tgindex

Коробка с питоном

описание

Заметки от Python-разработчика: сниппеты, обзоры пакетов, новости и другая полезная информация.

← к каналу@boxwithpython
494
подписчиков
Охват к подписчикам
206,3%
ERR
Реакции к просмотрам
1,31%
267 на 20 постов
Пересылки к просмотрам
1,60%
327
Постов в день
0,0
всего 20

Где отзываются чаще

доля реакций к просмотрам
  • 4 июн. 2025 г.😎ovld - перегрузка функций по-человечески 👩‍💻 Наверняка любой из нас когда-то писал код по типу этого: def process(x: str | int) -> None: if isinstance(x, int): do_for_int(x) elif isinstance(x, str): do_for_str(x) 🙈 А пишем мы так потому-что в Python из под коробки нет красивой и нормальной поддержки ad-hoc полиморфизма, аля перегрузки методов. ❓ Ad-hoc полиморфизм - это возможность вызывать одну и ту же функцию с разными типами данных, при этом для каждого типа вызывается своя реализация. Например в Java мы можем написать что-то такое и это будет работать: public int add(int a, int b) { return a + b; } public double add(double a, double b) { return a + b; } public String add(String a) { return a; } 🆘 А что делать, если хочется такое в Python? Есть несколько вариантов: 1. В стандартной библиотеке есть есть functools.singledispatch и functools.singledispatchmethod, но корректно они работают только с 1 аргументом 🤬: from functools import singledispatch @singledispatch def process(x: Any): print(f"Общий случай: {x}") @process.register def _(x: str): print(f"Строка: {x}") @process.register def _(x: str, y: int): # сработает, но и сломает предыдущий обработчик print(f"{x=}, {y=}") 2. Одно время часто советовали multipledispatch, но у него ряд недостатков - его не любят IDE, тайпинги не поддерживает, да и вообще всё еще стремно выглядит ⚰️: from multipledispatch import dispatch @dispatch(int, int) # никаких тайп хинтов, только вот так def add(x, y): return x + y @dispatch(object, object) def add(x, y): return f"{x} + {y}" add(1, 2) # 3 add(1, 'hello') #'1 + hello' 3. А еще можно использовать ovld 😎. Что он умеет? 👩‍💻 Перегружает по тайп-хинтам 👩‍💻 Полноценно работает с IDE и автодополнением (правда с pyright у меня иногда случаются нюансы) 😎 Умеет нормально работать с вложенными аннотациями (аля list[tuple[str, int]) 😈 Не требует регистрации базовой функции (как в singledispatch) 💨 да и работает достаточно быстро (хотя куда без нюансов)? А теперь небольшой примерчик: from ovld import ovld @ovld def f(x: str): return f"Строка {x!r}" @ovld def f(x: int): return f"Число {x}" @ovld def f(x: int, y: int): return "Джва числа!" Ну красиво же? Я уже молчу при всякие фичи в виде кодгена, миксинов, метакласса который проставляет декоратор как бы за вас, типов зависимых по значению (есть проверка текста по регуляркам) и еще много всего! GitHub | Документация | PyPi #библиотека3,70%
  • 15 апр. 2025 г.без подписи2,31%
  • 30 мая 2025 г.Помните про такую старинную питонячью забаву - гуй/фронтенд через Python рисовать? Я даже пару постов делал об этом (тык, тык) - но все эти инструменты были "ну такие". Где-то фатальный недостаток в архитектуре, где-то кнопки мне не понравились. В основном это нужно для людей, которые от фронтенда достаточно далеки - ML-щики, аналитики и датасотонисты, например. Я их понимаю, не осуждаю. Вот и ребята из Snowflake поняли, не осудили и придумали... Streamlit! Что есть внутри: - Простая генерация веб-интерфейса - на скриншоте можете увидеть, как просто делается интерфейс в принципе. - Элементы - интерактивные! Чекбоксы, слайдеры, поля для ввода, таблички - здесь есть всё, что может понадобиться! - Умеет отображать не только обычные списочки/словари, а еще датафреймы pandas, графики altair, bokeh, numpy и кучу еще всего! - Очень простое API для создания собственных компонентов. - Умеет в Markdown и Latex. Поэтому, если хотите MVP прототип наклепать или написать очередной внутренний инструмент, продемонстрировать ML-модель - можно пользоваться! А еще плейграунд есть - можно прям в браузере попробовать! P.S. В комментах подсказали, что Streamlit сначала был отдельным проектом, а уже Snowflake его потом купили. Github | Сайт | PyPi (39 тыщ звёзд!) #библиотека2,21%
