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、入門級的開源項目。
這是一個面向編程新手、熱愛編程、對開源社區感興趣 人群的月刊，月刊的內容包括：各種編程語言的項目、讓生活變得更美好的工具、書籍、學習筆記、教程等，這些開源項目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，加入到開源社區中。
- 會編程的可以貢獻代碼
- 不會編程的可以反饋使用這些工具中的 Bug
- 幫着宣傳你覺得優秀的項目
- Star 項目⭐️
在瀏覽、參與這些項目的過程中，你將學習到更多編程知識、提高編程技巧、找到編程的樂趣。
🎉 最后 HelloGitHub 這個項目就誕生了 🎉
以下為本期內容｜每個月 28 號發布最新一期｜點擊查看往期內容
C 項目
1、DungeonRush：元氣貪吃蛇游戲。作者受到元氣騎士的啟發，基於貪吃蛇進行一些玩法上的創新。該項目適用於 C 語言初學者、第一次嘗試使用跨平台圖形庫的同學，參考本項目就可以寫出一個可玩性高的游戲，收獲滿滿成就感
2、libhv：一個跨平台、簡單易用的非阻塞 IO 事件循環庫。用它可以快速的編寫 HTTP 客戶端/服務端，可提供高性能的 httpd 服務。項目模塊划分清晰，代碼可讀性高，快去看下源代碼吧。示例代碼：
#include "HttpServer.h"
int http_api_echo(HttpRequest* req, HttpResponse* res) {
res->body = req->body;
return 0;
}
int main() {
HttpService service;
service.base_url = "/v1/api";
service.AddApi("/echo", HTTP_POST, http_api_echo);
http_server_t server;
server.port = 8080;
server.service = &service;
http_server_run(&server);
return 0;
}
3、myscan：開源的多線程 socket 掃描 IP 端口的程序。目前僅支持 Windows 系統，代碼簡單可作為初學者學習項目
命令：
myscan -p Port1[,Port2,Port3...] [-t Thread](default 10) [-d] (DEBUG) StartIp EndIp
例子：
myscan -p 80 192.168.1.1 192.168.1.254
myscan -p 21,22,23,80,443,8080 -t 256 192.168.1.1 192.168.1.254
C++ 項目
4、contour：一個使用 C++ 17 開發的終端模擬器。可在 Windows、Linux 和 MacOS 三大平台使用，支持字體連字 Font Ligatures（例如 Fira Code 字體）、GPU 加速渲染、背景模糊（Win10、KDE）、256 色、True Color 和配色主題
5、milvus：一款開源的、針對海量特征向量的相似性搜索引擎。相比 Faiss 和 SPTAG 這樣的算子庫，Milvus 提供完整的向量數據更新，索引與查詢框架。Milvus 利用 GPU 進行索引加速與查詢加速，能大幅提高單機性能。部署使用簡單，降低了 AI 應用落地的難度
CSS 項目
6、cssgridgenerator：在線通過點擊動態生成基本的 CSS Grid 代碼。在線嘗試
Go 項目
7、gops：展示當前系統運行了那些 Go 程序的工具，同時支持深入分析的參數
# 展示當前運行的所有 Go 程序
$ gops
983 980 uplink-soecks go1.9 /usr/local/bin/uplink-soecks
52697 52695 gops go1.10 /Users/jbd/bin/gops
4132 4130 foops * go1.9 /Users/jbd/bin/foops
51130 51128 gocode go1.9.2 /Users/jbd/bin/gocode
# 某一個 Go 程序的詳細信息
$ gops <pid>
parent PID: 5985
threads: 27
memory usage: 0.199%
cpu usage: 0.139%
username: jbd
cmd+args: /Applications/Splice.app/Contents/Resources/Splice Helper.app/Contents/MacOS/Splice Helper -pid 5985
local/remote: 127.0.0.1:56765 <-> :0 (LISTEN)
local/remote: 127.0.0.1:56765 <-> 127.0.0.1:50955 (ESTABLISHED)
local/remote: 100.76.175.164:52353 <-> 54.241.191.232:443 (ESTABLISHED)
8、awesome-golang-leetcode：Go 語言刷 LeetCode。在線閱讀
