🚀 Top 10 فایلِ سنگین سیستم با پایتون!
با این اسکریپت، از هر مسیر دلخواه، سنگین‌ترین فایل‌ها رو پیدا کن و فضا آزاد کن.

بدون نصب کتابخونه

خروجی مرتب و خوانا (MB/GB)

مناسب ویندوز/مک/لینوکس


📌 کد رو سیو کن، آخر هفته‌ها اجراش کن و سیستم رو سبک نگه دار!

کد را در پست بعدی قرار دادم😁

@voidcompile

کد پایتونی :

# find_top_heavy_files.py
# 🔍 Top 10 largest files (recursive) with human-readable sizes
import os, heapq, argparse, math

def human_size(n: int) -> str:
    if n <= 0: return "0 B"
    units = ["B","KB","MB","GB","TB","PB"]
    idx = min(int(math.log(n, 1024)), len(units)-1)
    return f"{n / (1024**idx):.2f} {units[idx]}"

def iter_files(root: str):
    for base, _, files in os.walk(root):
        for name in files:
            path = os.path.join(base, name)
            try:
                size = os.path.getsize(path)
                yield (size, path)
            except OSError:
                continue  # دسترسی نداشتیم یا فایل قفل بود

def top_n_files(root: str, n: int = 10):
    return heapq.nlargest(n, iter_files(root), key=lambda x: x[0])

if __name__ == "__main__":
    p = argparse.ArgumentParser(denoscription="Show top N largest files recursively.")
    p.add_argument("path", nargs="?", default=".", help="Root directory (default: current)")
    p.add_argument("-n", type=int, default=10, help="How many files to show")
    args = p.parse_args()

    results = top_n_files(args.path, args.n)
    width = max((len(p) for _, pth in results for p in [pth]), default=20)

    print(f"📁 Root: {os.path.abspath(args.path)}")
    print(f"{'Size':>12}  Path")
    print("-"*12 + "  " + "-"*max(width, 40))
    for sz, pth in results:
        print(f"{human_size(sz):>12}  {pth}")

اجرا:

python find_top_heavy_files.py        # از پوشه فعلی
python find_top_heavy_files.py D:\    # مسیر دلخواه ویندوز
python find_top_heavy_files.py / -n 20  # لینوکس/مک، ۲۰ فایل

@voidcompile

الگوریتم‌ها چطور کار می‌کنند؟

def sort_thoughts(thoughts):
    return sorted(thoughts, key=lambda t: t.clarity)

الگوریتم فقط مجموعه‌ای از دستورات نیست
در واقع چارچوبی از تفکر منطقی برای حل مسئله است.

هر الگوریتم سه ویژگی بنیادین دارد:
1️⃣ ورودی مشخص – داده‌های خام یا شرایط اولیه
2️⃣ مراحل محدود و قطعی – دنباله‌ای از گام‌های دقیق
3️⃣ خروجی قابل پیش‌بینی – پاسخی که از مسیر منطق حاصل می‌شود

اما فراتر از تعریف ریاضی، الگوریتم‌ها بازتابی از ذهن انسان‌اند.
ما در زندگی روزمره هم بر اساس الگوریتم‌ها تصمیم می‌گیریم:
اولویت‌بندی، مقایسه، حذف، بهینه‌سازی.

📊 در دنیای محاسبات، الگوریتم‌ها قلب هر سیستم هوشمند هستند
از مرتب‌سازی داده تا تشخیص چهره و پیش‌بینی ژن‌های بیماری‌زا.

🔹 وقتی الگوریتم را می‌فهمی، در واقع طرز کار ذهن و طبیعت را می‌فهمی.
زیرا حتی جهان، از قوانینش تا DNA، الگوریتمی عمل می‌کند.

