Получаем атрибуты объекта

Функция vars() возвращает все атрибуты переданного параметра, в качестве которого может быть почти что угодно: модуль, класс, экземпляр и т. д.

Проще говоря, vars() возвращает словарь, который хранится в атрибуте __dict__ у переданного объекта.

А если ничего не передать в аргументы, то функция вернет словарь локальных переменных, как и locals()

Подписывайтесь на канал 👉@pythonofff

Как использовать Concrete Paths

Path() является дочерним классом PurePath(). Он обеспечивает операции обработки с возможностью выполнения операций записи.

Когда вы создаете экземпляр Path(), он создает два класса для обработки путей Windows и путей, отличных от Windows. Как и PurePath(), Path() также создает общий объект пути «agnostic path», независимо от операционной системы, в которой вы работаете.

Подписывайтесь на канал 👉@pythonofff

🐍 Ловушка с аргументами по умолчанию

Посмотрите на код ниже. Как вы думаете, что выведет второй вызов функции?

def append_to(num, target=[]):
    target.append(num)
    return target

print(append_to(1))
print(append_to(2))

Варианты ответа:

1. [1] и [2]
2. [1] и [1, 2]
3. Ошибка SyntaxError

⬇️ Правильный ответ и объяснение ⬇️


Правильный ответ: 2 — [1] и [1, 2]

Почему?
В Python аргументы по умолчанию вычисляются один раз при определении функции, а не при каждом вызове. Список target создается один раз и сохраняет свое состояние между вызовами.

✅ Как исправить?
Используйте None в качестве значения по умолчанию:

def append_to(num, target=None):
    if target is None:
        target = []
    target.append(num)
    return target

📲 Мы в MAX

Подписывайтесь на канал 👉@pythonofff

⚡ Объединяем словари в Python 3.9+

Раньше для объединения двух словарей нам приходилось использовать метод .update() или распаковку **kwargs.

Начиная с Python 3.9, появился оператор объединения |. Это делает код намного чище!

Пример:

x = {"key1": "value1 from x", "key2": "value2 from x"}
y = {"key2": "value2 from y", "key3": "value3 from y"}

# Старый способ (до 3.9)
z = {**x, **y}

# Новый способ (Python 3.9+)
z = x | y

print(z)
# {'key1': 'value1 from x', 'key2': 'value2 from y', 'key3': 'value3 from y'}

💡При совпадении ключей (в примере key2), побеждает значение из последнего словаря (справа от оператора).

Сохраняй, чтобы писать чистый код! 💾

📲 Мы в MAX

Подписывайтесь на канал 👉@pythonofff

🧠 List vs Set: Где искать быстрее?

Представьте, у вас есть массив из 1 миллиона чисел, и нужно проверить, есть ли в нем число 999999.

Что использовать: список (list) или множество (set)?

Сравнение сложности:

▪️ List (in operator): Сложность . Python перебирает элементы по одному, пока не найдет нужное. Если список огромный, это долго.
▪️ Set (in operator): Сложность (в среднем). Множества реализованы как хеш-таблицы. Python вычисляет хеш числа и сразу "прыгает" в нужную ячейку памяти.

Тест скорости:

import time

data_list = list(range(10_000_000))
data_set = set(data_list)

# Поиск в списке
start = time.time()
print(9999999 in data_list)
print(f"List time: {time.time() - start:.5f} sec")

# Поиск в множестве
start = time.time()
print(9999999 in data_set)
print(f"Set time: {time.time() - start:.5f} sec")

🚀 Итог: Если вам нужно часто проверять наличие элемента в большой коллекции - всегда конвертируйте её в set.

📲 Мы в MAX

Подписывайтесь на канал 👉@pythonofff

🕵️‍♂️ Дебаг без боли: секрет f-строк

Признавайтесь, вы тоже часто пишете такие принты, чтобы проверить значение переменной?

name = "Alex"
age = 25

print("name =", name)
print("age =", age)

Это работает, но писать каждый раз название переменной в кавычках — долго и лениво. В Python есть супер-фишка для f-строк, о которой многие забывают. Просто добавьте знак равно = после имени переменной внутри фигурных скобок!

