在我初学 Python 的时候，始终习用着装置式的编辑器软件，比方 PyCharm 和Spyder。并且，始终认为编辑器都是这种模式的，有的区别只是体验和性能上的差别。
直到我起初遇到了 Jupyter Notebook，发现它是基于 web 来运行代码的，并且能够还写markdown 的文本，间接突破我对编辑器的意识。
然而，最近又发现了一个新的 Jupyter Notebook 工具，再次突破我的意识。应用它能够不必在 web 敲代码了，它能够让咱们在 终端命令行 应用Jupyter Notebook
web 和终端比照
更神奇的是，它也反对代码交互和 markdown 的富文本。尽管代码在哪敲都是敲，并没有扭转实质，但真没想到基于 web 的 Jupyter Notebook 有一天还能够在命令行中运行，和大家分享一下，说不定哪天能用上。
这个工具就是 nbterm，上面来介绍下。
GitHub 链接：https://github.com/davidbroch…
nbterm 的应用姿态
1. 装置
反对各种软件治理包的下载。
$ pip install nbterm或者conda
$ mamba install nbterm -c conda-forge除此外，还须要一个内核，比方实用于 Python 的ipykernel或xeus-python，实用于 C ++ 的xeus-cling。
2. 启动 notebook
$ cd ~/nbterm #你的 nbterm 存储门路
$ nbterm my_notebook.ipynb而后应用终端来敲代码：
3. nbterm 根本命令
输出 help 能够看到 nbterm 命令的其它命令选项。
$ nbterm --help
Usage: nbterm [OPTIONS] [NOTEBOOK_PATH]
Arguments:
[NOTEBOOK_PATH] Path to the notebook. [default:]
Options:
--no-kernel Don't launch a kernel.
--run Run the notebook.
--save-path TEXT Path to save the notebook.
--version Show the version and exit.
--help Show this message and exit.比方，在批处理模式中运行 notebook 所有单元。
$ nbterm --run my_notebook.ipynb如果未应用 --save-path 指定新名称，则会主动生成名为 my_notebook_run.ipynb 的新文档。
嵌入式用法
除了下面那样操作以外，也可把 nbterm 当作库嵌入到本人的程序中，所有协作者都能够进行编辑。比方你能够重新排列单元格，而后一起运行：
import asyncio
from nbterm import Notebook
nb = Notebook("my_notebook.ipynb")
nb.cut_cell(3)
nb.paste_cell(1)
asyncio.run(nb.run_all())
nb.save()一个轻量级 Jupyter 的尝试
这个工具的创作者叫 David Brochart，是一位任职于 quantstack 的软件开发员，致力于 Jupyter 生态库的开发，比方 nbclient、jupyter-client、ipykernel、ipywidgets 等。
他自己提到，nbterm不会重用 Jupyter 的根本组件，如 jupyter-client 和nbformat，而是想要尝试不波及向后兼容限度的新我的项目，或者说测试一下开发一个轻量 notebook 客户端的难度，所以当初的 nbterm 还是一个相当精简的代码库。
显然，nbterm对于 notebook 而言还是有一些性能须要欠缺的，比方终端尽管只限度于显示字符。不过 ASCII 码能够使这个问题迎刃而解。
大佬曾经应用 ASCII 后端对 matplotlib 图形库尝试了绘制：
但这个绘制目前还只能在 MacOS 上应用。
除此之外，该我的项目也提出了要增加一些相似 ipywidgets 的交互性能，以及更多简略的滑块、按钮、菜单等 GUI 部件等。
这个工具尽管目前来看可用性不强，但也的确是一个启发。就像我过后感觉 web 敲代码很奇怪一样，随着逐步相熟也就习惯了，只有它香我在哪敲都行，命令行里敲还能顺便装一下。
参考链接：
[1] https://github.com/davidbroch…
[2] https://blog.jupyter.org/nbte…
开源前哨日常分享热门、乏味和实用的开源我的项目。参加保护 10 万 + Star 的开源技术资源库，包含：Python、Java、C/C++、Go、JS、CSS、Node.js、PHP、.NET 等。