  • 8 июн. 2025 г.💡 asyncssh - асинхронный ssh клиент и не только 👀 Если вы будете искать асинхронную альтернативу paramiko (это реализация SSHv2 на чистом питоне), то скорее всего наткнетесь на asyncssh - paramiko из под коробки не умеет в асинк. ❓ Вообще, зачем он нужен, тем более для python? А давайте посмотрим, какие примеры есть у asyncssh: ➡️ Обычный клиент, который заходит на сервер и отправляет туда команду. Полезно, когда хочется сделать какой-то инструмент автоматизации, который заходит на кучу серверов и что-то на них выполняет (давайте представим что Ansible не существует, ладно?). Еще у меня встречался кейс, когда есть какая-то штука, которая ставится на сервер, у которой нет API но есть CLI-утилита. Вот такие библиотеки здорово выручают. ➡️ Порт-форвардинг. Например, когда я писал диплом, у меня был скрипт который форвардил нужные для меня сервисы (ума не хватало впн поднять, да) на выданном мне хосте. ➡️ SFTP-клиент. Даже готовый класс есть, бери и накидывай поверх него какой-то гуй. В последний раз, кстати, я такую штуку использовал для того, чтобы выкачивать бекапы. Был только доступен SFTP, поэтому мы выживали как могли... ➡️ А можно еще свой ssh сервер бахнуть. Например чтобы сделать простой honeypot для ботов, посмотреть что они будут делать на серваке. ➡️ Ну и закончу, пожалуй, sftp сервером. Можно написать небольшой сервер, c кастомной логикой. Однажды я участвовал в одной CTF, в одной из тасок надо было за 5 команд получить доступ к флагу. Количество попыток было ограничено. Угадаете, на чем было реализовано? ✏️ В общем, asyncssh это не просто "асинхроннй ssh-клиент, ну там чтобы командики отправить". Тут столько возможностей и идей для использования - бери и пили! Документация | Github | PyPi #библиотека2,02%
  • 31 мая 2025 г.niquests - молодой преемник requests Долгое-долгое время всеми нами любимая библиотека request для http запросов была де-факто стандартом. Но время шло, в питоне появилось нормальное асинхронное программирование, технологии развивались, а requests никак не адаптировался к изменениям - у них там гордый feature freeze. Когда у меинтейнеров спрашивали, как там насчёт асинка, видите ли, requests - это "feature-complete piece of software at this time", да и вообще есть весомые причины. Вот так и жили. Сначала появился aiohttp. Потом httpx, который стал очень популярным и совместил несколько подходов, сразу в одном клиенте. А потом появился наш парень niquests (первый релиз с 29 августа 2023 года), форк requests, который начал решать проблемы своего отца: - Наконец появился асинк! - Появилась поддержка HTTP/2 и HTTP/3 over QUIC (которой НЕТ даже в httpx/aiohttp!) - Тредсейф, для любителей потоков - Мультиплексирование соединения - Добавили поддержку DNSSEC (этого нет ни в requests, ни в httpx ни в aiohttp). - Есть DNS over HTTPS/QUIC/TLS - этого тоже нет в конкурентах - Работа с вебсокетами (есть только в aiohttp и то только HTTP/1), и SSE (этого ни у кого нет). - Ну и аннотации типов (с 3.0.0), хранение сертификатов в памяти и так далее - мы же не в прошлом десятилетии живём. Да куча, блин, фич! Можете тут взглянуть на табличку, я не всё перечислил. Вы думаете это всё? Он рвёт своих конкурентов по скорости - примерно в 3 раза быстрее в тестах - смотрите скриншот. Самое, блин, грустное - я практически не вижу его в опенсурсных проектах. Но на бумаге выглядит очень круто. Что думаете? Пользовались ли? Сможет ли он отнять часть рыночка? Пишите в комментарии, обсудим! Github | Документация | PyPi #библиотека1,94%
  • 1 янв. 2024 г.С наступившим 2024 вас! Сегодня расскажу про dirty-equals. Этот пакет используется для реализации более читаемых и декларативных проверок на равенство/соответствие, но в полной мере он себя раскрывает при написании тестов. Как обычно, приведу несколько примеров: from dirty_equals import * >>> assert 1 == IsPositive # Всё ок, число положительное >>> assert -2 == IsPositive # AssertionError >>> # Проверки можно комбинировать при помощи булевой логики >>> assert ['a', 'b', 'c'] == HasLen(3) & Contains('a') # Ок, список на 3 элемента, содержит 'a' >>> # Есть проверка словарей >>> assert {'a': 1, 'b': 2} == IsDict(a=1, b=2) >>> # Словари можно проверять частично >>> assert {'a': 1, 'b': 2, 'c': 3} == IsDict(a=1, b=2).settings(partial=True) >>> # Или вот так >>> assert {'a': 1, 'b': 2, 'c': 3} == IsPartialDict(a=1, b=2) >>> Можно проверять соответствие регуляркам >>> assert 'test@kiriha.ru' == IsStr(regex=r'^[^@]+@[^@]+\.[^@]+$') >>> # И так далее... Рекомендую заглянуть в документацию, там таких удобных штук ещё очень много! Ну и изучите исходники - написано не сложно, под капотом используется чуток метаклассов, для изучения темы - самое то! #библиотека1,92%