9、wtf：瞥一眼你的“私人管家”，終端個人信息面板。安裝簡單，還可通過配置文件設置你想看到的信息。設置可能需要花一些時間，但最終效果還是很可以的
Java 項目
10、MusicPlayer：一款開源的 Java 桌面版音樂播放器，使用 JavaFX/Java 8 技術開發的項目
11、KafkaCenter：Kafka 集群管理維護、生產消費監控平台
12、incubator-dolphinscheduler：分布式易擴展的可視化 DAG 工作流任務調度系統。致力於解決數據處理流程中錯綜復雜的依賴關系，使調度系統在數據處理流程中開箱即用
JavaScript 項目
13、G2：一套面向常規統計圖表，以數據驅動的高交互可視化圖形語法，具有高度的易用性和擴展性。使用 G2，你可以無需關注圖表各種繁瑣的實現細節，一條語句即可使用 Canvas 或 SVG 構建出各種各樣的可交互的統計圖表。G2 是整個螞蟻金服 AntV 可視化解決方案中的一個環節，主要針對在高交互、高擴展的二維統計圖表
14、honeyed-words-generator：一個“土味情話”在線生成項目。支持生成圖片、分享二維碼，在線訪問。你們先看，我看完被撩到了我先去靜靜
15、gitmoji-cli：Git 交互式客戶端，方便在提交信息中增加 emoji 表情。終於知道別人的提交信息為什么會有表情了，效果如下圖：
16、panolens.js：基於 WebGL 的全景查看庫。效果如下：
.gif)
Python 項目
17、iredis：Python 語言寫的支持自動補全、語法高亮、命令提示等的 Redis 命令行客戶端。超好用，真是相見很晚啊
18、python-small-examples：Python 有趣、實用的代碼示例集合。包含：Python 基礎、小技巧、坑、文件操作、機器學習、繪圖等，代碼如下：
# pyecharts 繪制水球圖示例
from pyecharts import options as opts
from pyecharts.charts import Liquid, Page
from pyecharts.globals import SymbolType
def liquid() -> Liquid:
c = (
Liquid()
.add("lq", [0.67, 0.30, 0.15])
.set_global_opts(title_opts=opts.TitleOpts(title="Liquid"))
)
return c
liquid().render('./img/liquid.html')
19、httpx：使用簡單方便，輕松實現異步請求的 HTTP 客戶端（Python 3.8+)。示例代碼：
>>> import httpx
# 同步
>>> r = httpx.get('https://www.example.org/')
>>> r
<Response [200 OK]>
>>> r.status_code
# 異步
>>> async with httpx.AsyncClient() as client:
>>> r = await client.get('https://www.example.org/')
>>> r
<Response [200 OK]>
20、rssant：免費開源的 RSS 訂閱項目，服務端是 Django 寫的。你可以自己部署也可以直接使用在線版，遠離嘈雜的推薦、廣告，專注你訂閱的內容
.png)
Ruby 項目
21、homeland：開源免費、不限制商業使用的社區網站系統
其它
22、learnGitBranching：一個 Git 命令可視化學習項目。能夠生動形象的幫助開發人員理解、學習 Git 命令，通過一系列刺激的關卡挑戰，逐步深入的學習 Git 的強大功能。在線嘗試
.png)
23、Waking-Up：采用追問形式的后端面試問題總結。提問然后追問是面試常見模式，更加貼近真實面試
24、fucking-algorithm：解 LeetCode 題目集合。號稱“手撕 LeetCode 題目”，雖然之前推薦過不少解題集合，但是這次我還是沒忍住。該項目講究思路指南，解題思路描述清晰，真香啊
25、browser-2020：該項目匯集了瀏覽器鮮為人知的一些功能
機器學習
26、autokeras：Keras 官方出品基於 Keras 的 AutoML 系統。支持 CPU 和 GPU 訓練，傻瓜式 API，3 行代碼就能訓練一個模型。目前支持的任務：圖像分類、圖像回歸、文本分類、結構化數據分類等。將人從手工選擇超參數中解放出來，快速開發原型，官方口號“所有人都能使用機器學習”，官網
# 安裝命令 pip install autokeras
import autokeras as ak
clf = ak.ImageClassifier()
clf.fit(x_train, y_train)
results = clf.predict(x_test)
最后
如果你發現了 GitHub 上有趣的項目，歡迎在 HelloGitHub 項目提 issues 告訴我們。
關注 HelloGitHub 公眾號獲取第一手的更新