@voidcompile

🌤 پیشنهاد روزت با پایتون 😎

یه اسکریپت ساده اما بامزه:
کافیه بگی هوا چطوره و دما چند درجه‌ست،
پایتون خودش بهت میگه امروز چی کار کنی 😄

🔹 از شرط‌های تو در تو (if‌های توی هم) استفاده شده

weather = input("هوا چطوره؟ (آفتابی / بارانی / برفی): ")
temp = float(input("دمای هوا چند درجه است؟ "))

if weather == "آفتابی":
    if temp > 30:
        print("🌞 هوا خیلی گرمه، بهتره بری استخر یا خونه بمونی 😎")
    elif temp >= 20:
        print("☀️ هوا عالیه، برو پیاده‌روی یا دوچرخه‌سواری کن 🚴‍♂️")
    else:
        print("🌤 آفتاب هست ولی خنکه، بهتره لباس گرم‌تر بپوشی 🧥")

elif weather == "بارانی":
    if temp >= 15:
        print("🌧 بارونه ولی نسبتا گرمه، چتر یادت نره ☔")
    else:
        print("🌧 سرده و بارونیه، بهتره تو خونه بمونی و فیلم ببینی 🎬")

elif weather == "برفی":
    if temp <= 0:
        print("❄️ عالیه برای ساختن آدم‌برفی ⛄!")
    else:
        print("🌨 برف میاد ولی هوا کمی گرمه، مراقب آب شدن برف باش 😅")

else:
    print("❌ وضعیت هوا نامشخصه. فقط مطمئن شو لباس مناسب پوشیدی 😅")

@voidcompile

کد مانیتورینگ زنده سیستم با پایتون | Python System Monitor

با این اسکریپت فقط چند خطی،
می‌تونی مصرف CPU، رم، دیسک و سرعت اینترنت سیستم‌ت رو به‌صورت زنده ببینی ⚙️

📊 ویژگی‌ها:
✅ نمایش درصد استفاده از CPU به همراه تعداد هسته‌ها
✅ میزان مصرف RAM و فضای دیسک به صورت دقیق و قابل خواندن (MB/GB)
✅ سرعت ارسال و دریافت شبکه در لحظه (Upload / Download)
✅ نمایش Top Processes بر اساس مصرف CPU
✅ سازگار با Windows، macOS، Linux

💡 فقط با نصب یه کتابخونه:

pip install psutil

بعدش اجرا کن:

python sys_monitor.py

و یه داشبورد زنده و ترمینالی از عملکرد سیستم‌ت ببین 😎

📌 مناسب برای:

توسعه‌دهنده‌ها (Dev)

ادمین‌های سرور (SysAdmin)

تست و بنچمارک پروژه‌های سنگین

آموزش پایتون در سطح حرفه‌ای


پایتون فقط برای هوش مصنوعی نیست
گاهی می‌تونه سیستم عامل رو مثل یه موجود زنده برات توصیف کنه.

کد در پست بعدی قرار گرفته
💻@voidcompile

کد :

# sys_monitor.py
# مانیتورینگ ساده CPU / RAM / Disk / Net  — مناسب ترمینال
import psutil, time, os, argparse
from datetime import datetime

def human(n: float, unit=1024):
    for u in ["B","KB","MB","GB","TB","PB"]:
        if n < unit: return f"{n:.2f} {u}"
        n /= unit
    return f"{n:.2f} PB"

def clear(): os.system("cls" if os.name == "nt" else "clear")

def snapshot(net0=None):
    cpu = psutil.cpu_percent(interval=None)
    mem = psutil.virtual_memory()
    disk = psutil.disk_usage(psutil.disk_partitions()[0].mountpoint if psutil.disk_partitions() else "/")
    net  = psutil.net_io_counters()
    if net0:
        up   = net.bytes_sent - net0.bytes_sent
        down = net.bytes_recv - net0.bytes_recv
    else:
        up = down = 0
    return cpu, mem, disk, net, up, down

def top_procs(limit=5):
    procs = []
    for p in psutil.process_iter(["pid","name","cpu_percent","memory_info"]):
        try:
            procs.append((p.info["cpu_percent"], p.info["memory_info"].rss, p.info["pid"], p.info["name"]))
        except Exception:
            pass
    procs.sort(reverse=True, key=lambda x: x[0])
    return procs[:limit]

if __name__ == "__main__":
    ap = argparse.ArgumentParser(denoscription="Simple System Monitor (CPU/RAM/Disk/Net)")
    ap.add_argument("-i","--interval", type=float, default=1.0, help="Refresh interval seconds (default: 1.0)")
    ap.add_argument("-n","--count", type=int, default=0, help="Number of refreshes (0 = infinite)")
    ap.add_argument("--procs", type=int, default=5, help="Top N processes by CPU (default: 5)")
    args = ap.parse_args()

