PyScript：讓 Python 腳本在 Web 中跑起來

是下一個大事件嗎？如果繼續(xù)發(fā)展下去，有可能。

在 2022 年 PyCon 美國大會期間，作為主題演講嘉賓之一的 Peter Wang 公布了 PyScript，一種在 HTML 中直接編寫 Python 腳本的方法?；蛟S你不知道 Peter，但你可能聽說過 Anaconda，這是一種流行的開源的 Python 和 R 語言的發(fā)行版本，特別關(guān)注數(shù)據(jù)科學(xué)。Peter 正是 Anaconda 的 CEO 和聯(lián)合創(chuàng)始人。

換言之，PyScript 是由一家著名的科技公司開發(fā)的，這可能會保證它在不久的將來成為可行的方案。它在 Python 和 Web 開發(fā)者中受到了極大的關(guān)注，GitHub 上已有超過 10k 顆 Stars。然而，它是否能成為一個成功的、有競爭力的產(chǎn)品，取決于長期的時間和開發(fā)投入。目前，它還有一些已知的缺陷（將在最后討論）。

閑話少說，讓我們快速了解一下這個令人振奮的產(chǎn)品吧！

py-script 標簽

我們知道，HTML 文件是大多數(shù)網(wǎng)站最常見的元素。在創(chuàng)建網(wǎng)站時，我們的工作就是直接或間接地通過一些框架來編制 HTML 文件。在典型的 HTML 文件中，你會看到各種類型的標簽。例如，<head>定義了 HTML 頁面的元數(shù)據(jù)和關(guān)鍵信息，<title>是整個文檔的標題，而<h1>、<h2>等定義了不同級別的內(nèi)容標題。

如前所述，PyScript 允許你在 HTML 中編寫 Python 腳本，它使用一個特殊的標簽py-script。在這個標簽中，你可以嵌入 Python 腳本。要了解它是如何工作的，可以創(chuàng)建一個 HTML 文件，其中包含以下代碼，并使用 Chrome 瀏覽器打開該文件。在 Chrome 瀏覽器中，你應(yīng)該能夠看到類似下面這樣的內(nèi)容：

作者截圖

在上面的代碼片段中，你可能已經(jīng)注意到以下三個關(guān)鍵點：

link標簽定義了一個外部樣式表。在這個例子中，我們使用了 PyScript 提供的css文件。
我們使用script標簽來嵌入一個由src定義、由 PyScript 托管的外部腳本。我們使用了defer，這樣腳本會在下載和頁面解析完成后執(zhí)行——本質(zhì)上是一種延遲執(zhí)行，而不是實時執(zhí)行。
最有趣的部分是py-script標簽。如你所見，print("Hello, World!")是 Python 代碼。當執(zhí)行 HTML 文件時，就可以看到代碼求值結(jié)果。

這很酷，不是嗎？如果你不熟悉 Web 開發(fā)，但了解 Python，就可以使用 PyScript 嵌入任何有效的 Python 代碼。讓我們再看一個例子。

另一個 PyScript 示例（圖片由作者提供）

在這里，我們寫了一些需要計算的代碼，可以看到，腳本得到了正確的執(zhí)行。

py-env 標簽

在編寫更復(fù)雜的代碼時，就需要使用第三方庫。在這種情況下，我們可以利用py-env標簽。你可能已經(jīng)猜到的，env 是 environment 的縮寫。py-env標簽中列出了運行代碼所需的 Python 包。

你可能知道，許多數(shù)據(jù)科學(xué)家都使用 pandas 進行數(shù)據(jù)處理工作。讓我們看看下面的例子。

使用包的 PyScript（圖片由作者提供）

如你所見，我們在py-env標簽中指定了依賴項（即 Pandas），該標簽包含在head標簽中。如果頁面需要多個依賴項，可以在這里把它們?nèi)苛谐觯?/span>

<py-env>
  - pandas
  - matplotlib
  - numpy
</py-env>

復(fù)制代碼

如你所見，在py-script標簽中，我們確實可以使用 Pandas 庫來創(chuàng)建一個DataFrame對象。然而，當我們把打印出來時就會發(fā)現(xiàn)，它是一個單行，而不是一個結(jié)構(gòu)化的數(shù)據(jù)表。沒有一個適當?shù)慕Y(jié)構(gòu)，我們就無法理解這些數(shù)據(jù)。幸運的是，我們可以使用write函數(shù)（下文會討論）。

