在日常开发中，pandas、requests、selenium 等常见库几乎是标配，但随着时间推移，它们带来的“惊喜”逐渐消退。几个月前，我发现自己的脚本运行缓慢、重复冗余，维护起来枯燥乏味。于是，我开始尝试在主流榜单之外寻找更轻量、更高效的工具。结果意外收获了 10 个鲜为人知的 Python 库，它们极大改善了我的自动化流程。更重要的是，大部分上手不到 5 分钟即可使用。
1. Gino —— 高性能异步 ORM
传统 ORM 在异步环境下常常处理繁琐，Gino 基于 SQLAlchemy Core 构建，专为 FastAPI、Sanic 等异步框架设计。
from gino import Gino
db = Gino()
class User(db.Model):
__tablename__ = 'users'
id = db.Column(db.Integer(), primary_key=True)
name = db.Column(db.String())
async def get_users():
await db.set_bind('postgresql://user:pass@localhost/db')
users = await User.query.gino.all()
print(users)优势：简化数据库异步调用，消除传统 ORM 的阻塞问题。
2. Arrow —— 更优雅的时间处理
相比 datetime，Arrow 语法更直观，尤其在多时区、格式转换等场景下更友好。
import arrow
utc = arrow.utcnow()
local_time = utc.to('Asia/Shanghai')
print(local_time.format('YYYY-MM-DD HH:mm'))优势：适合跨时区任务调度、日志时间戳处理。
3. Tenacity —— 专业级重试机制
网络不稳定、API 超时常见，但手写重试逻辑冗余。Tenacity 用装饰器即可解决。
from tenacity import retry, stop_after_attempt
import random
@retry(stop=stop_after_attempt(3))
def unstable_task():
if random.randint(0, 1) == 0:
raise Exception("Network error")
print("Success!")
unstable_task()优势：轻松提升脚本稳定性。
4. RapidFuzz —— 高速模糊匹配
相比 Levenshtein，RapidFuzz 在大规模文本匹配场景下更快。
from rapidfuzz import fuzz
score = fuzz.ratio("automation", "automatoin")
print(score)优势：适合数据清洗、模糊查重。
5. Prefect —— 自动化任务编排
脚本一旦涉及多步骤流程，维护难度急剧上升。Prefect 提供可视化、可追踪的工作流编排。
from prefect import flow, task
@task
def extract():
return "data"
@task
def transform(data):
return data.upper()
@flow
def etl_flow():
data = extract()
clean = transform(data)
print(clean)
etl_flow()优势：让零散脚本转化为可管理的流水线。
6. Meilisearch-Py —— 轻量级搜索引擎
相比 Elasticsearch，Meilisearch 更轻巧，部署简单。
from meilisearch import Client
client = Client("http://127.0.0.1:7700")
client.index("books").add_documents([
{"id": 1, "title": "Deep Learning with Python"}
])优势：快速构建搜索功能，无需庞大依赖。
7. PyInputPlus —— 智能输入验证
在需要人工输入时，input() 功能有限。PyInputPlus 内置验证、重试、超时机制。
import pyinputplus as pyip
age = pyip.inputInt("请输入年龄: ", min=0, max=120)
print(age)优势：减少重复的校验代码。
8. CacheTools —— 高效缓存
频繁调用 API 时，缓存可节省请求次数和费用。CacheTools 提供灵活的缓存策略。
from cachetools import cached, TTLCache
cache = TTLCache(maxsize=100, ttl=300)
@cached(cache)
def get_data(x):
print("Fetching...")
return x * 2
print(get_data(5))
print(get_data(5))优势：避免重复请求，优化性能。
9. Zstandard —— 快速压缩
在日志归档、备份等任务中，Zstandard 在压缩比和速度上均优于 gzip。
import zstandard as zstd
cctx = zstd.ZstdCompressor()
compressed = cctx.compress(b"some large data")优势：降低存储成本，加快处理速度。
10. PikePDF —— 现代化 PDF 处理
相比 PyPDF2，PikePDF 更高效、稳定，底层基于 QPDF。
import pikepdf
pdf = pikepdf.open("input.pdf")
pdf.pages.rotate(0, 90)
pdf.save("output.pdf")优势：批量处理 PDF 文件更轻松。
这些库的价值不仅体现在功能上，更在于它们能自然融入自动化流程，减少冗余代码，提升可维护性。
建议开发者平时多做探索，不必等到“刚好需要”时才去寻找工具。提前储备，问题出现时自然能快速找到最优解。
