門之間的溝通，提升工作效率與工作質量，減少不必要的工作量與人為出錯率

Java 專案

9、retrofit-spring-boot-starter：一個適用於 Spring Boot 專案的輕量級 HTTP Web 框架。使用簡單方便，支援介面化的方式傳送 HTTP 請求。底層使用 Retrofit 實現，並支援了諸多功能特性增強，極大簡化開發

/**
* 定義介面
**/
@RetrofitClient(baseUrl = "${test.baseUrl}")
public interface HttpApi {

    @GET("person")
    Result<Person> getPerson(@Query("id") Long id);
}

/**
* 注入使用
**/
@Service
public class TestService {
    @Autowired
    private HttpApi httpApi;

    public void test() {
        // 通過httpApi發起http請求
    }
}

10、jmeter：Apache 開源的壓力測試工具。提供 GUI 操作介面就是可以點點點操作，也可以寫指令碼提高測試的自動化，它還不侷限於 Web 測試，支援更多壓力測試場景。我身邊 97% 從事測試相關工作的人都用過它，要不要來看看它的原始碼？純 Java 實現

11、mybatis-plus：一款好用的 Java 運算元據庫框架。MyBatis 增強工具包，提供了一些高效、實用、快捷的功能，使用它可以有效地節省您的開發時間。比如切換資料來源，只需修改配置檔案

List<User> userList = userMapper.selectList(
        new QueryWrapper<User>()
                .lambda()
                .ge(User::getAge, 18)
);

12、BilibiliTask：嗶哩嗶哩定時自動完成任務專案。該專案藉助 GitHub Action 自動完成：每日任務、投幣、直播簽到等，還可以把執行結果推送到微信，是一個解決重複勞動的有趣專案。按照專案首頁的教程，花點時間就能配置好，一勞永逸

JavaScript 專案

13、zooming：純 JS 實現支援移動端的影像縮放庫

14、AnotherRedisDesktopManager：一款支援多語言、多平臺的 redis 桌面管理工具。對比目前其它同型別工具，它擁有更豐富的功能、更高的穩定性和效能，支援叢集等功能

15、beeplay：讓你可以用 JS 寫一首“歌”的庫。線上嘗試，例項程式碼：

var beeplay = require('beeplay')

beeplay()
  .play(null, 2)
  .play('D#5', 1/4).play('E5', 1/4).play('F#5', 1/2)
  .play('B5', 1/2).play('D#5', 1/4).play('E5', 1/4)
  .play('F#5', 1/4).play('B5', 1/4).play('C#6', 1/4).play('D#6', 1/4)
  .play('C#6', 1/4).play('A#5', 1/4).play('B5', 1/2)
  .play('F#5', 1/2).play('D#5', 1/4).play('E5', 1/4)
  .play('F#5', 1/2).play('B5', 1/2)
  .play('C#6', 1/4).play('A#5', 1/4).play('B5', 1/4).play('C#6', 1/4)
  .play('E6', 1/4).play('D#6', 1/4).play('E6', 1/4).play('C#6', 1/4);

16、vant：由有贊前端團隊開源的移動端元件庫。目前官方提供了 Vue 版本和微信小程式版本，並由社群團隊維護 React 版本。有完善的中英文文件和示例，60+ 高質量元件，90%+ 單元測試覆蓋率，持續維護 4 年以上

17、Bilibili-Evolved：嗶哩嗶哩增強瀏覽器外掛。安裝外掛後可支援：下載視訊、刪除廣告、夜間模式等

Python 專案

18、asciinema：終端記錄工具。忘記錄屏軟體吧，純文字的錄製終端操作的工具。安裝簡單、使用方便，且生成的記錄檔案極小，但需要配合 JS 檔案播放

19、playwright-python：微軟開源的瀏覽器自動化工具，可以用 Python 語言操作瀏覽器啦。支援 Linux、macOS、Windows 系統下的 Chromium、Firefox 和 WebKit 瀏覽器

