ar
Feedback

لا تقع ضحية للمخادعين! تيليمتريو يكتشف ويُميّز هذه القنوات 👉 إذا كنت تريد رؤية العلامة، اشترك

Библиотека Python разработчика | Книги по питону

Библиотека Python разработчика | Книги по питону

الذهاب إلى القناة على Telegram

Погружение в CPython и архитектуру. Разбираем неочевидное поведение (GIL, Memory), Best Practices (SOLID, DDD) и тонкости Django/FastAPI. Решаем задачи с подвохом и оптимизируем алгоритмы. 🐍 По всем вопросам @evgenycarter РКН clck.ru/3Ko7Hq

إظهار المزيد

📈 نظرة تحليلية على قناة تيليجرام Библиотека Python разработчика | Книги по питону

تُعد قناة Библиотека Python разработчика | Книги по питону (@bookpython) في القطاع اللغوي الروسية لاعباً نشطاً. يضم المجتمع حالياً 17 904 مشتركاً، محتلاً المرتبة 7 304 في فئة التكنولوجيات والتطبيقات والمرتبة 36 554 في منطقة روسيا.

📊 مؤشرات الجمهور والحراك

منذ تأسيسه في невідомо، حقق المشروع نمواً سريعاً وجمع 17 904 مشتركاً.

بحسب آخر البيانات بتاريخ 15 نوفمبر, 2026، تحافظ القناة على نشاط مستقر. خلال آخر 30 يوماً تغيّر عدد الأعضاء بمقدار -116، وفي آخر 24 ساعة بمقدار -5، مع بقاء الوصول العام مرتفعاً.

  • حالة التحقق: غير موثّقة
  • معدل التفاعل (ER): يبلغ متوسط تفاعل الجمهور 5.44‎%. وخلال أول 24 ساعة من النشر يحصد المحتوى عادةً 2.71‎% من ردود الفعل نسبةً إلى إجمالي المشتركين.
  • وصول المنشورات: يحصل كل منشور على متوسط 974 مشاهدة. وخلال اليوم الأول يجمع عادةً 486 مشاهدة.
  • التفاعلات والاستجابة: يتفاعل الجمهور بانتظام؛ متوسط التفاعلات لكل منشور يبلغ 3.
  • الاهتمامات الموضوعية: يركز المحتوى على مواضيع رئيسية مثل numbers, yield, модуль, none, декоратор.

📝 الوصف وسياسة المحتوى

يصف المؤلف القناة بأنها مساحة للتعبير عن الآراء الذاتية:
“Погружение в CPython и архитектуру. Разбираем неочевидное поведение (GIL, Memory), Best Practices (SOLID, DDD) и тонкости Django/FastAPI. Решаем задачи с подвохом и оптимизируем алгоритмы. 🐍 По всем вопросам @evgenycarter РКН clck.ru/3Ko7Hq”

بفضل وتيرة التحديث المرتفعة (أحدث البيانات بتاريخ 16 نوفمبر, 2026) تحافظ القناة على حداثتها ومستوى وصول مرتفع. وتُظهر التحليلات تفاعلاً نشطاً من الجمهور، ما يجعلها نقطة تأثير مهمة ضمن فئة التكنولوجيات والتطبيقات.

