# Импортируется интерфейс конвертера
from py2jn import convert

# Конвертировать скрипт в ноутбук
convert(
    input_path="script.py",
    output_path="script_converted.ipynb",
    split_markers=True
)

🟢 Читает Python-скрипт (.py)
🟢 Находит многострочные строки (тройные кавычки) и превращает их в Markdown-ячейки
🟢 Остальной код разбивает и вставляет как код-ячейки
🟢 Сохраняет конечный файл .ipynb, который сразу можно открыть в Jupyter / Colab
🟢 Упрощает превращение рабочих скриптов в учебные ноутбуки или демонстрации

🟢 Поддержка Python 3.8+.
🟢 Обеспечивает простой API: Dobot(ip="…", port=…), методы Connect(), Move(), SetIO().
🟢 Малознакомая — шанс внедрить под задачи автоматизации физического устройства без сложной установки.
🟢 Особо полезна, если работаешь с робототехникой, автоматикой, DIY-проектами с ардуино/роборуками.

pip install DobotTCP

from reconic import Reconic

r = Reconic(network="192.168.1.0/24")
hosts = r.discover()
r.scan_ports(hosts, ports=[22,80,443])
r.save("netmap.json")

🟢 Обнаруживает живые устройства в указанной подсети
🟢 Выполняет порт-сканирование для заданного списка портов (по умолчанию часто используемых)
🟢 Составляет структурированный результат (например, JSON или CSV)
🟢 Позволяет быстро получить “карту” сети и вести инвентаризацию устройств
🟢 Упрощает стартовую фазу автоматизации безопасности или сетевого аудита

🟠 Unified InferenceData: Структурированный способ организации posteriors, предсказаний, наблюдений и логов в одном объекте.
🟠 Расширенные визуализации: traceplots, diagnostics (R-hat, ESS), posterior_predictive checks через Matplotlib и Bokeh.
🟠 Интеграция с популярными инструментами: поддержка PyMC, Pyro, Stan и xarray.
🟠 Поддержка аналитики Bayes-моделей: summarization, posterior checks, model comparison и diagnostics удобны и понятны.
🟠 Открытый проект, активно развивается, лицензия Apache 2.0.

pip install arviz

🧑‍💻 Пример использования:

import arviz as az
import pymc as pm

with pm.Model() as model:
    α = pm.Normal("α", 0, 1)
    β = pm.Normal("β", 0, 1)
    σ = pm.HalfNormal("σ", 1)
    μ = α + β * pm.Data("x", [1,2,3,4,5])
    y = pm.Normal("y", μ, σ, observed=[1.2,1.9,2.8,4.1,4.9])
    idata = pm.sample(return_inferencedata=True)

# Cводка результатов
print(az.summary(idata, var_names=["α", "β", "σ"]))

# Трассировка параметров и автокорреляции
az.plot_trace(idata, var_names=["α", "β"])

from pentestgpt import PentestGPT

tool = PentestGPT(target="https://example.com")
tool.brainstorm()
tool.run_scan()
tool.discuss_results()

🟢 Позволяет подключить LLM (ChatGPT API) и автоматизировать работу по разведке / анализа уязвимостей
🟢 Интерактивный режим: “brainstorm”, “discuss”, “run_scan” и т.д.
🟢 Помогает связать результаты инструментов с логикой LLM
🟢 Подходит для тех, кто хочет сделать часть пентеста “умнее”, а не только вручную

🟢 Поддержка Windows GUI API: работает с Win32, UI Automation и UWP-приложениями.
🟢 Эмуляция действий пользователя — клики, ввод текста, навигация, получение текста элементов.
🟢 Не требует сложной настройки: работает “из коробки” на Windows.
🟢 Полезна для тестирования программ, автоматизации рутины, создания ботов и утилит.
🟢 Поддержка Python 3.6+ и открытый исходный код.

pip install pywinauto

# Примерный вызов (адаптирован)
from daily import file_organizer

file_organizer.run(src="/Users/user/Downloads", mode="by_extension")

🟢 В комплекте: скрипт «FileOrganizer» — перемещает файлы по расширениям. (пример из списка)
🟢 Скрипты для отправки писем, переименования, скачивания, обработки изображений, работы с PDF и т.д.
🟢 Модули организованы как «выбери нужный скрипт → настрой → запусти».
🟢 Хорошее стартовое решение, если хочешь не писать с нуля, а подправить готовый.