    # warm-up to get meaningful CPU%
    for p in psutil.process_iter(): 
        try: p.cpu_percent(None)
        except Exception: pass

    t = 0
    net0 = psutil.net_io_counters()
    while True:
        cpu, mem, disk, net, up, down = snapshot(net0)
        clear()
        print(f"🖥  Simple System Monitor — {datetime.now().strftime('%Y-%m-%d %H:%M:%S')}")
        print("-"*70)
        print(f"CPU: {cpu:5.1f}%   | Cores: {psutil.cpu_count(logical=True)}")
        print(f"RAM: {human(mem.used):>9} / {human(mem.total):<9} ({mem.percent:4.1f}%)")
        print(f"DSK: {human(disk.used):>9} / {human(disk.total):<9} ({disk.percent:4.1f}%)")
        print(f"NET: ↑ {human(up)}/s   ↓ {human(down)}/s")
        print("-"*70)
        print(f"Top {args.procs} processes by CPU:")
        for c, m, pid, name in top_procs(args.procs):
            print(f"{c:5.1f}%  | {human(m):>8} | PID {pid:<6} {name}")
        print("-"*70)
        print(f"[interval={args.interval}s] Press Ctrl+C to exit.")
        net0 = net
        t += 1
        if args.count and t >= args.count: break
        time.sleep(args.interval)

اجرا :

python sys_monitor.py            # رفرش هر 1 ثانیه، بی‌نهایت
python sys_monitor.py -i 0.5     # رفرش نیم‌ثانیه‌ای
python sys_monitor.py -n 10      # فقط 10 آپدیت
python sys_monitor.py --procs 8  # نمایش تاپ 8 پروسس

@voidcompile

🔹 این := که بهش می‌گن Walrus Operator، همزمان مقدار رو ذخیره و بررسی می‌کنه.
یعنی لازم نیست دو خط جدا بنویسی یه خط کافیه 😎

📌 ویژگی‌ها:
✅ کد کوتاه‌تر و تمیزتر
✅ شرط‌نویسی درجا
✅ مخصوص پایتون نسخه ۳.۸ به بالا

# Walrus Operator 😎
if (name := input("What's your name? ")) == "Mobin":
    print(f"Hey {name}, welcome back! 😄")
else:
    print(f"Hello {name}! 👋")

@voidcompile

🔁 قدرت پنهان حلقه‌ها در پایتون

گاهی یه حلقه ساده می‌تونه مفهومی خیلی بزرگ‌تر از تکرار داشته باشه
هر بار اجرا یعنی یه قدم نزدیک‌تر شدن به هدف.

و این کد، یکی از خفن‌ترین ترفندهای پایتونه که خیلیا ازش خبر ندارن 👇

# Retry with exponential backoff using for...else
import time, random

MAX_TRIES = 5

for attempt in range(1, MAX_TRIES + 1):
    ok = (random.random() < 0.35)  # simulate success
    if ok:
        print(f"✅ Success on attempt {attempt}")
        break
    wait = 2 ** (attempt - 1)
    print(f"❌ Failed... retrying in {wait}s")
    time.sleep(0.1)
else:
    print("🛑 Gave up after 5 attempts")

🔹 نکته مهم:
بخش else فقط وقتی اجرا میشه که حلقه بدون break تموم بشه.
یعنی وقتی هیچ‌کدوم از تلاش‌ها موفق نباشن.

📌 این الگوی Retry + Backoff توی کار با API، شبکه و تسک‌های خودکار خیلی کاربردیه.
یه مثال واقعیه از اینکه قدرت حلقه فقط در تکرار نیست در پایداریه.

@voidcompile

🔹 ماتریس (Matrix) یعنی یک آرایه‌ی دو‌بعدی از عددها.
در پایتون با کتابخونه‌ی NumPy می‌تونی به‌راحتی باهاش کار کنی.