17 904
المشتركون
-524 ساعات
-337 أيام
-11630 أيام
جذب المشتركين
نوفمبر '26
نوفمبر '26
+6
في 0 قنوات
أكتوبر '26
+22
في 0 قنوات
Get PRO
سبتمبر '26
+36
في 0 قنوات
Get PRO
أغسطس '26
+37
في 0 قنوات
Get PRO
يوليو '26
+35
في 0 قنوات
Get PRO
يونيو '26
+23
في 0 قنوات
Get PRO
مايو '26
+40
في 0 قنوات
Get PRO
أبريل '26
+26
في 0 قنوات
Get PRO
مارس '26
+31
في 0 قنوات
Get PRO
فبراير '26
+62
في 0 قنوات
Get PRO
يناير '26
+69
في 0 قنوات
Get PRO
ديسمبر '25
+67
في 0 قنوات
Get PRO
نوفمبر '25
+97
في 31 قنوات
Get PRO
أكتوبر '25
+64
في 1 قنوات
Get PRO
سبتمبر '25
+90
في 36 قنوات
Get PRO
أغسطس '25
+60
في 0 قنوات
Get PRO
يوليو '25
+89
في 27 قنوات
Get PRO
يونيو '25
+116
في 19 قنوات
Get PRO
مايو '25
+119
في 44 قنوات
Get PRO
أبريل '25
+164
في 37 قنوات
Get PRO
مارس '25
+147
في 38 قنوات
Get PRO
فبراير '25
+178
في 31 قنوات
Get PRO
يناير '25
+176
في 33 قنوات
Get PRO
ديسمبر '24
+158
في 34 قنوات
Get PRO
نوفمبر '24
+112
في 33 قنوات
Get PRO
أكتوبر '24
+139
في 29 قنوات
Get PRO
سبتمبر '24
+190
في 29 قنوات
Get PRO
أغسطس '24
+68
في 17 قنوات
Get PRO
يوليو '24
+56
في 0 قنوات
Get PRO
يونيو '24
+95
في 23 قنوات
Get PRO
مايو '24
+223
في 18 قنوات
Get PRO
أبريل '24
+174
في 0 قنوات
Get PRO
مارس '24
+240
في 20 قنوات
Get PRO
فبراير '24
+224
في 18 قنوات
Get PRO
يناير '24
+287
في 23 قنوات
Get PRO
ديسمبر '23
+253
في 24 قنوات
Get PRO
نوفمبر '23
+282
في 16 قنوات
Get PRO
أكتوبر '23
+319
في 18 قنوات
Get PRO
سبتمبر '23
+342
في 0 قنوات
Get PRO
أغسطس '23
+264
في 0 قنوات
Get PRO
يوليو '23
+292
في 0 قنوات
Get PRO
يونيو '23
+211
في 0 قنوات
Get PRO
مايو '23
+284
في 0 قنوات
Get PRO
أبريل '23
+240
في 0 قنوات
Get PRO
مارس '23
+419
في 0 قنوات
Get PRO
فبراير '23
+147
في 0 قنوات
Get PRO
يناير '23
+247
في 0 قنوات
Get PRO
ديسمبر '22
+191
في 0 قنوات
Get PRO
نوفمبر '22
+174
في 0 قنوات
Get PRO
أكتوبر '22
+283
في 0 قنوات
Get PRO
سبتمبر '22
+268
في 0 قنوات
Get PRO
أغسطس '22
+287
في 0 قنوات
Get PRO
يوليو '22
+322
في 0 قنوات
Get PRO
يونيو '22
+233
في 0 قنوات
Get PRO
مايو '22
+258
في 0 قنوات
Get PRO
أبريل '22
+252
في 0 قنوات
Get PRO
مارس '22
+380
في 0 قنوات
Get PRO
فبراير '22
+207
في 0 قنوات
Get PRO
يناير '22
+315
في 0 قنوات
Get PRO
ديسمبر '21
+211
في 0 قنوات
Get PRO
نوفمبر '21
+269
في 0 قنوات
Get PRO
أكتوبر '21
+326
في 0 قنوات
Get PRO
سبتمبر '21
+286
في 0 قنوات
Get PRO
أغسطس '21
+486
في 0 قنوات
Get PRO
يوليو '21
+420
في 0 قنوات
Get PRO
يونيو '21
+368
في 0 قنوات
Get PRO
مايو '21
+350
في 0 قنوات
Get PRO
أبريل '21
+387
في 0 قنوات
Get PRO
مارس '21
+568
في 0 قنوات
Get PRO
فبراير '21
+572
في 0 قنوات
Get PRO
يناير '21
+777
في 0 قنوات
Get PRO
ديسمبر '20
+18 545
في 0 قنوات
التاريخ
نمو المشتركين
الإشارات
القنوات
15 نوفمبر0
14 نوفمبر0
13 نوفمبر0
12 نوفمبر0
11 نوفمبر+2
10 نوفمبر0
09 نوفمبر0
08 نوفمبر0
07 نوفمبر0
06 نوفمبر0
05 نوفمبر+2
04 نوفمبر0
03 نوفمبر0
02 نوفمبر+2
01 نوفمبر0
منشورات القناة
Хотите в разработку, но не хотите «просто курс»? Программа «Разработчик на Python» от МФТИ и Нетологии — это профессиональная
Хотите в разработку, но не хотите «просто курс»? Программа «Разработчик на Python» от МФТИ и Нетологии — это профессиональная переподготовка с двумя дипломами. Подходит и тем, кто начинает с нуля. Что внутри: — Python от основ до командного веб-проекта: бэкенд, фронтенд на React, базы данных; — ИИ: учитесь грамотно применять его в разработке и делаете своё ИИ-приложение; — технологическое предпринимательство: как устроены продукт и бизнес. Обучение онлайн, его можно совмещать с работой. На выходе — два диплома о профессиональной переподготовке: МФТИ и Нетологии. Важно: дипломы выдаются при наличии высшего или среднего профессионального образования. Старт — 23 ноября. 🎁По промокоду MFTIPY10 — скидка 10 000 ₽. Узнать подробнее и записаться

