Программистика

Программистика ||

❖ Что делать в случае отключения России от глобального Интернета? ❖ Как не сливать государству гигабайты своих данных? ❖ Как обойти «глушилку» мобильной связи в регионах? В 2026 году любое государство готово залезть к вам в прямую кишку ради контроля персональных данных. И тендеция только набирает обороты. Чтобы щупальца РКН, правоохранителей и мошенников не коснулись вашей жизни, держите в подписках «PythonLab» Анонимный хакер из российской группировки рассказывает как обходить ограничения, не оставлять «цифровые следы» и пользоваться топовыми нейронками без ограничений. Сохраняйте, пока в стране во всю закручивают гайки, такие каналы — на вес золота: @TechLab

👩‍💻 `filter`: когда нужны не все элементы, а только хорошие Многие, отфильтровывая элементы, пишут громоздкие циклы с if и append. Но в Python есть встроенная функция, которая делает это элегантнее и часто быстрее — filter(). ❌ Было (долго и нудно):

nums = [1, 2, 3, 4, 5, 6]
evens = []
for num in nums:
    if num % 2 == 0:
        evens.append(num)

✔️ Стало (кратко и функционально):

nums = [1, 2, 3, 4, 5, 6]
evens = list(filter(lambda x: x % 2 == 0, nums))

Что делает `filter` filter(function, iterable) применяет функцию к каждому элементу итерируемого объекта и возвращает итератор только с теми элементами, для которых функция вернула True.

def is_positive(x):
    return x > 0

numbers = [-2, -1, 0, 1, 2]
positive = list(filter(is_positive, numbers))  # [1, 2]

🟢 Важно: filter возвращает итератор, а не список. Если нужен список — оборачивай в list(). Преимущества: 🟢 Читаемость: сразу понятно — "фильтруем элементы по условию". 🟢 Ленивость: можно обрабатывать огромные последовательности, не загружая всё в память. 🟢 Компактность: не нужно писать цикл с append. 🟢 Скорость: для больших данных может быть быстрее, чем цикл на Python. Практический пример Допустим, есть список пользователей, нужно оставить только совершеннолетних:

users = [
    {'name': 'Алиса', 'age': 17},
    {'name': 'Боб', 'age': 25},
    {'name': 'Карл', 'age': 16}
]

adults = list(filter(lambda user: user['age'] >= 18, users))
print(adults)  # [{'name': 'Боб', 'age': 25}]

Когда `filter` — это хорошо:

✔️ У тебя уже есть готовая функция (особенно встроенная), которая возвращает bool. ✔️ Данные большие, и ленивость важна. ✔️ Хочешь код в функциональном стиле без побочных эффектов. ✔️ Комбинируешь с map, reduce и другими функциональными инструментами.

Когда `filter` — не лучший выбор: ❌ Условие сложное и требует много строк — лучше вынести в отдельную функцию и использовать её в filter. ❌ Нужно не только отфильтровать, но и преобразовать элементы — тогда filter + map могут быть тяжелее, чем одно списковое включение. ❌ Для простых условий списковое включение часто читается понятнее:

# filter
evens = list(filter(lambda x: x % 2 == 0, nums))

# list comprehension (часто предпочтительнее)
evens = [x for x in nums if x % 2 == 0]

filter делает код чище и короче, но, как и любой инструмент, требует осознанного подхода. Программистика || #doc

🚀 Создавать IT-проекты сегодня можно в разы быстрее с помощью AI 🌎🌟 Все благодаря vibe coding Когда вы не пишете код строка за строкой, а управляете разработкой через искусственный интеллект 🦾🦾 Университет искусственного интеллекта - один из крупнейших образовательных проектов по AI в России и СНГ 🤖 Уже 7 лет мы обучаем работе с искусственным интеллектом, выпустили более 11 000 студентов и собрали самую большую базу практического контента по AI 🔥🔥 Мы запустили Vibe Coding School, где разберем: 🔹 Создание web-приложений через Google AI Studio 🔹 Разработку backend на Python через GPT 🔹 Работу с базами данных 🔹 Создание реальных AI-проектов 🌎🌎🌎 Спикер - Дмитрий Романов, Senior AI, AI-разработчик с 2003 года, руководитель IT-проектов и основатель Университета Если хотите научиться быстро создавать свои IT-проекты и AI-сервисы, приходите 👇 🤖 Подробнее о программе

💻 Вопрос с собеседования: Что произойдёт, если изменить список (list) во время итерации по нему? Это вопрос-ловушка, который часто задают, чтобы проверить, понимает ли кандидат внутреннее устройство итераторов. Новички обычно говорят «ничего страшного», а потом получают исключение или неожиданное поведение. 📌 Базовый ответ (которого ждут от джуна): Изменять список во время итерации по нему — плохая практика. Это может привести к пропуску элементов, бесконечному циклу или исключению RuntimeError.