📘 کاربردهای ماتریس‌ها:
1️⃣ در هوش مصنوعی، وزن‌ها و پارامترهای شبکه‌ها داخل ماتریس‌ها ذخیره می‌شن.
2️⃣ در بینایی ماشین، تصاویر خودشون ماتریس‌هایی از پیکسل‌ها هستن.
3️⃣ در فیزیک و آمار، ماتریس برای چرخش، تبدیل و تحلیل داده‌ها استفاده میشه.

💡 نکته:
@ یعنی ضرب ماتریسی (Matrix Multiplication) —
و باهاش می‌تونی محاسبات پیچیده‌ی ریاضی رو در یک خط انجام بدی!

📌 یاد گرفتن ماتریس‌ها یعنی فهمیدن زبون پشتِ هوش مصنوعی.

import numpy as np

A = np.array([[2, 3], [1, 4]])
B = np.array([[5, 2], [3, 1]])

C = A @ B   # ضرب ماتریسی
print(C)

@voidcompile

✅یک ترفند خفن پایتونی که شاید تا حالا ندیده باشی !

فقط با یک خط چند تابع رو باهم اجرا کن
دیگه لازم نیست دونه دونه صداشون کنی !

کد رو کپی و امتحان کن !

def hi(): print("salam")
def bye(): print("khodafez")

list(map(lambda f: f(), [hi, bye]))

💻@voidcompile

توی این پست میخوام یک کتابخونه معرفی کنم که باهاش میتونیم یک نوار پیشرفت ساده و باحال در ترمینال ایجاد کنیم !

from tqdm import tqdm
import time 

for i in tqdm(range(100)):
    time.sleep(0.01)

#python
💻@voidcompile

🚀 تریلیِ آینده: تراشه کوانتومی Google + الگوریتم Quantum Echoes

گوگل اعلام کرده که Willow، تراشه جدیدش با ۱۰۵ کیوبیت، اکنون می‌تونه الگوریتم Quantum Echoes رو اجرا کنه که ادعا شده ۱۳,۰۰۰ برابر سریع‌تر از بهترین الگوریتم‌های کلاسیک عمل می‌کنه!

✨ نکات مهم:

عملکرد سریع‌تر برای محاسباتی که کامپیوترهای عادی نمی‌تونن انجام بدن

نتایج قابل تأیید و تکرار

گامی بزرگ در جهت استفاده‌ی واقعی و عملی از کامپیوترهای کوانتومی

ولی هنوز راه بسیاری در پیشه: کاهش خطا، پایداری کیوبیت‌ها و کاربردهای عملی بزرگ‌تر.
آینده از همین لحظه داره شکل می‌گیره

@voidcompile

✨ ترفند روز پایتون! ✨

میدونستی چطور میشه یه رشته رو فقط با یک خط کد برعکس کرد؟ 🐍

این کد کوتاه و تمیز رو ببین:

# برعکس کردن رشته در پایتون
original_text = "Hello World"

# ترفند اینجاست!
reversed_text = original_text[::-1]

print(reversed_text)
# Output: dlroW olleH

کوتاه، تمیز و فوق‌العاده کاربردی! 🔥 سیوش کن که یادت نره! 😉
#پایتون #python
@voidcompile

🐍 پایتون: اسلحه اصلی در زرادخانه هکرها!

وقتی صحبت از #هک_و_امنیت میشه، پایتون فقط یه زبان برنامه‌نویسی نیست، یه اسلحه کامله! 💥

چرا؟ چون می‌تونی در چند دقیقه ابزار اختصاصی خودت رو بسازی: 🔸 اسکنرهای پورت و شبکه 🔸 اسکریپت‌های اتوماسیون حملات (مثل Brute Force) 🔸 ابزارهای تحلیل بدافزار 🔸 اسکریپت‌های اکسپلویت نویسی

با کتابخونه‌هایی مثل Scapy, Socket و Requests، تو رسماً کنترل شبکه رو به دست می‌گیری. 🛡

پایتون زبان ساختن ابزارهای هک، نه فقط استفاده از ابزارهای آماده!