2
В Python имя переменной может состоять из одного символа подчёркивания: _. Хотя такие имена обычно недостаточно описательны и их не стоит использовать, существует по крайней мере три случая, когда _ имеет общепринятое значение. Во-первых, в интерактивных интерпретаторах Python _ используется для хранения результата последнего выполненного выражения: >>> 2 + 2 4 >>> _ 4 Во-вторых, в документации модуля gettext рекомендуется создавать псевдоним для функции gettext() в виде _(), чтобы не загромождать код. В-третьих, _ используется, когда необходимо придумать имя для значения, которое не представляет интереса: >>> log_entry = '10:50:24 14234 GET /api/v1/test' >>> time, _, method, location = log_entry.split() 📲 Мы в MAX 👉@BookPython
64
3
Иногда возникает необходимость выполнить участок кода и проигнорировать все возможные исключения. Это оправдано в случае с плагинами, сторонними модулями и другими компонентами, устройство которых вам неизвестно или которым вы не доверяете. Правильный способ сделать это — использовать конструкцию try с except Exception, а не голый except: try: foreign() except Exception: logging.warn('fail', exc_info=True) Голый except эквивалентен except BaseException. А разница между BaseException и Exception в том, что BaseException включает исключения, которые, как правило, ловить не следует, например, KeyboardInterrupt. 📲 Мы в MAX 👉@BookPython
607
4
В Python оператор квадратных скобок [] можно переопределить, реализовав магический метод __getitem__. Это позволяет, например, создать объект, который виртуально содержит бесконечное количество повторяющихся элементов: class Cycle: def __init__(self, lst): self._lst = lst def __getitem__(self, index): return self._lst[index % len(self._lst)] print(Cycle(['a', 'b', 'c'])[100]) # 'b' Необычность оператора [] в Python в том, что он поддерживает особый синтаксис. Его можно использовать не только так: [2], но и так: [2:10], [2:10:2], [2::2] или даже [:]. Смысл такой записи — [start:stop:step], но в ваших собственных объектах вы можете использовать этот синтаксис как угодно. Что же передаётся в __getitem__ в таких случаях? Объекты slice созданы специально для этого. Пример: class Inspector: def __getitem__(self, index): print(index) Inspector()[1] # 1 Inspector()[1:2] # slice(1, 2, None) Inspector()[1:2:3] # slice(1, 2, 3) Inspector()[:] # slice(None, None, None) Inspector()[:, 0, :] # (slice(None, None, None), 0, slice(None, None, None)) Объект slice сам по себе ничего не делает — он просто хранит атрибуты start, stop и step: s = slice(1, 2, 3) print(s.start) # 1 print(s.stop) # 2 print(s.step) # 3 📲 Мы в MAX 👉@BookPython
658
5
Существует два понятия с похожими названиями, которые легко перепутать: переопределение (overriding) и перегрузка (overloading). Переопределение происходит, когда дочерний класс определяет метод, который уже был реализован в родительском классе, фактически заменяя его. В некоторых языках необходимо явно указывать, что метод переопределяется (например, в C# используется модификатор override), в других — это необязательно (в Java можно, но не обязательно использовать аннотацию @Override). В Python нет ни обязательного, ни стандартного способа обозначать такие методы (некоторые программисты применяют пользовательский декоратор @override, который ничего не делает, а служит только для читаемости кода). Перегрузка, напротив, — это наличие нескольких функций с одним и тем же именем, но разными сигнатурами. Это поддерживается в таких языках, как Java и C++, и часто используется как способ предоставления значений по умолчанию: class Foo { public static void main(String[] args) { System.out.println(Hello()); } public static String Hello() { return Hello("world"); } public static String Hello(String name) { return "Hello, " + name; } } Python не поддерживает поиск функций по сигнатурам, только по именам. Вы можете написать код, который явно анализирует типы и количество аргументов, но это обычно выглядит громоздко и не очень красиво: def quadrilateral_area(*args): if len(args) == 4: quadrilateral = Quadrilateral(*args) elif len(args) == 1: quadrilateral = args[0] else: raise TypeError() return quadrilateral.area() Если вам нужны подсказки типов для такой реализации, модуль typing предоставляет декоратор @overload, который можно использовать следующим образом: from typing import overload @overload def quadrilateral_area( q: Quadrilateral ) -> float: ... @overload def quadrilateral_area( p1: Point, p2: Point, p3: Point, p4: Point ) -> float: ... 📲 Мы в MAX 👉@BookPython
