Pythoner

✈️Модуль filecmp — это стандартная библиотека Python для быстрого сравнения файлов и папок “из коробки”, без ручных циклов и чтения содержимого. ➡️Когда полезно? - Проверка совпадения файлов при резервном копировании - Сравнение директорий при деплое, тестировании, синхронизации - Быстрый аудит изменений между двумя версиями данных ➡️Пример сравнения файлов:

    
        import filecmp

print(filecmp.cmp('file1.txt', 'file2.txt'))  # True, если содержимое идентично{}
    

➡️Пример сравнения директорий:

    
        import filecmp

d = filecmp.dircmp('dirA', 'dirB')
d.report()  # Сводный отчёт: что совпадает, что отличается{}
    

💡Плюсы: - Сравнение по содержимому и метаданным - Умеет работать рекурсивно с подпапками - Не надо писать собственные “обходы” и проверки 🐍 Pythoner

✈️Популярный Python-инструмент для скачивания видео, аудио и изображений с 1000+ сайтов (YouTube, Twitter, Bilibili и др.). Работает напрямую через командную строку без API-ключей. ➡️Пример использования:

    
        # Скачать видео/аудио по ссылке (автоопределение качества)
you-get https://www.youtube.com/watch?v=dQWgXcQ

# Показать доступные форматы без скачивания
you-get --info https://vimeo.com/1236789

# Скачать конкретный формат (по itag)
you-get --itag=137 https://youtu.be/VIDEO_ID  # 4K
you-get --itag=140 https://youtu.be/VIDEO_ID  # Аудио 128kbps{}
    

💡Хотите выбрать качество? Добавьте --info к команде, чтобы увидеть доступные варианты перед загрузкой. 🐍 Pythoner

Запустите рекламу в телеграм-каналах с Яндекс Директом Перфоманс-реклама теперь в телеграм-каналах ⚡ Яндекс Директ знает, как привлечь целевую аудиторию 💰👌 Попробовать #реклама yandex.ru О рекламодателе

✈️pdoc – автоматически создаёт чистую и современную документацию из docstring и аннотаций типов Python. Альтернатива Sphinx с фокусом на простоту и читаемость. pdoc превращает docstring и type hints в интерактивную документацию без сложных конфигов. ➡️Пример использования:

    
        # Генерация документации для модуля
pdoc ./my_module --output-dir ./docs{}
    

🖥GitHub 💡Плюсы: Поддержка type hints и математических формул в Markdown из коробки. 🐍 Pythoner

✈️Keyring – библиотека для работы с системным хранилищем учетных данных (Keychain, KWallet, Secret Service). Позволяет безопасно хранить и получать пароли, используя механизмы защиты ОС. ➡️Главная задача: Устраняет необходимость хранения паролей в конфигах или коде, используя защищенные системные хранилища. ➡️Пример использования:

    
        import keyring
# Сохранение
keyring.set_password("my_app", "username", "secret123")
# Получение
password = keyring.get_password("my_app", "username"){}
    

🖥GitHub 💡Ключевое преимущество: Кроссплатформенная работа с нативными хранилищами (Windows Credential Locker, macOS Keychain, Linux Secret Service) без привязки к конкретной ОС. 🐍 Pythoner

✈️Практическое руководство по реализации современных языковых моделей (включая GPT) на чистом Python и PyTorch. Идеально для изучения архитектуры LLM без использования готовых библиотек. ➡️Главная задача: Понять внутреннее устройство трансформеров и механизмов self-attention через построение моделей поэтапно — от токенизации до генерации текста. ➡️Установка (клонирование репозитория):

    
        git clone https://github.com/rasbt/LLMs-from-scratch.git
cd LLMs-from-scratch
pip install -r requirements.txt{}
    

➡️Упрощенный пример для наглядности:

    
        from src.model import GPT
# Создание экземпляра модели
model = GPT(vocab_size=10000, n_heads=8, n_layers=6)
# Обучение модели
model.train(text_data, epochs=10){}
    

🖥GitHub 💡Основной плюс: Полная прозрачность реализации — каждый компонент (positional encoding, multi-head attention) написан вручную с пояснениями в Jupyter-ноутбуках. 🐍 Pythoner