🎥 میخوای ساخت ابزار هک با پایتون رو یاد بگیری؟ این دوره جامع رو ببین (دوره کامل پایتون برای هکرها):
Python for Hackers FULL Course | Bug Bounty & Ethical Hacking

#پایتون #هک_اخلاقی

@voidcompile

برنامه‌نویسان پایتون می‌دونن که هوش مصنوعی می‌تونه سرعت کدنویسی رو چند برابر کنه. این ۴ دستیار هوشمند، قوی‌ترین‌ها در زمینه‌ کد، دیباگ و بهینه‌سازی پروژه‌های پایتونی شما هستند:

GitHub Copilot 🤖

تمرکز: تکمیل کد و پیش‌بینی خطوط بعدی، مستقیماً در ویرایشگر شما.

مزیت: سرعت و یکپارچگی بالا با IDE (مثل VS Code).

Google Gemini (Pro/Advanced) ✨

تمرکز: تولید کدهای پیچیده، اشکال‌زدایی و توضیح مفاهیم سخت.

مزیت: درک عمیق از کانتکست‌های بزرگ و کیفیت بالای کد خروجی.

Claude AI (Anthropic) 💡

تمرکز: تولید و تحلیل منطقی کد، به‌ویژه در پروژه‌های امنیتی یا حساس.

مزیت: دقت و قابلیت استدلال (Reasoning) بسیار بالا، برای تولید کدهای تمیز و منطقی.

Code Llama (Meta) 🧠

تمرکز: مدل زبان بزرگ (LLM) متن‌باز، مخصوص برنامه‌نویسی.

مزیت: بهینه‌سازی شده برای اجرای محلی و تولید کدهای پایتون با عملکرد بالا.
#هوش_مصنوعی

@voidcompile

معرفی جنگو (Django): ابرقهرمان توسعه وب با پایتون! 🚀
جنگو چیست؟

جنگو یک فریم‌ورک توسعه وب (Web Framework) سطح بالا و کاملاً متن‌باز است که با زبان برنامه‌نویسی پایتون نوشته شده. شعار معروف جنگو این است: "فریم‌ورکی برای متخصصان با مهلت تحویل سریع."

جنگو بر اساس اصل "باتری‌ها همراه هستند" (Batteries included) طراحی شده، به این معنی که اکثر قابلیت‌های مورد نیاز برای ساخت یک وب‌سایت یا اپلیکیشن وب را به صورت داخلی فراهم می‌کند و نیازی به نصب ده‌ها کتابخانه جانبی نیست.

🔥 ۳ ویژگی کلیدی جنگو:
سرعت توسعه (Rapid Development):

جنگو اجازه می‌دهد پروژه‌های بزرگ را با سرعت بسیار بالایی توسعه دهید. ابزارهایی مثل پنل ادمین خودکار (Admin Panel) و ORM قدرتمند، کارهای تکراری را حذف می‌کنند.

امنیت (Security):

این فریم‌ورک از ابتدا برای مقابله با رایج‌ترین حملات وب مانند CSRF (جعل درخواست بین سایتی)، XSS (اسکریپت‌نویسی بین سایتی) و SQL Injection طراحی شده است.


💡 کاربردهای جنگو:
شبکه‌های اجتماعی بزرگ

سیستم‌های مدیریت محتوا (CMS)

پلتفرم‌های تجارت الکترونیک (E-commerce)

وب‌سایت‌های خبری با ترافیک بالا
#جنگو

@voidcompile

۱۰ مورد از رایج‌ترین و استاندارد ترین اسم‌های مخفف (Aliases) برای کتابخانه‌های پایتون که در جامعه برنامه‌نویسی به‌طور گسترده مورد استفاده قرار می‌گیرند:

NumPy as np
Pandas as pd
Matplotlib.pyplot as plt
Seaborn as sns
Scikit-learn as skl
TensorFlow as tf
Keras as ks
Statsmodels.api as sm
SciPy as sp
OpenCV as cv2

#پایتون
@voidcompile

آموزش طراحی اپلیکیشن دسکتاپ با پایتون! 🖥
🐍 پایتون فقط برای وب و داده نیست؛ برای ساخت اپ‌های دسکتاپ حرفه‌ای هم عالیه!