Как это выглядит:

name = "Alex"
age = 25

print(f"{name=}")
print(f"{age=}")

Вывод:

name='Alex'
age=25

🔥 Почему это круто: Python сам подставляет имя переменной и её значение. Экономит кучу времени при поиске багов!

Знали про этот трюк? Ставьте ❤️, если уже пользуетесь!

📲 Мы в MAX

Подписывайтесь на канал 👉@pythonofff

🧩 Задача: Проверка на анаграмму

Анаграммы, это слова, состоящие из одних и тех же букв, но в разном порядке. Например: ток и кот.
Как проверить, являются ли две строки анаграммами, максимально эффективно?

Вариант 1 (В лоб): Сортировка
Мы можем отсортировать обе строки и сравнить их.

def is_anagram(s1, s2):
    return sorted(s1) == sorted(s2)

Это работает, но сложность сортировки - O(N log N) . Можно ли быстрее? 🤔

Вариант 2 (Оптимальный): Подсчет символов
Используем словарь (или Counter), чтобы посчитать, сколько раз встречается каждая буква. Сложность такого решения - O(N) , то есть линейная (самая быстрая).

from collections import Counter

def is_anagram_fast(s1, s2):
    return Counter(s1) == Counter(s2)

print(is_anagram_fast("listen", "silent")) # True

💡 Совет: На собеседованиях всегда предлагайте сначала решение с сортировкой (оно проще), а потом удивляйте интервьюера знанием сложности алгоритмов и вариантом с хеш-таблицей (Counter)!

📲 Мы в MAX

Подписывайтесь на канал 👉@pythonofff

☠️ Самая частая ошибка новичков в Python

Посмотрите на этот код. Как думаете, что пошло не так?

def add_item(item, basket=[]):
    basket.append(item)
    return basket

print(add_item("Яблоко"))
print(add_item("Банан"))

Ожидание:
['Яблоко']
['Банан']

Реальность:
['Яблоко']
['Яблоко', 'Банан'] 😱

Почему так произошло?
В Python аргументы по умолчанию создаются один раз при запуске программы (когда интерпретатор читает def), а не при каждом вызове функции. Поэтому список basket - это один и тот же объект в памяти для всех вызовов!

✅ Как писать правильно:
Используйте None как маркер пустого значения.

def add_item(item, basket=None):
    if basket is None:
        basket = []
    basket.append(item)
    return basket

Сохраняй пост, чтобы не наступать на эти грабли! 💾

📲 Мы в MAX

Подписывайтесь на канал 👉@pythonofff

🛠 Передаем параметры красиво

Частая ошибка новичков, склеивать параметры запроса вручную прямо в URL.

❌ Как НЕ надо делать:

user_id = 12
# Плохо: сложно читать, легко ошибиться, проблемы со спецсимволами
url = "https://jsonplaceholder.typicode.com/posts?userId=" + str(user_id)
r = requests.get(url)

✅ Как НАДО делать:
Используйте аргумент params. Библиотека сама всё склеит и, что важно, правильно закодирует символы (например, заменит пробелы на %20).

import requests

url = "https://jsonplaceholder.typicode.com/posts"
# Параметры кладем в словарь
my_params = {
    "userId": 1,
    "_limit": 5
}

# Передаем словарь в функцию
response = requests.get(url, params=my_params)

print(response.url) 
# Вывод: .../posts?userId=1&_limit=5

Это делает код чище, безопаснее и профессиональнее. 😎

📲 Мы в MAX

Подписывайтесь на канал 👉@pythonofff

🚀 Ускоряем массовые запросы: Sessions

Представьте, что вам нужно скачать 100 страниц сайта. Если делать это через обычный requests.get(), каждый раз будет происходить следующее:

1. Открытие соединения (TCP Handshake).
2. Настройка шифрования (SSL/TLS).
3. Отправка данных.
4. Закрытие соединения.

Это очень долго! 🐢

Решение: Session
Сессия позволяет переиспользовать одно и то же соединение для множества запросов. Это дает огромный прирост скорости.