20、wagtail：目前最強大的開源 Django CMS（內容管理系統）之一。我很少用“最”這個字眼，節省時間就聊聊它驚豔到我的點吧。首先該專案更新、迭代活躍，其次專案首頁提到的功能都是免費的，沒有付費解鎖的騷操作。wagtail 專注於內容管理，不束縛前端實現。有趣的 StreamField 技術讓你的內容變得靈活且不失結構，竟然還支援 A/B 測試，最後 Google、NASA 他們都在用這個專案

21、redis-memory-analyzer：Redis 實時記憶體分析工具。我比較好奇它是怎麼實時獲取 redis 中 key 的情況和資訊，就看了下原始碼 scanner.py 檔案。發現是採用 scan_iter 方法，控制掃描 key 返回的量。然後通過 yield 減少記憶體佔用量，最後再加上 register_script 方法呼叫 Lua 指令碼或 pipeline 方法提高獲取 key 資訊的效率。分析後感覺這個工具可適用在資料量較大的情況，實時性要求在秒或者分鐘級的場景下

22、practical-python：大佬 David Beazley 開源的 Python 免費入門級教程。他是《Python Cookbook 第三版》、《Python 參考手冊》的作者，教程經過實際的教學實踐、包含課後練習題。線上學習，教程目錄如下：

Swift 專案

23、stats：macOS 選單欄上的監控工具。支援 CPU、GPU、記憶體、網路等監控和多語言

其它

24、ZY-Player：免費無廣告、高顏值+多平臺的桌面視訊資源播放器。功能如下：

  • 全平臺支援 Windows、Mac、Linux
  • 視訊源支援自定義, 支援匯入/匯出
  • 播放歷史, 自動跳轉歷史進度
  • 支援精簡模式, 摸魚划水
  • 顯示豆瓣評分

25、keysim：鍵盤配色預覽工具。“定製”這個操作一聽就很貴，下單之前先這個工具先看看效果吧，避免浪費錢。線上嘗試

26、tabler-icons：一組免費開源的圖示。目前共有 850+ 個圖示，我覺得都挺好看的，您覺得呢？

27、socialify：一鍵自動生成 GitHub 倉庫頭圖。很多 GitHub 開源專案的作者不會用 PS，想要製作一張專案推廣圖就很困難，Socialify 就是幫你解決這個頭疼的問題。線上嘗試

開源書籍

28、Mastering_Go_ZH_CN：《Mastering Go》的中文翻譯版《玩轉 Go》。線上閱讀

29、A-Philosophy-of-Software-Design-zh：《軟體設計的哲學》中文翻譯。線上閱讀

機器學習

30、video-object-removal：通過 Pytorch 實現繪製一個邊界框，即可刪除視訊中要刪除的物件。下圖是演示操作，框中紅色是抹掉的部分，刪除前後的效果對比圖可進到專案首頁檢視

31、mlflow：一個簡化機器學習開發的平臺，支援跟蹤實驗、程式碼打包、部署模型等。它提供了一套輕量級的 API，可與目前主流機器學習 TensorFlow、PyTorch、XGBoost 等庫輕鬆整合

# 安裝：$ pip install mlflow
# 啟動：$ mlflow ui
# 示例程式碼
import mlflow
mlflow.keras.autolog()
# other keras code
...

32、snownlp：一個 Python 寫的自然語言處理庫。使用簡單、功能強大，支援中文分詞、詞性標註、情感分析等

from snownlp import SnowNLP

s = SnowNLP(u'這個東西真心很贊')
s.words         # [u'這個', u'東西', u'真心',
                #  u'很', u'贊']
s.tags          # [(u'這個', u'r'), (u'東西', u'n'),
                #  (u'真心', u'd'), (u'很', u'd'),
                #  (u'贊', u'Vg')]
s.sentiments    # 0.9769663402895832 positive的概率

最後

如果你發現了 GitHub 上有趣的專案，歡迎在 HelloGitHub 專案提 issues 告訴我們。

相關文章