739
6
🚀 Как логировать без боли в Python Как настроить логирование в Python один раз — и больше к этому не возвращаться. Обычно начинающие разработчики либо используют print(), либо подключают logging, но каждый раз пишут кучу однотипного кода. Я так тоже делал. Но потом вывел себе простую универсальную схему, которую теперь кидаю в каждый новый проект: import logging def setup_logger(name: str) -> logging.Logger: logger = logging.getLogger(name) if not logger.hasHandlers(): logger.setLevel(logging.INFO) handler = logging.StreamHandler() formatter = logging.Formatter( '%(asctime)s - %(levelname)s - %(name)s - %(message)s' ) handler.setFormatter(formatter) logger.addHandler(handler) return logger logger = setup_logger(__name__) logger.info("Скрипт стартовал") Что мы получаем: * Удобный формат времени и уровня лога * Защиту от дублирования логов (если модуль импортируется несколько раз) * Готовность к масштабированию (можно легко добавить файл-логгер) Если вы устали от print(), просто сохраните себе этот сниппет — он сэкономит вам время и нервы. Пользуетесь ли вы встроенным logging, или предпочитаете что-то вроде loguru? 📲 Мы в MAX 👉@BookPython
802
7
💡 Как избежать повторения кода с помощью functools.partial Как упростить код и избежать дублирования с помощью functools.partial. Допустим, у нас есть функция send_email(to, subject, body, is_html=False), и мы часто вызываем её с одним и тем же параметром is_html=True. Вместо того чтобы каждый раз писать это явно, можно создать частичную функцию: from functools import partial send_html_email = partial(send_email, is_html=True) # Теперь можно вызывать проще: send_html_email("user@example.com", "Привет", "<b>Как дела?</b>") Это удобно, если вы хотите предварительно зафиксировать часть аргументов, например: * логгеры с предустановленным уровнем * коннекторы с общими параметрами * команды CLI с типовыми флагами Таким образом, вы уменьшаете дублирование и делаете код читаемее. А ещё это красивый способ внедрить DI без фреймворков — просто передайте partial. 📲 Мы в MAX 👉@BookPython
978
8
Встроенные значения float в Python используют оборудование вашего компьютера напрямую, поэтому любое значение представляется внутренне в виде двоичной дроби. Это означает, что вы обычно работаете с приближениями, а не с точными значениями: >>> format(0.1, '.17f') '0.10000000000000001' Модуль decimal позволяет использовать десятичную арифметику с произвольной точностью: >>> from decimal import Decimal >>> Decimal(1) / Decimal(3) Decimal('0.3333333333333333333333333333') Но и этого может быть недостаточно: >>> Decimal(1) / Decimal(3) * Decimal(3) == Decimal(1) False Для абсолютно точных вычислений можно использовать модуль fractions, который хранит любое число как рациональное: >>> from fractions import Fraction >>> Fraction(1) / Fraction(3) * Fraction(3) == Fraction(1) True Очевидное ограничение — всё равно приходится использовать приближения для иррациональных чисел, таких как π. 📲 Мы в MAX 👉@BookPython
1 003
9
Создание объекта в Python включает два ключевых этапа. Сначала вызывается метод __new__, который создаёт и возвращает новый объект. Затем вызывается метод __init__ для инициализации состояния этого объекта. Однако, если __new__ возвращает объект, который не является экземпляром исходного класса, метод __init__ не будет вызван. Это связано с тем, что возвращаемый объект, вероятно, уже создан другим классом, и его __init__ уже был выполнен: class Foo: def __new__(cls, x): return dict(x=x) def __init__(self, x): print(x) # Никогда не вызывается print(Foo(0)) Важно: не следует создавать экземпляры того же класса в __new__ с использованием обычного конструктора (Foo(...)). Это может привести к двойному вызову __init__ или даже к бесконечной рекурсии. Пример бесконечной рекурсии: class Foo: def __new__(cls, x): return Foo(-x) # Рекурсия Пример двойного вызова __init__: class Foo: def __new__(cls, x): if x < 0: return Foo(-x) return super().__new__(cls) def __init__(self, x): print(x) self._x = x Правильный способ: class Foo: def __new__(cls, x): if x < 0: return cls.__new__(cls, -x) return super().__new__(cls) def __init__(self, x): print(x) self._x = x 📲 Мы в MAX 👉@BookPython