將內(nèi)容寫入指定標簽

除了 Python 中的標準打印函數(shù)print，作為腳本的一部分，PyScript 有自己的write函數(shù)，可以將數(shù)據(jù)發(fā)送到頁面上指定的 Web 元素中。請看下面的例子：

PyScript 寫函數(shù) write（圖片由作者提供）

與之前的例子相比，上述代碼片段有兩個重大變化：

我們現(xiàn)在定義了一個 id 為"DataFrame"的div，這樣稍后就可以引用。
在py-script標簽中，我們創(chuàng)建一個與之前相同的DataFrame對象。但現(xiàn)在，我們不是調(diào)用print，而是調(diào)用pyscript.write函數(shù)，請求 PyScript 處理并在"DataFrame"中顯示DataFrame對象。從輸出可以看到，我們現(xiàn)在有一個結(jié)構(gòu)化的表格了。

write函數(shù)不僅能夠打印表格，還能夠打印數(shù)字。下面的例子向你展示了我們?nèi)绾问褂?/span>matplotlib（一個流行的 Python 包，用于數(shù)據(jù)可視化）來顯示由 Python 創(chuàng)建的圖。

PyScript 打印圖（圖片由作者提供）

如你所見，write 函數(shù)以期望的方式顯示了圖。

py-repl 標簽

Python 學(xué)習的最好方法之一是使用 REPL：讀取（Read）、求值（Evaluate）、打?。≒rint）和循環(huán)（Loop）。也就是說，使用一個交互式的 Python 控制臺，輸入一些代碼，Python 對其進行求值并打印適當?shù)妮敵觯缓笾貜?fù)這個過程。Web 頁面也可以提供這樣的 REPL 環(huán)境，比如 Jupyter Notebook。

PyScript 可以使用py-repl標簽提供與此類似的東西。在這個元素中，你可以讓用戶自己編寫代碼，也可以以編程方式輸入代碼。請看下面的例子：

PyScript REPL（圖片由作者提供）

如你所見，上圖中有一個單元格，其中包括在py-repl標簽中指定的代碼。值得注意的是，單元格中的代碼可以引用我們之前在py-script標簽中定義的變量。一切看起來都很協(xié)調(diào)。

感想

本文介紹的內(nèi)容是現(xiàn)階段 PyScript 所能提供的主要亮點。它似乎是一個很有前途的產(chǎn)品，因為它提供了一個靈活的框架，讓 Python 程序員可以在沒有太多 Web 開發(fā)知識的情況下創(chuàng)建 Web 應(yīng)用。然而，也有其他類似的成功的產(chǎn)品，因此，競爭會很激烈。

例如，如果我需要為自己的數(shù)據(jù)科學(xué)項目創(chuàng)建一個 Web 應(yīng)用，我就會直接使用 Streamlit。它的功能已經(jīng)相對成熟。請注意，雖然都與 Web 開發(fā)有關(guān)，但 PyScript 和 Streamlit 屬于不同的產(chǎn)品系。PyScript 應(yīng)該更通用，因為它的目標是讓你可以在任何網(wǎng)頁上嵌入任何 Python 代碼，Streamlit 做不到這一點。

在 PyScript 為更多的人所接受之前，它有幾個問題必須解決。例如，Web 頁面的加載速度非常慢。如果你嘗試跟隨本教程運行代碼，可能就會注意到，在 Web 頁面的顯示會有一個明顯的滯后。

盡管如此，我還是覺得這個產(chǎn)品會繼續(xù)發(fā)展，我的信心主要來自于它的開發(fā)者——給我們帶來極好的 Anaconda 工具的 Anaconda 團隊。

本文最初發(fā)布于 Better Programming。

查看英文原文：Running Python Scripts on the Web Using PyScript

了解更多軟件開發(fā)與相關(guān)領(lǐng)域知識，點擊訪問 InfoQ 官網(wǎng)：https://www.infoq.cn/，獲取更多精彩內(nèi)容！

