این پست رو ما اگه سال پیش میخوندم میگفتم چرت و پرته محضه از نظره خودم
ولی الان با بیشترش موافقم.

اینکه میگین DRY, خیلی مهمه که DRY به جای don't repeat yourself تبدیل نشه به don't respect yourself.
مثلا یک وب فریمورک اصلا نیازی نداره که از دیتابیس آگاهی داشته باشه, اتفاقی که تو جنگو نمیفته ولی تو fastapi میفته و همین موضوع fastapi رو خیلی قشنگ تر میکنه, چون به شدت solid تر از جنگو هست.
تو قاعده DRY تو یک وب فریم ورک, ما یک سری نیاز اساسی و کلی داریم که تو هر وب فریم ورکی باید تعریف شه, و FastAPI تقریبا همه رو شامل کرده. حالا در خصوص bottle نمیتونم نظری بدم چون باهاش کار نکردم.
ولی باید این مرز رو رعایت کنید, که دوباره از اون سمت نیوفتین, مثلا چه کاریه بیایم از پایتون استفاده کنیم وقتی کلی built in module داره که ما ازش استفاده نمیکنیم؟ این طرز فکر به نظره من حماقته, و باعث میشه reinvent the wheel رو انجام بدید.

پس بنظره من DRY باید تو چهارچوب SOLID باشه و کم حجم نگه داشتن پروژه به صورت همزمان با رعایت بالانس. 👍
@ManiFoldsPython

The DRY principle is stated as "Every piece of knowledge must have a single, unambiguous, authoritative representation within a system". The principle has been formulated by Andy Hunt and Dave Thomas in their book The Pragmatic Programmer.[2] They apply it quite broadly to include database schemas, test plans, the build system, even documentation.[3] When the DRY principle is applied successfully, a modification of any single element of a system does not require a change in other logically unrelated elements.

اینم تعریف DRY.
خیلیا فکر میکنن DRY یعنی خودشونو تکرار نکنند, در صورتی که خیلی جاها باید کدمون رو تکرار کنیم تا دیزاین پترن و architecture تمیزی داشته باشیم که flexible و scalable باشه. چیزی که flexible نیست بنظر من به راحتی scalable نیست.

حواستون به تعاریف باشه
@ManiFoldsPython

از وقتی با pydantic آشنا شدم دیگه هیچ ولیدشنی ننوشتم.
یا خودم براش arbitrary types تعریف کردم اگه تو built in اش نبود که یک بار برای همیشه validation اش رو بنویسم تموم شه بره.
تقریبا تو همه crawler هام ازش استفاده میکنم. خلاصه دریغ نکنید از این لایبری خوشگل. 😁 هرچی کد میبینم تو لایبری های قدیمی میگم اینو میشه دقیقا با pydantic بیای ریفکتور کنی... مثل graphene که اخیرا باهاش کار کردم

@ManiFoldsPython

اگه کارت دانشجویی و ایمیل آکادمیک فعال داشته باشین, میتونید ایمیلتون رو وصل کنید به اکانت گیب هاتون و کارت رو آپلود کنید, تا اکانتتون PRO شه و از خدمات دانشجویی بهره ببرین

نمیدونم با دانشگاه های ایران بشه یا نه, ولی امتحان کنید.

https://education.github.com/pack

@ManiFoldsPython

تازه فهمیدم این عکس پروفایلم داره پشت سیستم گریه میکنه 😂😂
قیافه من وقتی کد های legacy قدیمیمو میبینم :)))

@ManiFoldsPython

دوستان اگه خودتون مشغولید یا افرادی رو می‌شناسید، ممنون می‌شم معرفی کنید. 😊

شیر کردن این پست لینکدین، موجب خوشحالیست! :) ❤️🙏

👇

GitHub: https://github.com/lnxpy
LinkedIn: https://www.linkedin.com/in/sadra-yahyapour
Email: lnxpylnxpy@gmail.com

https://www.linkedin.com/posts/sadra-yahyapour_opportunities-research-connections-activity-7066396829910736896-Afz7?utm_source=share&utm_medium=member_android