# ❌ Так делать не надо
lst = [1, 2, 3, 4, 5]
for x in lst:
    if x % 2 == 0:
        lst.remove(x)
print(lst)  # [1, 3, 5] — кажется, работает? Но не всегда!

Почему это опасно? При удалении элемента индексы сдвигаются, и цикл может пропустить следующий элемент или выйти за границы. 🧱 Глубокий разбор (для мидла и сеньора): 1. Что происходит под капотом? Когда ты пишешь for x in lst:, Python создаёт итератор (через iter(lst)). Итератор запоминает текущую позицию по индексу. Если во время итерации ты удаляешь или добавляешь элементы, структура списка меняется, но итератор продолжает двигаться по старым индексам.🟢

lst = [1, 2, 3, 4, 5]
it = iter(lst)
print(next(it))  # 1
lst.remove(2)    # список стал [1, 3, 4, 5]
print(next(it))  # 3 (элемент на позиции 1) — элемент 2 пропущен!

2. Разные типы ошибок: 🟢 Удаление: пропуск элементов (как выше) или IndexError, если удалить слишком много. 🟢 Добавление: бесконечный цикл, если добавлять элементы в конец. 🟢 Для словарей: RuntimeError: dictionary changed size during iteration — словари вообще нельзя менять во время итерации.

# Словарь упадёт сразу
d = {'a': 1, 'b': 2}
for k in d:
    d['c'] = 3  # RuntimeError!

3. Как правильно? Самый безопасный способ — итерироваться по копии:

lst = [1, 2, 3, 4, 5]
for x in lst[:]:  # копия списка
    if x % 2 == 0:
        lst.remove(x)

Или использовать списковое включение для создания нового списка:

lst = [x for x in lst if x % 2 != 0]  # новый список без чётных

Для сложных случаев можно итерироваться по индексам в обратном порядке:

for i in range(len(lst)-1, -1, -1):
    if lst[i] % 2 == 0:
        del lst[i]

⚠️ Ловушки и частые ошибки:

1. Наивная вера в то, что всё работает: Пример с удалением чётных чисел иногда даёт правильный результат, если элементы расположены определённым образом. Это создаёт ложное чувство безопасности. 2. Итерация по файлу: При чтении файла построчно его нельзя менять (добавлять/удалять строки) без переоткрытия. 3. Использование `list.remove()` в цикле: Удаляет только первое вхождение, что тоже может привести к путанице.

💡 Итог для собеседования: 1. Не изменяй итерируемый объект во время итерации. Это антипаттерн. 2. Если очень нужно — итерируйся по копии (lst[:], list(lst), copy.copy). 3. Для фильтрации используй списковые включения ([x for x in lst if condition]). 4. Словари и множества вообще нельзя менять во время итерации — будет исключение. 5. Понимание этого вопроса показывает, что ты знаешь, как работают итераторы и память в Python. Удачи на собеседованиях! 🔥🔥 Программистика || #jobs

👩‍💻 `map`: когда превращать данные лень писать руками, а когда это лишнее Многие, узнав про функциональный стиль, начинают пихать map куда только можно: list(map(str, numbers)), map(lambda x: x**2, data). Но часто списковое включение (list comprehension) читается лучше и работает так же. Разбираемся, когда map реально нужен, а когда это просто дань моде. Что делает `map` map применяет функцию к каждому элементу итерируемого объекта и возвращает итератор с результатами. Самый простой способ превратить числа в строки:

nums = [1, 2, 3]
strings = list(map(str, nums))

В отличие от for, map выполняется на Си (если функция тоже на Си), и может быть быстрее для больших данных. Но для повседневных задач разница незаметна. Преимущества 🟢 Краткость: map(str, data) короче, чем [str(x) for x in data]. 🟢 Производительность: для встроенных функций (int, str, abs) map быстрее благодаря низкоуровневой реализации. 🟢 Ленивость: map возвращает итератор, поэтому можно не хранить весь результат в памяти (полезно для огромных последовательностей). 🟢 Композиция: можно передавать несколько итерируемых объектов: map(pow, [1,2,3], [4,5,6]) даст степени 1⁴, 2⁵, 3⁶. Практический пример Допустим, нужно прочитать числа из файла (каждая строка — число) и преобразовать их в целые:

with open('numbers.txt') as f:
    # Плохо: сначала читаем все строки, потом преобразуем
    lines = f.readlines()
    nums = [int(line) for line in lines]

# Хорошо: лениво читаем и преобразуем
with open('numbers.txt') as f:
    nums = list(map(int, f))   # f итерируется по строкам, int применяется к каждой

Здесь map экономит память (нет промежуточного списка строк) и код чище. Когда `map` всё-таки уместен (и даже хорош) 1. Если функция уже есть и не требует `lambda`:

   # так читаемо
   result = list(map(str.upper, words))
   
   # так тоже неплохо, но map короче
   result = [w.upper() for w in words]
   

2. Если нужно обработать несколько итерируемых объектов параллельно (как zip, но с функцией):

   totals = list(map(lambda x, y: x * y, prices, quantities))
   

3. При работе с большими потоками данных, где ленивость критична (например, генераторы). Когда `map` — это зло (и лучше использовать `for` или `list comprehension`) 1. Сложная логика внутри `lambda`:

   # ❌ нечитаемо
   result = list(map(lambda x: x['age'] if x['age'] > 18 else 0, users))
   
   # ✅ понятно
   result = [user['age'] if user['age'] > 18 else 0 for user in users]
   

2. Если нужен только побочный эффект (например, print). map создаёт итератор, который надо потребить, что сбивает с толку:

   # ❌ кто-то забыл list()
   map(print, items)   # ничего не выведет
   

3. Когда читаемость важнее микрооптимизаций. Для 100 элементов разницы нет, а [x**2 for x in data] читается как предложение. 💡 Запомни: 🟢 map — отличный выбор, когда у тебя уже есть готовая функция (особенно встроенная) и ты хочешь применить её к каждому элементу. 🟢 Для простых преобразований вроде x**2 списковое включение понятнее и питоничнее. 🟢 Ленивость map полезна при работе с гигантскими данными, которые не помещаются в память. 🟢 Не пытайся засунуть сложную логику в lambda — вынеси в отдельную функцию или используй обычный цикл. Программистика || #doc

🖥 Tach: Строгий контроль зависимостей в Python (на Rust) В Python легко устроить спагетти-код: один модуль импортирует другой, тот — третий, и всё превращается в запутанный клубок. Tach решает эту проблему, позволяя явно указывать, какие модули могут общаться друг с другом. Он написан на Rust, работает мгновенно и внедряет концепцию строгих интерфейсов в Python. Зачем это нужно:

1. Чистая архитектура: Видно, кто кого вызывает. Если модуль orders полез в users без разрешения — Tach даст по рукам. 2. Безопасный CI: Tach проверит код перед деплоем. Если кто-то добавил "быстрый костыль" с левым импортом — сборка упадёт. 3. Строгий режим: Можно запретить импортировать из модуля всё подряд, разрешив только то, что явно указано в "публичном интерфейсе".

Как использовать:

pip install tach
tach mod  # Интерактивная настройка границ
tach check # Проверка нарушений

Идеально для больших проектов и командной разработки, где нужно держать архитектуру под контролем, а не надеяться на "авось". 🐱 Ссылка на GitHub Программистика || #Library

На Stepik запустили курс «От новичка к уверенности в коде на Python» Курс создан для новичков, которым важно не заучить команды, а понять логику. Наглядные схемы и визуальные разборы показывают, что происходит внутри программы и как она работает Много практики, понятные объяснения решений не дадут застрять на теории. Материал предлагает вам не иллюзию знаний, а ощущение контроля: вы ясно видите как из нескольких строк кода рождается работающая программа Что внутри: ✅переменные и типы данных ✅условия и логика программ ✅циклы и рекурсия ✅функции и работа с вводом данных ✅списки, словари и множества ✅базовое ООП ✅работа с библиотеками Python ✅десятки задач и упражнений Эти знания фундамент для написания простых ботов и автоматизации задач Скидка 25%, действует 48 часов 🔗Пройти курс на Stepik

🍿 Установка Python

📱 Первоисточник

Программистика|| #video

Профессия после службы — со скидкой к 8 Марта С 5 по 12 марта ОСЭК дает дополнительную скидку –8% на всё обучение. Это предложение действует на всю программу, а не только на первый семестр. Ваша выгода — до 38 300 ₽ за семестр. Почему это удобно: дистанционное обучение — можно совмещать со службой поступление без ЕГЭ и ОГЭ диплом государственного образца возможность сократить обучение на полгода поддержка специалистов колледжа на всех этапах Это шанс получить новую профессию и подготовиться к следующему этапу карьеры. Акция действует только до 12 марта. Чтобы получить скидку: выберите специальность назовите промокод 8МАРТА оплатите семестр обучения Подать заявку #реклама О рекламодателе

🖥 ​Prefect — это фреймворк оркестрации рабочих процессов с открытым исходным кодом, предназначенный для создания надежных конвейеров обработки данных на Python! Он позволяет превращать Python-скрипты в производственные рабочие процессы с минимальными усилиями, обеспечивая автоматическое отслеживание состояния, обработку ошибок, планирование задач и мониторинг в реальном времени. С помощью Prefect вы можете строить динамические и устойчивые конвейеры данных, которые адаптируются к изменениям и восстанавливаются после сбоев.