✈️Сегодня поговорим о том, как создавать крутые CLI-приложения с помощью Click. Если вам надоело писать бесконечные if'ы для обработки аргументов командной строки, то этот пост определенно для вас! ➡️Начнем с того, почему вообще стоит использовать Click, а не встроенный argparse: —Декораторный подход, который выглядит элегантно и интуитивно понятен —Автоматическая генерация справки и сообщений об ошибках —Вложенные команды из коробки —Поддержка автодополнения в shell ➡️Давайте посмотрим на простой, но реальный пример. Представим, что мы делаем утилиту для работы с файлами:

    
        import click

@click.group()
def cli():
    """Утилита для работы с файлами"""
    pass

@cli.command()
@click.argument('path')
@click.option('--lines', '-l', is_flag=True, help='Показать количество строк')
def analyze(path, lines):
    """Анализирует файл и выводит статистику"""
    try:
        with open(path) as f:
            content = f.readlines()
            if lines:
                click.echo(f'Количество строк: {len(content)}')
    except FileNotFoundError:
        click.secho('Файл не найден! 😱', fg='red')

if __name__ == '__main__':
    cli(){}
    

Крутая штука в Click – это то, как легко добавлять новые команды. Хотите добавить подкоманду? Просто навешиваете еще один декоратор! ➡️А теперь лайфхак, который многие упускают: Click умеет создавать красивые прогресс-бары:

    
        @cli.command()
@click.argument('path')
def process(path):
    """Обрабатывает файлы с прогресс-баром"""
    files = os.listdir(path)
    with click.progressbar(files, label='Обработка файлов') as bar:
        for f in bar:
            # что-то делаем с файлом
            time.sleep(0.1){}
    

➡️Про что еще стоит знать? Click отлично работает с цветным выводом. Хотите привлечь внимание пользователя? Используйте click.secho():

    
        click.secho('Внимание! 🚨', fg='yellow', bold=True)
click.secho('Ошибка! ❌', fg='red')
click.secho('Успех! ✅', fg='green'){}
    

➡️И напоследок, трюк – создание интерактивных подтверждений:

    
        if click.confirm('Уверены, что хотите удалить все файлы? 🤔'):
    click.echo('Поехали! 🚀'){}
    

📂Документация 🐍 Pythoner

✈️EasyOCR – это библиотека на Python, которая позволяет легко извлекать текст из изображений и PDF. Она поддерживает более 80 языков и идеально подходит для автоматизации обработки документов. ➡️Основная задача: Распознавание текста на изображениях с высокой точностью, даже в сложных условиях (разные шрифты, низкое качество). ➡️Пример использования:

    
        import easyocr

reader = easyocr.Reader(['ru', 'en'])  # Выбираем языки (русский и английский)  
result = reader.readtext('image.jpg')  # Распознаём текст  
print(result)  # Выводим результат{}
    

🖥GitHub 💡Главный плюс: Поддержка множества языков из коробки и простота интеграции в Python-проекты. Отлично подходит для задач автоматизации, анализа документов и обработки изображений. 🐍Pythoner

✈️В Python деструкторы — это специальные методы, которые вызываются, когда объект собирается с мусором (т.е., когда он больше не нужен и память, занимаемая объектом, освобождается). Деструкторы позволяют выполнить некоторые завершающие действия перед уничтожением объекта, например, освободить ресурсы или завершить соединения. ➡️Применение деструкторов ограничено в связи с наличием сборщика мусора. Их стоит использовать только когда нужно правильно освободить внешние ресурсы, например файлы. ➡️Вот пример класса с деструктором:

    
        class MyClass:
    def __init__(self, name):
        self.name = name
        print(f"Объект {self.name} создан.")

    def __del__(self):
        print(f"Объект {self.name} уничтожен.")

# Создаем объект класса
obj = MyClass("TestObject")

# Удаляем объект
del obj

# Если вы хотите избежать автоматического освобождения памяти,
# можете использовать осмысленное завершение программы, например:
import time
time.sleep(1)  # daем немного времени, чтобы увидеть сообщение деструктора{}
    

⬆️В этом примере создается объект MyClass, после чего его деструктор будет вызван при удалении объекта с помощью команды del obj. Таким образом, в консоль будет выведено сообщение о создании объекта, а затем сообщение о его уничтожении. 🐍Pythoner

✈️glom – это библиотека для обработки и трансформации данных в Python. Она помогает легко извлекать, преобразовывать и структурировать сложные данные, такие как JSON или вложенные словари. ➡️ Ключевая функция: Позволяет работать с глубоко вложенными структурами данных через простой и читаемый синтаксис, заменяя многострочные операции цепочками .get() или вложенными циклами. ➡️Пример использования:

    
        from glom import glom

data = {'a': {'b': {'c': 'Hello, glom!'}}}
result = glom(data, 'a.b.c')  # Достаём значение по цепочке ключей
print(result)  # Вывод: 'Hello, glom!'{}
    

🖥GitHub 💡Главный плюс: Уменьшает сложность кода при работе с глубоко вложенными структурами, делая его чище и удобнее для поддержки. 🐍Pythoner