者：劉早起

來源：早起Python

如何在線執(zhí)行 pandas 代碼感興趣，今天就簡單來說一下我探索這一功能的過程。

首先在設(shè)計這一功能時，需要先明確大致需求：

???用戶可以在當前頁面執(zhí)行
不同用戶之間獨立運行
不需要加載額外代碼或操作

其中最重要的一點就是用戶可以在當前網(wǎng)站、當前單元格執(zhí)行代碼，其次盡可能的減少其他操作。

其實為了實現(xiàn)這個功能，我探索了大半個月，不斷修改方案，刪掉了幾個寫了很久但是不能完美實現(xiàn)的代碼，幾度放棄，最后還是磕磕碰碰的做出來，下面是我的一些經(jīng)驗，僅供參考。

方案1

首先最簡單的思路就是用自己的服務(wù)器，前端寫一個輸入框，然后將用戶提交的代碼到后臺，執(zhí)行后再返回前端，就像這樣

但是思索了一番還是放棄了，除了要防止惡意用戶執(zhí)行sudo rm - rf /*之類的代碼，為了滿足第二個需求就要給每個用戶分配一定的空間，這就很吃服務(wù)器的配置，例如前天最高100+用戶同時運行，我的 4c8g 服務(wù)器肯定是帶不動的。

并且如果采取這個的方案，理論上可以實現(xiàn)，但除了升級服務(wù)器要錢，我也沒有開發(fā)類似產(chǎn)品的經(jīng)驗，時間成本不好預(yù)估，遂放棄。

方案2

之后又是一番面向 stackoverflow 編程，我了解到很多可以在線執(zhí)行代碼的網(wǎng)站，就像這樣

確實可以在線執(zhí)行一段代碼，但是除去我是否能做出來，如何控制權(quán)限等問題，這樣的網(wǎng)站主要是以執(zhí)行代碼為主，無法完成 pandas 教程的任務(wù)。

并且代碼不能預(yù)設(shè)置，只能進入頁面后手動輸入，本地數(shù)據(jù)也不好加載，而且執(zhí)行一次就要跳轉(zhuǎn)到一個新的頁面，十分繁瑣（寫一個爬蟲接口也是一個辦法，但是就太依賴對方網(wǎng)站），于是很快放棄了這條思路。

Jupyterhub

繼續(xù)一番搜索后，我發(fā)現(xiàn)了一個神器 —— Jupyterhub

如上圖架構(gòu)展示的一樣，使用Jupyterhub 可以給每個用戶分配一個獨立的Jupyter Notebook，并且無需考慮權(quán)限等問題，我也可以提前將代碼和數(shù)據(jù)進行預(yù)設(shè)。

但問題在于采取此方案無法滿足教程需求，因為全部內(nèi)容都需要放在 Jupyter Notebook中，整體上就是將 pandas300題做成了在線版，而我想要的是一個網(wǎng)站。

并且使用Jupyterhub不可避免的要進行一些 docker 或 k8s 操作，這也不是我熟悉的領(lǐng)域，雖熱在這條思路上走了一段時間，但還是放棄了。

JupyterBook

之后又是一番檢索，但無非都是上面幾種方案，在我感覺要放棄做這個網(wǎng)站時，無意中發(fā)現(xiàn)一個項目JupyterBook

簡單來說，他可以將你的 Jupyter Notebook 轉(zhuǎn)換為 html 頁面（基于 sphinx），并且一個很重要的特點就是可以在線、交互式執(zhí)行代碼。

具體怎么實現(xiàn)的呢？首先需要將你的項目上傳到一個公共資源平臺binder，這個網(wǎng)站會為你的項目創(chuàng)建一個鏡像，這樣可以方便給不同用戶使用

簡單來說，可以理解為將你的 Jupyter Notebook 掛在這個網(wǎng)站，別人就能去在線執(zhí)行，但是很明顯，我們都需要跳轉(zhuǎn)到這個頁面去使用，而我希望在當前頁面執(zhí)行代碼。

這時就需要在使用另一個項目（Thebe）

它使用JupyterLab API，通過加載一段JS代碼，再指定一個執(zhí)行后端（上面提到的binder），就可以在當前頁面執(zhí)行代碼。

聽起來很復(fù)雜，但是實現(xiàn)起來很簡單，上面我們說到，JupyterBook 是基于 Sphinx制作頁面的，所以只需要提前在配置 Sphinx時加載 sphinx_thebe插件即可，