اگه دنبال اینی که یه اپلیکیشن دسکتاپ (Windows, macOS, Linux) بسازی که ظاهر کاربرپسند و امکانات قوی داشته باشه، پایتون با دو فریم‌ورک قدرتمندش، یعنی Tkinter (ساده و پیش‌فرض) و PyQt/PySide (قدرتمند و حرفه‌ای)، بهترین راه رو پیش روت می‌ذاره.

معرفی کوتاه فریم‌ورک‌ها:

Tkinter: فریم‌ورک استاندارد و پیش‌فرض پایتون. سریع برای ساخت ابزارهای کوچک و رابط‌های کاربری ساده.

PyQt/PySide: فریم‌ورک‌های بسیار قدرتمند مبتنی بر Qt که برای ساخت اپلیکیشن‌های صنعتی و پیچیده با طراحی‌های زیبا استفاده می‌شن.

شروع کردن با PySide (که معمولاً برای پروژه‌های تجاری انعطاف‌پذیرتره) یه انتخاب عالیه.

🎥 صفر تا صد آموزش PySide6 (معادل PyQt) برای ساخت اپلیکیشن: این آموزش جامع، قدم به قدم ساخت اپلیکیشن‌های دسکتاپ رو بهت یاد می‌ده.

PySide6 and Qt Tutorial

#پایتون #python
@voidcompile

اگر عاشق پایتون و پروژه‌های خفن هستی، این ترفند کوتاه رو از دست نده 👇

python 
# Convert any text to natural speech using gTTS
from gtts import gTTS
import os

text = "Salam! I'm speaking with Python 😎"
tts = gTTS(text, lang='en')
tts.save("voice.mp3")
os.system("start voice.mp3")

🎧 نتیجه؟ پایتون باهات صحبت می‌کنه!
با چند خط ساده تونستی یه Text-to-Speech System بسازی که می‌تونه توی پروژه‌هات استفاده بشه.

💡 با این ترفند می‌تونی:

یک AI voice bot بسازی 🤖

توی پروژه‌های Artificial Intelligence و Machine Learning ازش استفاده کنی

یا حتی یه personal voice assistant بسازی با پایتون!


#برنامه_نویسی #پایتون
@voidcompile

🤖 احساسات متن رو با پایتون تشخیص بده!
با چند خط کد پایتون می‌تونی تحلیل احساسات (Sentiment Analysis) انجام بدی 👇

from textblob import TextBlob

text = input("Enter a sentence: ")
blob = TextBlob(text)
sentiment = blob.sentiment.polarity

if sentiment > 0:
    print("😊 Positive sentiment!")
elif sentiment < 0:
    print("😡 Negative sentiment!")
else:
    print("😐 Neutral sentiment.")

🧠 نتیجه؟ پایتون حس جمله‌ات رو تشخیص می‌ده!
حتی می‌تونی ازش توی پروژه‌های هوش مصنوعی، چت‌بات‌ها و سیستم‌های تحلیل نظرات استفاده کنی.

💡 کاربردها:

تحلیل نظرات کاربران در شبکه‌های اجتماعی 📊

ساخت چت‌بات‌های هوشمند 🤖

بررسی احساسات مشتریان در کسب‌وکارها 💬

📚 برای ترفندهای بیشتر هوش مصنوعی و پایتون، عضو کانال ما شو 💙
#پایتون #python

@voidcompile

هندبوک یادگیری ماشین از رگرسیون خطی تا شبکه عصبی در ۳۰ صفحه
اگر می‌خوای همه‌ی مدل‌های پایه ML رو یک‌جا با توضیح ساده، فرمول، و الگوریتم یاد بگیری، این خلاصه برات مثل نقشه‌ست.
✅ توضیح پیش‌پردازش هر مدل
✅ الگوریتم‌ها با pseudocode
✅ مفاهیم کلیدی مثل Entropy، Kernel Trick و Backpropagation
یک مرور فشرده اما دقیق برای دانشجوها، پژوهشگرها و علاقه‌مندان هوش مصنوعی.

#pdf@voidcompile
#book@voidcompile
@voidcompile