1 015
10
Как упростить работу с аргументами в командной строке с помощью typer Раньше для CLI-приложений на Python я использовал argparse, потом был click, но недавно полностью перешёл на typer. Это библиотека от автора FastAPI, и она реально 🔥 Вот простой пример: import typer app = typer.Typer() @app.command() def hello(name: str, age: int = 18): print(f"Привет, {name}! Тебе {age} лет.") if __name__ == "__main__": app() Теперь можно запускать в терминале: $ python main.py hello Alice --age 30 Привет, Alice! Тебе 30 лет. Что круто: - Автоматически генерируется --help - Пишется почти как обычная функция - Есть автокомплит в оболочках (bash/zsh) - Поддержка аннотаций типов и валидации "из коробки" Если ты всё ещё страдаешь с argparse, рекомендую попробовать typer. Особенно если ты уже кайфуешь от FastAPI — синтаксис и подход очень похожи. 📲 Мы в MAX 👉@BookPython
1 042
11
Популярный способ объявить абстрактный метод в Python — это выбросить исключение NotImplementedError: def human_name(self): raise NotImplementedError Хотя этот подход довольно распространён и даже поддерживается IDE (например, PyCharm считает такие методы абстрактными), у него есть недостаток: ошибка возникает только при вызове метода, а не при создании экземпляра класса. Чтобы избежать этой проблемы, используйте модуль abc: from abc import ABCMeta, abstractmethod class Service(metaclass=ABCMeta): @abstractmethod def human_name(self): pass Также важно помнить, что NotImplemented — это не то же самое, что NotImplementedError. NotImplemented — это специальное значение (как True и False), а не исключение. Оно используется, например, в специальных методах (__eq__(), __add__() и др.), чтобы сообщить Python, что операция не реализована для данного типа, и попытаться вызвать альтернативный метод (например, если a.__add__(b) возвращает NotImplemented, Python попробует вызвать b.__radd__(a)). 📲 Мы в MAX 👉@BookPython
1 064
12
Некоторый код может выводить интересующие вас данные в stdout, вместо того чтобы предоставлять API, возвращающий строку, пригодную для использования в программе. Вместо рефакторинга такого кода можно воспользоваться менеджером контекста contextlib.redirect_stdout, который позволяет временно перенаправить stdout в любой объект, поддерживающий файловый интерфейс. В сочетании с io.StringIO это позволяет сохранить вывод в переменную. from contextlib import redirect_stdout from io import StringIO s = StringIO() with redirect_stdout(s): print(42) print(s.getvalue()) Также существует contextlib.redirect_stderr для перенаправления вывода sys.stderr. 📲 Мы в MAX 👉@BookPython
981
13
Иногда в программе нужна очередь — контейнер, куда элементы добавляются с одной стороны и извлекаются с другой. В Python для этого можно использовать list: In : lst = [1, 2, 3] In : lst.pop() Out: 3 In : lst Out: [1, 2] In : lst[:0] = [4] # push In : lst Out: [4, 1, 2] Однако list выглядит не очень удобно (взгляните на этот "push") и работает неэффективно. In : lst = [0] * 10_000_000 In : %timeit lst[:0] = [1] 9.5 ms ± 111 µs per loop (mean ± std. dev. of 7 runs, 100 loops each) In : %timeit lst.pop() 84.3 ns ± 4.01 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each) Как видно, операция pop() в 100 раз быстрее, чем вставка в начало списка. Это связано с тем, как устроен list в Python: легко добавлять и удалять элементы с конца, но удаление/добавление в начало требует создания нового списка. Для очередей лучше использовать collections.deque. Он специально для этого создан: In : from collections import deque In : d = deque([1] * 100_000_000) In : %timeit d.popleft() 65 ns ± 0.436 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each) 📲 Мы в MAX 👉@BookPython
931
14
