yara-python 项目教程
2024-08-17 15:50:22作者:秋泉律Samson
1. 项目的目录结构及介绍
yara-python 项目的目录结构如下:
yara-python/
├── docs/
├── examples/
├── tests/
├── yara/
├── .gitignore
├── .travis.yml
├── LICENSE
├── MANIFEST.in
├── README.md
├── setup.cfg
├── setup.py
目录介绍
- docs/: 包含项目的文档文件。
- examples/: 包含一些示例代码,展示如何使用 yara-python。
- tests/: 包含项目的测试文件,用于确保代码的正确性。
- yara/: 包含项目的主要源代码文件。
- .gitignore: Git 忽略文件,指定哪些文件或目录不需要被 Git 管理。
- .travis.yml: Travis CI 配置文件,用于持续集成测试。
- LICENSE: 项目许可证文件,本项目使用 Apache-2.0 许可证。
- MANIFEST.in: 指定在打包时需要包含的非 Python 文件。
- README.md: 项目说明文件,包含项目的基本信息和使用说明。
- setup.cfg: setuptools 配置文件,用于构建和分发项目。
- setup.py: 项目的安装脚本,用于安装和构建项目。
2. 项目的启动文件介绍
yara-python 项目的启动文件是 setup.py。这个文件主要用于安装和构建项目。以下是 setup.py 的基本内容:
from setuptools import setup, find_packages
setup(
name='yara-python',
version='4.5.0',
description='The Python interface for YARA',
author='Michael Dorman',
author_email='mjdorma@gmail.com',
url='https://github.com/VirusTotal/yara-python',
packages=find_packages(),
install_requires=[],
classifiers=[
'Development Status :: 2 - Pre-Alpha',
'Intended Audience :: Other Audience',
'License :: OSI Approved :: Apache Software License',
'Programming Language :: Python :: 2.6',
'Programming Language :: Python :: 2.7',
'Programming Language :: Python :: 3',
'Programming Language :: Python :: 3.2',
'Programming Language :: Python :: 3.3',
'Programming Language :: Python :: Implementation :: CPython',
'Topic :: Security',
'System :: Monitoring',
],
license='Apache-2.0',
keywords='yara',
project_urls={
'Documentation': 'https://yara.readthedocs.io/en/latest/yarapython.html',
},
)
启动文件介绍
- name: 项目名称。
- version: 项目版本号。
- description: 项目描述。
- author: 项目作者。
- author_email: 作者邮箱。
- url: 项目主页 URL。
- packages: 需要包含的 Python 包。
- install_requires: 项目依赖的其他包。
- classifiers: 项目分类信息。
- license: 项目许可证。
- keywords: 项目关键词。
- project_urls: 项目相关链接。
3. 项目的配置文件介绍
yara-python 项目的配置文件主要是 setup.cfg。这个文件用于配置 setuptools 的构建和分发选项。以下是 setup.cfg 的基本内容:
[metadata]
name = yara-python
version = 4.5.0
description = The Python interface for YARA
author = Michael Dorman
author_email = mjdorma@gmail.com
url = https://github.com/VirusTotal/yara-python
license = Apache-2.0
keywords = yara
[options]
packages = find:
install_requires =
yara
[options.package_data]
* = *.txt, *.rst
[options.entry_points]
console_scripts =
yara-ctypes = yara.cli:main
配置文件介绍
- [metadata]: 包含项目的元数据信息,如名称、版本、描述、作者等。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0195
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0124
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
项目优选
收起
暂无描述
Dockerfile
766
5 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.94 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
685
1.35 K
Ascend Extension for PyTorch
Python
721
892
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
457
446
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.08 K
1.11 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.01 K
262
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1 K
619
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
2.99 K
637
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
152
254