اکانت goodreads زدم خیلی خوبه برای track کردن اینکه کی چی میخونه 😅
https://www.goodreads.com/manimozaffar

خوشحال میشم friend request بدین 🙏
@ManiFoldsPython

این حجم کتاب هاییه که پرینت گرفتم بخونمشون. هم درد داره هم لذت 🫠😂
اگه خوب بودن پیشنهادشون میکنم اینجا ✌️
@ManiFoldsPython

برای مصاحبه های behavioral بسیار بسیار مهمه که شما بتونید با استفاده از تکنیک STAR پاسخ بدین
لینک زیر رو مطالعه کنید:
https://www.indeed.com/career-advice/interviewing/how-to-prepare-for-a-behavioral-interview

@BenDevelop

این پلی لیست محشره

https://www.youtube.com/playlist?list=PLC0nd42SBTaNuP4iB4L6SJlMaHE71FG6N

Software Design in Python by ArjanCodes

@ManiFoldsPython

Poor dev 🤧
@ManiFoldsPython

این سایت رو جدیدا پیدا کردم برای هندل todolist و کار هام
https://habitica.com

خیلی سایت جالبیه 😅 حتما یک سر بهش بندازین.
برای daily repetitive task و habit هم میتونید برنامه درست کنید.
@ManiFoldsPython

درود خدمت دوستان عزیز، طی چند هفته گذشته روی ریپوهای DjangoEx کار میکردیم و آپدیتی که قولش رو داده بودیم آماده شده. در زیر ریپوهارو به ترتیب معرفی میکنیم.

✅ ریپازیتوری Awesome Python Resources: مجموعه ای از بهترین و کامل ترین ریسورس‌های مورد نیاز برای رشد در مسیر شغلی مهندسی نرم افزار (پایتون) به همراه تفکیک بر اساس Career Path و Advanced Topics
https://github.com/DjangoEx/awesome-python-resources

✅ ریپازیتوری Awesome Python Roadmaps: مجموعه از رودمپ‌های مورد نیاز یک مهندس نرم افزار (پایتون) در Career Path هایی نظیر Backend، Data Scientist، Software Architect و ...
https://github.com/DjangoEx/awesome-python-roadmaps

✅ ریپازیتوری Awesome Python Podcast: مجموعه‌ای از پادکست های حوزه مهندسی نرم‌افزار/پایتون برای آپدیت بودن راجع به رویدادهای کامیونیتی پایتون و اپیزودهای تکنیکالی که با پادکست میتونید یاد بگیرید:
https://github.com/DjangoEx/awesome-python-podcasts

✅ ریپازیتوری Awesome Python Project Ideas: مجموعه‌ای از ایده‌ها برای پیاده سازی پروژه با پایتون به منظور تمرین یا کمک به رزومه، در سطوح Beginner، Intermediate و Advanced و به همراه User Stories, Project Overview, Bonus Features و ...
https://github.com/DjangoEx/awesome-python-project-ideas

✅ ریپازیتوری Awesome Python Resources Persian: مجموعه‌ای از منابع آموزشی در زمینه پایتون به زبان فارسی
https://github.com/DjangoEx/awesome-python-resources-persian

✅ ریپازیتوری DjangoEx Bot: احتمالا تا حالا کاربر Backend Senior Developer رو توی گروه دیدین که به سوالات پاسخ میده، این کاربر یک نوع هوش مصنوعی مبتنی بر GPT هست و توسط یکی از ادمین‌های کانال توسعه داده شده که میتونین به سورس کدش از طریق ریپازیتوری زیر دسترسی داشته باشین:
https://github.com/DjangoEx/django-expert-bot

✅ تمام ریپازیتوری‌ها به صورت یکجا نیز در صفحه گیتهاب DjangoEx قابل دسترسی هست
https://github.com/DjangoEx

💡 لطفا اگر شما هم ایده‌هایی برای ریپازیتوری‌ها دارید، با ایجاد Issue و Pull Request به کامل‌تر شدن این ریپازیتوری‌ها کمک کنید، ما از هرگونه مشارکت عام المنفعه استقبال میکنیم.
✔️ باتشکر از همراهی همه شما عزیزانی که تا الان کانتربیوت کردید (+۵۰ نفر) و به این ریپازیتوری‌ها استار دادید و حمایت کردید به اشتراک گذاشتید. لطفا اگر این پست رو هم مفید میبینید به اشتراک بزارید.