Скрытые фичи Enum: как выжать максимум Многие используют Enum как простой список констант. Но у enum.Enum в Python есть куда больше возможностей — и они могут сделать код чище и мощнее. Вот несколько приёмов, которые мало кто использует — но зря. 1. Добавление поведения в Enum from enum import Enum class Status(Enum): DRAFT = 'draft' PUBLISHED = 'published' ARCHIVED = 'archived' def is_visible(self): return self in {Status.DRAFT, Status.PUBLISHED} Теперь Status.DRAFT.is_visible() — это просто и элегантно. 2. Enum с полями from enum import Enum class Color(Enum): RED = ('#FF0000', 'danger') GREEN = ('#00FF00', 'safe') def __init__(self, hex_code, label): self.hex_code = hex_code self.label = label Color.RED.hex_code # '#FF0000' Color.RED.label # 'danger' 3. Автоматические значения с auto() from enum import Enum, auto class Role(Enum): ADMIN = auto() USER = auto() GUEST = auto() Удобно, если не важны конкретные значения, а нужны уникальные. 4. Строгая сериализация В реальных приложениях (API, базы) лучше контролировать сериализацию enum'ов: import json class CustomEncoder(json.JSONEncoder): def default(self, obj): if isinstance(obj, Enum): return obj.value return super().default(obj) json.dumps(Status.PUBLISHED, cls=CustomEncoder) # "published" 5. Сравнение по значению Status('draft') == Status.DRAFT # True Status('draft') is Status.DRAFT # True (enum гарантирует singleton) Итого: Enum — это не просто константы. Это лёгкий способ инкапсулировать поведение и данные, улучшить читаемость и сделать код устойчивее к ошибкам. 📲 Мы в MAX 👉@BookPython
778
15
default_factory в dataclass: мощнее, чем кажется Многие используют dataclass как удобный способ задать структуру с полями. Но редко кто по-настоящему раскрывает силу default_factory. А зря — он спасает от багов и даёт гибкость. Когда нужно задать значение по умолчанию для поля в dataclass, логично тянуться к default=. Но если это изменяемый тип (например, список или словарь) — вас поджидает ловушка. from dataclasses import dataclass, field @dataclass class User: name: str tags: list[str] = [] # ⚠️ опасно! Все экземпляры User будут делить один и тот же список. То есть: a = User("Alice") b = User("Bob") a.tags.append("admin") print(b.tags) # ['admin'] 😱 Вместо этого используйте default_factory: @dataclass class User: name: str tags: list[str] = field(default_factory=list) Теперь у каждого User будет свой список: a = User("Alice") b = User("Bob") a.tags.append("admin") print(b.tags) # [] Но default_factory не только про списки. Это отличный способ задать любое значение "по умолчанию", включая кастомную логику: import uuid @dataclass class Session: id: str = field(default_factory=lambda: str(uuid.uuid4())) Или, например, значения из окружения: import os @dataclass class Config: debug: bool = field(default_factory=lambda: os.getenv("DEBUG") == "1") Кстати, это ещё и отличное место для внедрения DI: @dataclass class Service: client: "Client" = field(default_factory=create_default_client) default_factory — это маленький хак, который позволяет сделать код чище и безопаснее, особенно когда работаешь с изменяемыми структурами или сложной инициализацией. 📲 Мы в MAX 👉@BookPython
944
16
yield from — элегантная передача управления Если вы пишете генераторы, которые вызывают другие генераторы — забудьте про for x in sub(): yield x. Есть способ проще и мощнее. Оператор yield from позволяет передавать элементы из подгенератора напрямую, без лишнего кода. Но фишка не только в лаконичности — он также автоматически пробрасывает исключения и возвращаемые значения из подгенератора. Вот классика: def gen(): for x in range(3): yield x def wrapper(): for x in gen(): yield x Можно короче и лучше: def wrapper(): yield from gen() Но главное — yield from пробрасывает return-значение из подгенератора (начиная с Python 3.3): def sub(): yield 1 yield 2 return 'done' def main(): result = yield from sub() print('Sub returned:', result) for _ in main(): pass # Выведет: Sub returned: done А ещё через yield from можно проксировать значения внутрь генератора — например, в сопрограммах: def delegator(): result = yield from coroutine() print('coroutine done:', result) def coroutine(): x = yield y = yield return x + y g = delegator() next(g) # Старт next(g) # coroutine ждет x g.send(10) # x = 10 print(g.send(20)) # y = 20 → return 30 # Выведет: coroutine done: 30 Итог: если вы пишете генераторы — освоение yield from даст вам лаконичный синтаксис, проброс return-значений, исключений и взаимодействие на новом уровне. 📲 Мы в MAX 👉@BookPython