  • 24 мая 2025 г.Rapidy - новый web-фреимворк на базе aiohttp Недавно заметил, что в чатиках разгоняют про ещё один новый web-фреимворк, только уже построенный на aiohttp. Зачем, конечно, в 2025 году использовать aiohttp - вопрос сложный, но автор отвечает на него так - это для любителей aiohttp. Ну раз так, то ладно. Вообще, когда я писал сервисы на aiohttp, мне всегда хотелось иметь работу с pydantic как у FastAPI. Можно сказать, автор воплотил одну из моих идей. Что под капотом из того, что мне приглянулось? - Валидация и сериализация как в хендлерах, так и в middleware при помощи полюбившегося всем Pydantic. - Нативная интеграция с dishka. - Декларативные контроллеры в виде классов с наследованием параметров - вкусовщина ещё та, но мне нравится: @controller('/') class UserController: @get('/{user_id}') async def get_by_id(self, user_id: str = PathParam()) -> dict[str, str]: return {'user_id': user_id} @get() async def get_all_users(self) -> list[dict[str, str]]: return [{'name': 'John'}, {'name': 'Felix'}] - Ну и по стандарту, всё что уже и так есть в aiohttp. А обещают нам: - Генерацию OpenAPI - очень хотелось бы видеть. - HTTP клиент обмазанный Pydantic - видимо чтобы быстренько клепать интеграции с http-сервисами. - И, самое интересное - поддержку GRPC. Вот тут очень стало интересно, как это будет выглядеть. Всё это, конечно, звучит круто, но у фреимворка есть самый большой недостаток, который вытекает из самого aiohttp - нету asgi. Мне кажется, что если его исправить, то ему можно будет даже подвинуться между легким FastAPI и уже ставшим монструозным Litestar. Поэтому, пока что для меня - это aiohttp на стероидах. Удобный, легкий, слегка фичастый, подведенный к стандарту разработки 2025 года. Github | Документация #библиотека1,83%
  • 15 янв. 2024 г.Тренажер по тайпингу в Python для самых маленьких (и не только) Python Type Challenges, очень прикольный сайт-тренажер для изучения типизации. Выбираешь тему, дописываешь необходимые куски кода и запускаешь проверку линтером. Почти как олимпиадные задачки, только полезные😁 Для некоторых задач доступны подсказки со ссылками на документацию. Проверить свои знания по типам сюда Посмотреть исходный код сюда1,79%
  • 1 сент. 2024 г.Сегодня расскажу про модуль, который поможет остановить время в ваших тестах и не только - FreezeGun Сначала история из жизни. Недавно мне принесли скрипт, который скрапил некоторую информацию с онлаин-каталога на текущий момент. Задачей было заставить его скрапить данные до определенного момента. В нём было очень много вызовов datetime.now() (пагинация по датам, ага), перепиливать все это мне не очень хотелось, а результат хотели вчера. Поэтому я такой хоп: from freezegun import freeze_time with freeze_time("01-08-24"): result = call_api() И всё работает! Но вы так не делайте, конечно, это самый настоящий подпор костылём, мне вообще повезло, что оно заработало. Или делайте если надо, разрешаю. В основном этот пакет используют для тестов и как было понятно с примера выше - он позволяет "заморозить" время на определенном моменте. Проверить истечение подписки, корректность фильтров, расчёт на определенное время - этот пакет позволит сделать всё это всего в пару строк кода! Есть возможность использовать декоратор вместо контекстного менеджера: @freeze_time("2012-01-14") def test(): assert datetime.datetime.now() == datetime.datetime(2012, 1, 14) А если оба варианта вам не нравятся, и хочется более гибкого управления - можно руками задавать когда время остановится и возобновится: freezer = freeze_time("2012-01-14 12:00:01") freezer.start() assert datetime.datetime.now() == datetime.datetime(2012, 1, 14, 12, 0, 1) freezer.stop() С асинком, кстати, тоже работает. Библиотека довольно фичастая, так что за примерами использования можно проследовать в тесты. #библиотека1,63%
