DevWeekly收集整理每周优质开发者内容，包括开源项目、资源工具、技术文章等方面。
每周五定期发布，同步更新到 知乎：Jackpop 和公众号：平凡而诗意 。
欢迎大家投稿，提交issue，推荐或者自荐开源项目/资源/工具/文章~
订阅方式：
Star并收藏项目DevWeekly
关注 知乎：Jackpop
开源项目
1. spotify2mp3
Python Star:59
简单的免费和无限的Spotify播放列表下载工具，只需要在网页版Spotify打开并复制 URL，就可以实现播放列表的下载，而且还可以把Spotify转换成mp3格式。
2. boihut
Python Star:10
关于 Boihut - 用Django制作的电子商务商店（书店）。
Boihut是一个用Django开发的电商书店，这个项目能够增加对Django和python的了解：
功能包括：
首页
按类别分类的书籍
用户登录和注册
用户购物车
结算系统
用户仪表板
3. stock
Python Star:5.6k
用Python开发的一个股票系统，具有数据抓取、统计分析、报表展示一系列功能。不仅可以用于简单的数据分析场景，还可以用于数据的可视化。
4. discoart
Python Star:1.2k
discoart是一款生成艺术图片的项目，只需要提供一张基础图片，它就可以通过AI算法对图片进行自动处理，生成艺术图片。
5. Simple-Calendar
Kotlin Star:2.9k
Simple-Calendar是一款高度可定制的、离线的安卓日历应用程序。
具有事件、任务、可定制的颜色、小工具等特性，而且没有广告。
6. mini-twitter-clone
Go Star:6
用Go语言开发twitter迷你克隆版，是一个不错的Go语言练习项目，在这个项目中可以学习Go中CURD、基本语法的用法。
7. hypershift
Go Star:242
HyperShift是一个用于大规模托管OpenShift控制面板的中间件，它解决了成本和配置时间的问题，并通过管理和工作负载之间的分离实现跨云的可移植性。
集群是完全符合OpenShift容器平台（OCP）的集群，与标准的OCP和Kubernetes工具链兼容。
8. Hacking-Windows
C Star:992
一个免费的Windows C开发课程，可以学习Win32API，并在x86和x64环境下利用IDA Free进行每一步的逆向工程。
9. ricochet
C++ Star:3.6k
Ricochet是一款实验性的即时通讯工具，它是一款完全匿名的工具，你可以在不向任何人暴露你的身份（或IP地址）的情况下聊天，没有人可以发现你的联系人是谁或你什么时候说话（无元数据！）。
它是跨平台的，对非技术用户来说很容易使用。
10. BlocklyML
JavaScript Star:373
BlocklyML是一个建立在谷歌Blockly上、简单的可视化编程工具，用于Python和ML。
资源工具
1. Oh My Git!
Oh My Git!将Git存储库的内部结构实时可视化，用户可以实时看到他们每个动作的结果。
为了照顾刚接触Git的人，这款工具采用了定制设计的扑克牌界面。这些卡片有助于记住新引进的 Git 命令，同时也包含简短的描述和图标。
因此，它们结合了动作和文档，能够帮助用户更容易的学习Git。
2. Flexbox Froggy
做前端开发经常会和CSS打交道，但是如果没有掌握它的语法就很难轻松顺畅的完成开发。
Flexbox Froggy是一个学习CSS Flexbox的游戏，可以通过游戏来学习CSS。
3. Programmer Browser
一个专门为程序员设计的快速搜索和节省空间的浏览器。
4. Semgrep
Semgrep是一个快速、开源的静态分析工具，用于在编辑、提交和CI时查找错误并执行代码标准。开始使用→。
Semgrep在你的电脑或构建环境中对代码进行本地分析，代码不会被上传。
5. Lux
用Go编写的快速而简单的视频下载库和CLI工具。
支持优爱腾、B站、抖音、快手、西瓜视频等主流长、中、短视频平台。
技术文章
1. 10个Matplotlib数据可视化指南
Matplotlib是Python中使用非常频繁，非常知名的绘图工具。
但是，很多同学都是在用到时才会想着搜索一下如何绘制指定的图像，很少回去系统的了解和学习。
这篇文章讲解了数据可视化中10种常用的图示，例如，折线图、柱状图、饼状图、时间序列、直方图、热力图等等，并且每种图示都给出了对应的示例。
2. 数据科学必备的10个Python工具
由于其简单易懂的语法和多功能的库，Python目前非常流行。
Python目前在很多领域都有很深的应用，数据科学就是七种一个重点领域。
数据科学不仅要理解复杂的业务和算法，并对现有的数据进行打磨，以便解释它们。
为了使事情这件事情变得更容易，目前存在各种库和工具来处理这种繁琐的任务。
这篇文章就列举了Python中不可或缺的10款数据科学工具。
