将Jupyter Notebook转化为Web应用的利器——Mercury
项目介绍
Mercury是一款强大的开源工具,旨在将Jupyter Notebook转化为交互式Web应用。通过Mercury,用户可以在Python Notebook中添加交互式小部件,从而轻松地将Notebook分享为Web应用。无需重写Notebook到Web框架,Mercury提供了一套简单易用的小部件,支持单元格的重新执行,极大地简化了数据科学家和开发者的分享流程。
项目技术分析
Mercury的核心技术在于其能够无缝集成Jupyter Notebook,并通过添加交互式小部件来增强Notebook的功能。这些小部件包括输入小部件、输出小部件和自定义小部件,用户可以根据需求选择合适的小部件来实现特定的交互功能。此外,Mercury还支持与众多Python库的集成,如Scikit-Learn、Pandas、Plotly等,使得用户可以在Notebook中使用这些库的功能,并将其转化为Web应用。
项目及技术应用场景
Mercury的应用场景非常广泛,主要包括:
- Web应用开发:将Jupyter Notebook转化为美观的Web应用,方便用户在线交互。
- 交互式演示:创建带有小部件的交互式演示文稿,支持在演示过程中重新计算幻灯片内容。
- 静态网站生成:将Notebook分享为静态网站,便于内容的分发和展示。
- 数据仪表盘:构建带有小部件的数据仪表盘,实时展示和分析数据。
- 报告生成:创建带有PDF导出、自动调度和邮件通知功能的报告(即将推出)。
- REST API服务:将Python Notebook作为REST API端点提供服务(即将推出)。
项目特点
Mercury具有以下显著特点:
- 无需前端经验:通过Python代码即可添加小部件,无需前端开发经验。
- 代码隐藏与显示:用户可以选择隐藏或显示Notebook的代码,保护知识产权。
- 导出功能:支持将执行后的Notebook导出为PDF或HTML格式。
- 多Notebook分享:无限制地分享多个Notebook,方便团队协作。
- 嵌入功能:支持将Notebook嵌入到任何网站中,增强内容的可访问性。
- 文件上传与下载:轻松实现Notebook中的文件上传和下载功能。
- 身份验证:即将支持为Notebook添加身份验证功能,增强安全性。
- 自动执行:即将支持自动调度Notebook的执行,实现自动化任务。
结语
Mercury为数据科学家和开发者提供了一个强大的工具,使得将Jupyter Notebook转化为Web应用变得简单而高效。无论是用于数据分析、演示、报告生成还是Web应用开发,Mercury都能满足您的需求。立即尝试Mercury,体验将Notebook转化为Web应用的便捷与乐趣!
📚 了解更多关于Mercury的信息,请访问RunMercury.com。
安装与使用
安装
Mercury兼容Python 3.7及以上版本。您可以通过以下命令进行安装:
pip install mercury
或者使用conda安装:
conda install -c conda-forge mercury
运行Demo
通过以下命令运行Mercury的Demo Notebooks:
mercury run demo
访问127.0.0.1:8000查看Demo Notebooks。
部署
Mercury提供了多种部署选项,包括使用Docker Compose在VPS上自托管、使用ngrok、Hugging Face Spaces等。此外,Mercury还提供了商业友好的Pro版本,支持更多高级功能和定制化选项。
🚀 立即开始使用Mercury,将您的Jupyter Notebook转化为强大的Web应用吧!
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00