🟢 Поддержка Python 3.x — версия 1.0.1, загружена 25 июня 2025 года.
🟢 Минимум зависимостей — почти “чистый” Python, облегчает внедрение в проекты.
🟢 Декоратор @hybridmethod позволяет методу работать как на экземпляре класса, так и как асинхронная версия при необходимости — удобно для библиотек, которые хотят поддерживать оба режима. (описание в docs пакета)
🟢 Подходит для проектов, где часть кода асинхронная (async/await), часть синхронная, и хочется единый API без “два метода”: sync и async.

pip install hybridmethod

import nltk
from nltk.tokenize import word_tokenize, sent_tokenize
from nltk.corpus import stopwords
from nltk.probability import FreqDist

def text_summarizer(text, num_sentences=3):
    stop_words = set(stopwords.words("english"))
    words = word_tokenize(text.lower())
    freq = FreqDist(w for w in words if w.isalpha() and w not in stop_words)
    sentences = sent_tokenize(text)
    sentence_scores = {sent: sum(freq[word.lower()] for word in word_tokenize(sent) if word.lower() in freq)
                       for sent in sentences}
    top = sorted(sentence_scores, key=sentence_scores.get, reverse=True)[:num_sentences]
    return " ".join(top)

text = """…длинный текст…"""
print(text_summarizer(text, num_sentences=3))

🟢 Разбивает текст на предложения и слова
🟢 Убирает “стоп-слова” (например “and”, “the”, “is”)
🟢 Вычисляет частоты оставшихся слов
🟢 Оценивает предложения по сумме частот слов
🟢 Выбирает топ-N предложений как “резюме”

🟢 Поддержка Python 3;
🟢 Модули внутри: fileutils, asyncutils, iterutils, collectionsutils, importutils;
🟢 Хороший выбор, если ведется работа с автоматизацией, скриптами, небольшими веб-процессами и нужна “быстрая сборка” без создания собственной библиотеки с нуля.

pip install utilspie

🟢 Содержит папки с проектами вроде “note-take”, “image-viewer”, “moviepicker”, “chatbot-gui”, “file-explorer” и др.
🟢 Можно взять любой скрипт из коллекции, изучить, запустить, изменить под себя
🟢 Подходит для экспериментов: обучения, портфолио, мелких задач “сделай-сам”

🟢 Небольшой и простой API — легко встраивается в существующие приложения.
🟢 Высокая производительность для поиска по миллионам точек при ограниченных ресурсах.
🟢 Поддержка фильтрации по метаданным — можно искать ближайших соседей с учётом дополнительных условий.
🟢 Подходит для локальных и встраиваемых сценариев (desktop, edge, microservices) — минимальные требования к окружению.
🟢 Pythonic API — удобная сериализация/десериализация индексов для хранения и быстрой загрузки.

pip install annlite

python RepairCSV.py input_data.csv cleaned_data.csv

🟢 Устраняет часто встречающуюся проблему при импорте CSV-файлов с экранированными кавычками в SQLite или другие СУБД.
🟢 Автоматизирует “ручную чистку” файлов — экономится время.
🟢 Простой в использовании: минимум настроек, подходит “из коробки”.

🟢 Поддержка Python 3.x (версия 0.19.0 выпущена 28 августа 2025).
🟢 Стандартный API: позволяет запускать корутины, проверять флаги отмены, реализовывать тайм­ауты и безопасную отмену в многопоточном/асинхронном окружении.
🟢 Отличается минимальными зависимостями, что делает её подходящей для встроенных сервисов, автоматизации, скриптов с async logic.

pip install nonos