Пример:

import requests

# Создаем сессию
with requests.Session() as s:
    # Можно сразу настроить заголовки для всех запросов
    s.headers.update({'User-Agent': 'my-app/0.0.1'})

    for i in range(5):
        # Используем s.get вместо requests.get
        r = s.get(f"https://httpbin.org/get?page={i}")
        print(f"Запрос {i} выполнен!")

💡Сессия также запоминает куки (cookies). Если вы авторизовались на сайте в первом запросе, сессия "запомнит" это для следующих.

Используйте сессии, если делаете больше двух запросов к одному сайту!

📲 Мы в MAX

Подписывайтесь на канал 👉@pythonofff

🛑 Твой код завис навсегда? Исправляем!

Знаете ли вы, что по умолчанию библиотека requests ждет ответа от сервера бесконечно?

Если сервер, к которому вы обращаетесь, "упал" или просто завис, ваш Python-скрипт тоже встанет и будет висеть вечно, пока вы не убьете процесс вручную. В продакшене (да и в пет-проектах) это недопустимо! 🚫

✅ Решение: Всегда используйте timeout

Параметр timeout указывает, сколько секунд ждать ответа, прежде чем выбросить ошибку и продолжить работу.

Пример безопасного кода:

import requests
from requests.exceptions import Timeout, ConnectionError

url = "https://httpbin.org/delay/5"  # Сервер ответит через 5 сек

try:
    # Ставим таймаут 2 секунды.
    # Если сервер не ответит за 2 сек — скрипт не зависнет!
    response = requests.get(url, timeout=2)
    response.raise_for_status() # Проверка на ошибки 4xx/5xx
    print("Успех:", response.json())

except Timeout:
    print("⏰ Ошибка: Сервер отвечает слишком долго!")
except ConnectionError:
    print("🔌 Ошибка: Нет интернета или сайт недоступен.")
except Exception as e:
    print(f"Что-то пошло не так: {e}")

💡 Совет: Хорошей практикой считается ставить таймаут в диапазоне 3–10 секунд для обычных запросов.

Проверьте свои старые проекты, есть ли там timeout? Если нет, самое время добавить! 👨‍💻

📲 Мы в MAX

Подписывайтесь на канал 👉@pythonofff

🚀 Синхронность vs Асинхронность: Ускоряем код в 10 раз

Представьте, что вы стоите в очереди в Макдональдс.

🐢 Синхронный подход (как requests):
Кассир принимает ваш заказ, уходит на кухню, ждет, пока пожарится картошка, наливает колу, отдает заказ вам и только потом обращается к следующему человеку в очереди. Медленно? Ужасно медленно!

⚡️ Асинхронный подход (как aiohttp):
Кассир принимает заказ, кричит на кухню "Свободная касса!" и сразу берет заказ у следующего, пока ваш готовится. Работа идет параллельно.

В Python для этого используется библиотека aiohttp и ключевые слова async / await.

Сравним на практике:
Допустим, нам нужно скачать 10 страниц.

import asyncio
import aiohttp
import time

# Функция для одного запроса
async def fetch_page(session, url):
    async with session.get(url) as response:
        return response.status

async def main():
    urls = ["https://google.com" for _ in range(10)] # 10 запросов
    
    async with aiohttp.ClientSession() as session:
        tasks = []
        for url in urls:
            # Создаем задачи, но еще не запускаем их ожидание
            tasks.append(fetch_page(session, url))
        
        # Запускаем все задачи одновременно!
        await asyncio.gather(*tasks)

start = time.time()
# Запуск асинхронного цикла
asyncio.run(main()) 
print(f"Время выполнения: {time.time() - start:.2f} сек")

Результат:
Если requests будет делать это ~10 секунд (по 1 сек на запрос), то aiohttp справится за ~1.2 секунды. Он просто отправит все 10 запросов разом и будет ждать ответы.

🛠 Установка:
pip install aiohttp

⚠️ Важно: Не используйте это для атак на сайты (DDoS). Сервер может забанить вас за слишком большое количество запросов в секунду.

Сохраняй, пригодится для парсинга больших объемов данных! 🔥

📲 Мы в MAX

Подписывайтесь на канал 👉@pythonofff