#DjangoEx #Python #Github
〰〰〰〰〰〰〰
© @DjangoEx

احتمالا تاحالا شنیدین که مثلا رو یک issue یک مبلغی گذاشتن تا یکی برطرفش کنه و اون مبلغ پرداخت شه.
حالا تو این سایت شما میتونید issue bounty hunter شید
https://app.bountysource.com/?order=created_at&direction=desc

پرداخت با کریپتو هم داره و حتی issue های چند هزار دلاری هم هست مثل این 😁:
https://app.bountysource.com/issues/31778112-add-support-for-gnome-in-dom0-gui-domain

@ManiFoldsPython

برای دوستانی که میخواین شغل پیدا کنن تو خارج از کشور و دارن اپلای میکنن. یک پروژه جذاب اوپن سورس دارم که آگهی هارو به صورت real time از لینکدین میگیره و پردازش میکنه.

لینک گیت هاب | کانال تلگرام | ربات تلگرام | Dev map

تو این پروژه شما میتونید شغل پرفکت خودتون رو بدون هیچ effort ای پیدا کنید. کافیه جوین تلگرام و ربات بشین, و یک query مینویسید. query که مینویسید logıcal python expresion هست مثلا برای پیدا کردن شغل بک اند پایتون یا فرانت اند جاوااسکریپت اینطوری باید بنویسین
(python and backend) or (javanoscript and frontend)
یک or france هم مثلا بهش اضافه کنید فقط شغل های فرانسه رو براتون لحاظ میکنه. هروقت که شغلا تو کانال اضافه شدن ریل تایم فراوارد میکنه براتون.

این پروژه رو تمرینی زده بودم برای خودم ولی محبوب شد و حتی اسپانسرم براش پیدا شده. پرفومنس مارکینگ و آنالیز آگهیشو قوی ترم میکنم وقتی مبلغی که دونیت کردن به حسابم اضافه شه. چون فکر نمیکردم محبوب شه کد بیسش یک چیز شلخته و یکهویی بود که نیاز خودمو کاور کنه ولی الان دارم ریفکتورش میکنم که اصولی باشه. کد crawlerشو دیشب تموم کردم و تو نسخه جدید تو 12 ساعت 6 هزار آگهی کراول زد 😁

ممنون میشم حمایت کنید از پروژه, با فروارد این متن یا ستاره دادن یا contribute کردن به پروژه.

@ManiFoldsPython

سعی کنید به جای TypedDict از Pydantic استفاده کنید. هم ولیدیشن داره هم felixable تره هم آپشن های خوبی داره و هم خیلی راحت میتونید تبدیلش کنید به json و dictionary و ..

@ManiFoldsPython

یکی از کار هایی که میتونید با gpt انجام بدین و خوب انجام میده اینه که شما یک پروتکل از class تون همراه با داک استرینگ بنویسید و بعدش به gpt بدین تا سریع طبق اون تکمیل کنه کدتون رو اینطوری تو وقت صرفه جویی کردین. اون موقع میتونید فقط بپردازین به تست نویسی و دیباگ کدی که gpt نوشته و برطرف کردن ایراد های کلیش.

یک همچین پرومتی من استفاده میکنم در اینجور مواقع:
PROMPT:

1. follow best practices of coding according to fluent python. Explain yourself how did you follow fluent python guideline.
2. Use modern syntax, for instance list comprehension instead of for loop and append in a list. Explain yourself if you used this.
3. Write the code algorithm friendly, make the base problem to be as efficient as possible, with a good time complexity pattern, Explain yourself if you used this approach.
4. Respect SOLID, DRY, KIS, Explain yourself how you did this.
5. Respect clean code practices according to Robert Cecil Martin book, Explain yourself how you respected.
6. Respect type annotation and pay attention to the output annotation of each method. I want it SAME as protocol.
7. Keep docstring with the code. Improve it if you can.
8. your prompts ...

@ManiFoldsPython