  • 11 мая 2024 г.Там в Python 3.12 добавили нашумевший PEP 659, а у меня пет-проект один давно не обновлялся, и так уж звёзды сошлись, что я сижу второй день обновляю его на 3.12 Задача - есть функционал, который под капотом имеет некоторый класс следующего вида: class BaseFunction: serialize_to: None def serialize(self, data: dict) -> serialize_to: pass # тут мы используем наш serialize_to @dataclass class ModelA: x: str class FunctionA(BaseFunction): serialize_to: ModelA Мы определяем новые классы наследуясь от BaseFunction, переопределяем в них serialize_to и вызываем serialize который делает нам инстанс serialize_to. Ну прямо дженерик напрашивается! Тем более в 3.12 их завезли, красивые: class BaseFunction[T]: def serialize(self, data: dict) -> T: pass # тут мы используем наш serialize_to class FunctionA(BaseFunction[ModelA]): pass Встаёт вопрос, а как нам получить наш тип из дженерика? Для начала, получим __orig_bases__[0] - он вернёт нам классы, от которых мы наследовались. Так как нам нужен только наш первый класс, мы указываем [0]: >>> FunctionA.__orig_bases__ __main__.BaseFunction[__main__.ModelA] Ещё можно это сделать с помощью get_original_bases из types, но его добавили только в 3.12 (почему я об этом сказал - узнаете ниже). Теперь надо получить получить сам тип в дженерике. В этом нам поможет typing.get_args, который получает все аргументы типа. Дополнительно укажем, что нам нужен первый тип: >>> get_args(FunctionA.__orig_bases__[0])[0] <class '__main__.ModelA'> Теперь в методе serialize класса BaseFunction[T] можно написать штуку, которая автоматически сериализует наши данные: def serialize(self, data: dict) -> T: type_from_generic = get_args(self.__class__.__orig_bases__[0])[0] return type_from_generic(**data) Проверяем: >>> f = FunctionA() >>> f.serialize(data={"x": 1}) ModelA(x=1) Вы восхитительны! Кстати, эта же штука должна работать ещё вроде как аж с 3.8, так как в нём именно был добавлен __orig_bases__ (PEP 560), ну и под капотом у новых дженериков используется... >>> FunctionA.__mro__ (<class '__main__.FunctionA'>, <class '__main__.BaseFunction'>, <class 'typing.Generic'>, <class 'object'>) Ага, typing.Generic :) #рецепт #std1,43%
  • 2 июн. 2024 г.Итак, ко мне пришли ребята из Podlodka Python Crew и предложили разыграть один бесплатный билет на новый сезон их конференции, где участников с 3 по 7 июня будет ждать целая неделя онлаин-воркшопов и много докладов по теме инфраструктуры. Из интересного:…1,38%
  • 21 мар. 2024 г.Подписчиков набежало, а постов всё так же не было. Буду исправляться! Сегодня расскажу про deptry - тулзу, которая позволяет находить неиспользованные, транзитивные или отсутствующие зависимости в проекте на Python. Работает это следующим образом - запускаем утилиту в каталоге с проектом, она сканит все импортированные модули и сравнивает их с тем, что описано в зависимостях. Умеет работать с любым пакетным менеджером который строго следует PEP 621, а так же pyproject.toml от Poetry и PDM. Ну и обычный requirements.txt тоже поддерживается! Где это может быть полезно? Для себя выявил несколько сценариев: 1. Получили старый проект без зависимостей и пытаемся собрать либы, которые он использует (много раз такое было на фрилансе). 2. Проводим глубокий рефакторинг, трекаем ненужные зависимости и таким образом избавляемся от них. 3. Если кто-то напихал нормальные зависимости в качестве dev зависимостей, утилита тоже это покажет. 4. Отлично детектит использование транзитивных зависимостей - это такие пакеты, которые мы не устанавливаем напрямую, но которые устанавливаются при установке другого пакета как его зависимость. Самый простой пример - установка sqlparse при установке Django. Такие зависимости должны быть указаны явно. 5. Добавляем в CI и время от времени смотрим отчеты, таким образом поддерживаем зависимости в нормальном виде. Настраивается достаточно гибко, документация лежит здесь. #утилита1,25%