901
17
Когда вы используете модуль multiprocessing, и в одном из процессов происходит исключение, оно передаётся в основную программу с помощью механизма сериализации (pickling). Исключение сериализуется, передаётся в другой процесс и там десериализуется обратно. Однако сериализация исключений может быть непростой задачей. Исключение создаётся с любым количеством аргументов, которые сохраняются в атрибуте args. Эти же аргументы используются при десериализации для воссоздания объекта исключения. Но это может не сработать так, как вы ожидаете, особенно если используется наследование. Посмотрите на пример: import pickle class TooMuchWeightError(Exception): def __init__(self, weight): super().__init__() self._weight = weight pickled = pickle.dumps(TooMuchWeightError(42)) pickle.loads(pickled) Вызов TooMuchWeightError.__init__ приводит к вызову Exception.__init__, который устанавливает args как пустой кортеж. Этот пустой кортеж затем используется в качестве аргументов при десериализации, что, очевидно, приводит к ошибке: TypeError: __init__() missing 1 required positional argument: 'weight' Обходное решение — либо вообще не вызывать super().__init__() (что обычно считается плохой практикой при наследовании), либо передавать все аргументы явно в конструктор родительского класса: class TooMuchWeightError(Exception): def __init__(self, weight): super().__init__(weight) self._weight = weight 📲 Мы в MAX 👉@BookPython
1 000
18
Функция map вызывает другую функцию для каждого элемента итерируемого объекта. Это значит, что функция должна принимать одно значение в качестве аргумента: In : list(map(lambda x: x ** 2, [1, 2, 3])) Out: [1, 4, 9] Однако если каждый элемент итерируемого объекта — это кортеж, было бы удобно передавать каждый элемент кортежа как отдельный аргумент. В Python 2 это было возможно благодаря распаковке параметров кортежа (обратите внимание на скобки): >>> map(lambda (a, b): a + b, [(1, 2), (3, 4)]) [3, 7] В Python 3 эта возможность исчезла, но есть другое решение — itertools.starmap. Она распаковывает кортежи за вас, будто функция вызывается со звёздочкой: f(*arg) (отсюда и название функции): from itertools import starmap In [3]: list(starmap(lambda a, b: a + b, [(1, 2), (3, 4)])) Out[3]: [3, 7] 📲 Мы в MAX 👉@BookPython
1 034
19
Функция super() позволяет обращаться к родительскому (базовому) классу. Это может быть очень полезно в случаях, когда производный класс хочет добавить что-то к реализации метода, а не полностью переопределять его: class BaseTestCase(TestCase): def setUp(self): self._db = create_db() class UserTestCase(BaseTestCase): def setUp(self): super().setUp() self._user = create_user() Имя функции super не означает "отличный" или "очень хороший". В данном контексте слово super означает "выше" (как, например, в слове superintendent — заведующий). Несмотря на это, super() не всегда ссылается на базовый класс — он может вернуть и "соседний" класс. Более точным названием была бы, возможно, функция next(), так как возвращается следующий класс согласно цепочке разрешения методов (MRO — Method Resolution Order). Пример: class Top: def foo(self): return 'top' class Left(Top): def foo(self): return super().foo() class Right(Top): def foo(self): return 'right' class Bottom(Left, Right): pass # выводит 'right' print(Bottom().foo()) Обрати внимание: результат работы super() может отличаться в зависимости от MRO вызвавшего объекта. >>> Bottom().foo() 'right' >>> Left().foo() 'top' 📲 Мы в MAX 👉@BookPython
1 232
20
Стандартный механизм расширения путей в оболочке называется globbing. Шаблоны, которые вы используете для сопоставления путей
Стандартный механизм расширения путей в оболочке называется globbing. Шаблоны, которые вы используете для сопоставления путей, называются globs. $ echo /li* /lib /lib64 Python поддерживает globbing с помощью модуля glob. Однако есть важное замечание: оболочка возвращает сам шаблон, если файлы не найдены, а Python — нет: $ echo /zz** /zz** $ python -c 'from glob import glob; print(glob("/zz**"))' [] 📲 Мы в MAX 👉@BookPython
1 047