💾 Как создать таймер в Python

С помощью данного модуля можно легко планировать и откладывать запуск своего кода на определенное время

#tipsandtricks #doc #python

💾 Большая шпаргалка по Python на русском

🌵 Приручаем Python списки
🌵 Работаем со словарями
🌵 Операции над множествами
🌵 Именованный кортеж
🌵 Функции-генераторы и многое другое

Лойс 👍

#python #doc #cheatsheet #russian

🔥 Полезные библиотеки Python

GitMiner - мощный и достаточно популярный OSINT инструмент расширенного поиска и автоматизации на Github. Достаточно указать что искать, например логины или пароли и в каких файлах.

Демонстрирует насколько легко можно найти конфиденциальную информацию в репозиториях.

⚠️ Информация предоставлена исключительно с целью ознакомления. И побуждает обратить внимание на проблемы в безопасности.

⚙️ GitHub

💾 Больше интересных проектов

#python #soft #pentest #github

⚠️ TRY-EXCEPT. Повторяем ошибки и исключения

Привет, друзья! Сегодня мы начнем разговор об ошибках и исключениях в языке python, повторим важные базовые вещи из этой темы. Не буду утверждать, что об этом обязательно спросят на собеседовании, однако знать тему нужно, так как писать и читать код вам придется.

✅ Очень часто при выполнении программы могут возникать ошибки, из-за которых не смысла останавливать работу всей программы. В таком случае достаточно поймать эту ошибку, обработать и предупредить о ней пользователя. Здесь полезно вспомнить про конструкцию try exсept.

📍 В теле try мы указываем тот код, в котором (как нам кажется) возникнет ошибка. Далее мы используем except и указываем тип возможной ошибки, которая может возникнуть в процессе исполнения тела try. В теле except указываем, что делать или как обработать кейс, если ошибка все же возникла.

Листай картинки с примером кода 👉

⚠️ Давайте вспомним некоторые моменты, которые важно знать при использовании конструкции try exсept.

📍 Если внутри блока try произошло исключение, которое мы не словили блоком except, то использование конструкции не спасет ситуацию и программа упадет полностью.

📍Что делать в таком случае? Попробовать написать еще один except блок, включить в него обработку того исключения, которое не было обработано в первый раз. Тогда исключение будет обработано одним из except блоков, а остальные блоки просто не будут исполняться.  Согласитесь, конструкция в этом случае получается очень громоздкой.

📍 Удобнее было бы ловить одним except блоком сразу несколько типов исключений. Для этого следует передать в except кортеж, содержащий типы этих исключений.

📍 Еще не стоит забывать, что при использовании данной конструкции мы можем поймать сам объект ошибки. Для этого указываем после типа ошибки, который мы ловим, as и имя объекта, который мы бы хотели поймать. Таким образом внутри except блока будет определено имя, в котором будет содержаться объект ошибки.  Полезно посмотреть на тип ошибки, также у ошибки есть атрибут args.

📍 А если мы не знаем какие типы ошибок могут возникнуть во время выполнения программы? Тогда после except не нужно указывать конкретный тип ошибок. Таким образом, если ошибка произойдет, то мы получим сообщение об этом, однако не будет знать какая именно ошибка была обнаружена.

🌀 Путь поиска модулей

При импорте модуля с именем spam интерпретатор сначала выполняет поиск встроенного модуля с данным именем. Если файл не найден, выполняется поиск имени файла spam.py в списке каталогов, заданных переменной sys.path. sys.path инициализированы из следующих мест:
— Каталог, содержащий входной сценарий (или текущий каталог, если файл не указан).
— PYTHONPATH (список имён каталогов с тем же синтаксисом, что и переменная оболочки PATH).
Зависит от установки по умолчанию.