至此，開頭我需求中的1、2就完美實現(xiàn)了，還剩最后一個問題就是如何讓用戶更少的執(zhí)行代碼？

如果你體驗過我的網(wǎng)站，你會發(fā)現(xiàn)執(zhí)行一個 pandas 操作連 import pandas as pd和讀取數(shù)據(jù)的操作都不用！

其實這些代碼在啟動jupyter notebook時就預(yù)先加載了，只需要在對應(yīng)單元格上加上 thebe-init的 tag 即可。

當然，使用 JupyterBook 還是有很多坑，消耗我最多的時間就是在修改樣式上，默認的樣式如下，可能英文狀態(tài)下表現(xiàn)還行，但是到中文并不是很適配

為了大家不僅用的爽，我對網(wǎng)站顏值的要求也很高，于是爆改了幾千行的 css 和 js 代碼，甚至組件的位置都調(diào)整到小數(shù)點后兩位才讓我滿意，磕磕碰碰一個多月終于將整個網(wǎng)站做出來

最后，本文僅是對在線執(zhí)行代碼做了一個快速、不完整的總結(jié)。由于篇幅限制，還有很多搭建、部署網(wǎng)站細節(jié)的內(nèi)容沒有涉及到，如果你覺得不錯，歡迎點贊、轉(zhuǎn)發(fā)。

器之心報道

項目作者：vinayak mehta參與：一鳴

從 PDF 表格中獲取數(shù)據(jù)是一項痛苦的工作。不久前，一位開發(fā)者提供了一個名為 Camelot 的工具，使用三行代碼就能從 PDF 文件中提取表格數(shù)據(jù)。

PDF 文件是一種非常常用的文件格式，通常用于正式的電子版文件。它能夠很好的將不同的排版格式固定下來，形成版面清晰且美觀的展示效果。然而，對于想要從 PDF 中提取信息的人們來說，PDF 是個噩夢，尤其是表格。

大量的學(xué)術(shù)報告、論文、分析文章都使用 PDF 展示其中的表格數(shù)據(jù)，但是對于如果想要直接從表格中復(fù)制數(shù)據(jù)則會非常麻煩。不久前，有一位開發(fā)者提供了一個可從文字 PDF 中提取表格信息的工具——Camelot，能夠直接將大部分表格轉(zhuǎn)換為 Pandas 的 Dataframe。

項目地址：https://github.com/camelot-dev/camelot

Camelot 是什么

據(jù)項目介紹稱，Camelot 是一個 Python 工具，用于將 PDF 文件中的表格數(shù)據(jù)提取出來。

具體而言，用戶可以像使用 Pandas 那樣打開 PDF 文件，然后利用這個工具提取表格數(shù)據(jù)，最后再指定輸出的形式（如 csv 文件）。

代碼示例

項目提供的 PDF 文件如圖所示，假設(shè)用戶需要提取這些文字之間的表格 2-1 中的信息。

PDF 文件。我們需要提取表格 2-1。

使用 Camelot 提取表格數(shù)據(jù)的代碼如下：

>>> import camelot
>>> tables = camelot.read_pdf('foo.pdf') #類似于Pandas打開CSV文件的形式
>>> tables[0].df # get a pandas DataFrame!
>>> tables.export('foo.csv', f='csv', compress=True) # json, excel, html, sqlite，可指定輸出格式
>>> tables[0].to_csv('foo.csv') # to_json, to_excel, to_html, to_sqlite， 導(dǎo)出數(shù)據(jù)為文件
>>> tables
<TableList n=1>
>>> tables[0]
<Table shape=(7, 7)> # 獲得輸出的格式
>>> tables[0].parsing_report
{
 'accuracy': 99.02,
 'whitespace': 12.24,
 'order': 1,
 'page': 1
}

以下為輸出的結(jié)果，對于合并的單元格，Camelot 在抽取后做了空行處理，這是一個穩(wěn)妥的方法。

安裝方法

項目作者提供了三種安裝方法。首先，你可以使用 Conda 進行安裝，這是最簡單的。

conda install -c conda-forge camelot-py

最流行的安裝方法是使用 pip 安裝。

pip install camelot-py[cv]

還可以從項目中克隆代碼，并使用源碼安裝。

在線咨詢

您的項目需求

*請認真填寫需求信息，我們會在24小時內(nèi)與您取得聯(lián)系。

整合營銷服務(wù)商