После инициализации программы Python могут изменить sys.path. Каталог, содержащий выполняемый скрипт, помещается в начало пути поиска перед стандартным путем библиотеки. Это означает, что скрипты в этом каталоге будут загружены вместо одноименных модулей в каталоге библиотеки. Это ошибка, если замена не предназначена.
#python

​36 способов выучить Python бесплатно (для аналитиков и не только)

Ловите подборку полезных бесплатные материалов, которые помогут изучить вам аналитику на Python, а также другие направления разработки:

https://vc.ru/education/519077-36-sposobov-vyuchit-python-besplatno-dlya-analitikov-i-ne-tolko

#подборка

​Настройка Visual Studio Code для Django

VS Code многое умеет уже из коробки, а что не умеет сам предлагает установить. Но с Django слегка иная ситуация. Здесь не работают правильном образом линтеры из коробки, да и mypy вам тут без надобности, если не «поработать напильником».

Но эти проблемы решаются файлами конфигураций соответствующих инструментов, либо готовыми плагинами для mypy и pylint. Вот о последних и пойдёт речь в этой статье:

https://habr.com/ru/post/701800/

#django #vscode

​Как создать успешный пет-проект. Инструкция для будущих «дуровых»

Многие сервисы, которые сегодня имеют миллионные и миллиардные капитализации создавались, как пет-проекты, но были настолько успешны, что переросли в бизнес. Как же авторам удалось так развить свои идеи?

В этой статье собрали для вас 10 советов, которые помогут вам создать успешный пет-проект, который не только ваши навыки прокачать поможет, но и сможет стать популярным:

https://tproger.ru/articles/kak-sozdat-uspeshnyj-pet-proekt-instrukcija-dlja-budushhih-cukerbergov-i-durovyh/

​API-интерфейс Django REST в одном файле

REST API является очень распространённым вариантом использования с Django сегодня. Но такое взаимодействие уместно при большом и сложном API, а вот при маленьком можно обойтись и встроенные в Django инструментами, не создавая лишних файлов и сложностей.

Подробнее об этом:

https://adamj.eu/tech/2020/10/15/a-single-file-rest-api-in-django/

#django #restapi

​Data Science на Python для начинающих

Это видео научит вас почти всему, что вам нужно знать для анализа данных и построения модели машинного обучения. Смотрите в оригинале, с субтитрами или переведите его с помощью Яндекс.

https://youtu.be/BqfM9eeD6KA?list=PL7mOFdpoBB6QiW3_n7aKn_eHTCCftPJLw

#видео #datascience

​Как работать с процессами и потоками в Python

Эта статья будет полезна тем разработчикам, которые хотят выполнять больше работы за одно и то же время, и задействовать все ресурсы своего железа. Проще говоря, делать больше, и при этом обходиться меньшими ресурсами.

https://habr.com/ru/company/simbirsoft/blog/701020/

🤔PyPy vs CPython: под капотом Python
Каждый разработчик Python-скриптов знает про CPython — наиболее распространенную реализация виртуальной машины, которая интерпретирует написанный код. Кроме CPython есть также PyPy , построенный с использованием языка RPython. По сравнению с CPython, PyPy работает быстрее, реализуя Python 2.7.18, 3.9.15 и 3.8.15. PyPy поддерживает большинство часто используемых модулей стандартных Python-библиотек. Версия PyPy x86 работает в нескольких операционных системах, таких как Linux (32/64 бита), MacOS (64 бита), Windows (32 бита), OpenBSD, FreeBSD. Версии, отличные от x86, поддерживаются в Linux, а ARM64 — в MacOS.
Впрочем, PyPy не сможет ускорить код в кратковременных процессах, которые запускаются менее чем на пару секунд: JIT-компилятору не хватит времени на «разогрев». Также PyPy не даст выиграша в скорости, если все время выполнения проводится в runtime-библиотеках, т.е. в функциях C, а не в фактическом выполнении Python-кода. Поэтому PyPy работает лучше всего при выполнении долго выполняющихся программ, когда значительная часть времени тратится на выполнение кода Python.
С точки зрения потребления памяти, PyPy также может дать фору CPython: Python-программы с высоким потреблением ОЗУ (сотни МБ и более) могут в конечном итоге занимать меньше места в PyPy, чем в CPython.
https://www.pypy.org/features.html