🐱 Ссылка на GitHub Программистика || #Library

⚡️РОЗЫГРЫШ В ЧЕСТЬ ОТКРЫТИЯ В MAX Теперь наши каналы доступны не только здесь, но и на платформе MAX.  В честь этого события разыгрываем три приза, которые усилят вашу защиту в сети. ПРИЗОВОЙ ФОНД: ⚠️ 1 МЕСТО: YubiKey 5 Series Физический ключ, который делает двухфакторную аутентификацию неуязвимой. Никакой фишинг и слив паролей не страшны, пока ключ у вас. ⚠️ 2 МЕСТО: SATOSHI VPN на 1 год Полная анонимность и шифрование трафика. Ваши данные под защитой в любых сетях. ⚠️ 3 МЕСТО: Книга "Хакерская самооборона" (Андрей Жуков, 2026) Актуальная новинка по активной обороне. Учитесь думать как хакер, чтобы защищаться от реальных угроз. 📎 УСЛОВИЯ ПРОСТЫЕ: Быть подписанным на этот канал (где вы читаете пост). Быть подписанным на все 4 канала в MAX по ссылкам ниже. → max.ru/becaps → max.ru/cyberins → max.ru/itbook_library → max.ru/nsis_cybersec 📌 Нажать кнопку "Участвую" под этим постом. Итоги подведём ровно через 20 дней с помощью рандомайзера 28.03.26 14:00MSK.

👀 Python. Уроки для начинающих

В книге 22 урока, более 40 практических упражнений и заданий для самостоятельной работы. Описан язык Python: его основы, типы данных, управляющие выражения, функции, объекты, классы, исключения, модули и пакеты. Рассмотрены более развитые инструменты языка: установка и применение дополнительных библиотек, многопоточное, многопроцессное и конкурентное программирование, аннотации типов. Рассказано о практическом применении Python и различных библиотек для загрузки данных из Интернета, парсинга веб-страниц, работы с базами данных, программирования графических и веб-приложений, математических расчетов, вывода графиков и работы с искусственным интеллектом. Электронный архив на сайте издательства содержит все примеры из книги.

Программистика || #doc

🔥 Подписка на easyoffer PRO на 1 год со скидкой 70% easyoffer – сайт для подготовки к собеседованию на программиста, тестировщика и другие IT-профессии становится еще доступнее со скидкой 70% до 10 марта. ⚙️ Актуальные функции: 1. База вопросов из реальных технических собеседований с вероятностью встречи и примерами ответов. 2. База задач с этапа live-coding. 3. База видеозаписей 1100+ реальных собеседований, в том числе в топовые компании (Сбер, Авито, Яндекс, WB, OZON, МТС и др.) на позиции Junior/Middle/Senior. 4. База 400+ тестовых заданий от компаний. 5. Аналитика ТОП-требований из вакансий для лучшего написания резюме по ключевым словам. 6. Тренажеры для подготовки к собеседованию. В том числе тренажер «Реальное собеседование» со сценарием вопросов под конкретную компанию. Акция до 10 марта (включительно) на PRO-тариф. – Подписка действует 1 год – Доступ ко всем профессиями сразу 👉 Смотри подробности тарифа и покупай на easyoffer

💻 Вопрос с собеседования: Что будет, если использовать изменяемый объект (например, список) в качестве аргумента по умолчанию в функции? Это один из самых коварных вопросов для новичков. Код выглядит безобидно, но ведёт себя странно. Половина джунов проваливается именно на нём, потому что не понимают, когда создаются аргументы по умолчанию. 📌 Базовый ответ (которого ждут от джуна): Аргументы по умолчанию создаются один раз в момент определения функции, а не каждый раз при её вызове. Если использовать изменяемый объект (список, словарь), то он будет общим для всех вызовов.

def add_user(name, user_list=[]):
    user_list.append(name)
    return user_list

print(add_user("Алиса"))  # ['Алиса']
print(add_user("Боб"))    # ['Алиса', 'Боб'] — сюрприз!

Ожидание новичка: каждый вызов создаёт новый пустой список. Реальность: список создаётся один раз и переиспользуется. 🧱 Почему так происходит и как это работает под капотом: В Python аргументы по умолчанию хранятся в атрибуте функции __defaults__. Они вычисляются в момент определения функции, а не вызова.

print(add_user.__defaults__)  # (['Алиса', 'Боб'],)

При каждом вызове без аргумента user_list используется тот же самый объект из __defaults__. Как это исправить: Правильный паттерн — использовать None как значение по умолчанию и создавать новый список внутри функции:

def add_user(name, user_list=None):
    if user_list is None:
        user_list = []
    user_list.append(name)
    return user_list

print(add_user("Алиса"))  # ['Алиса']
print(add_user("Боб"))    # ['Боб'] — теперь работает как ожидалось!

🧪 Другие примеры-ловушки: 1. Словарь в качестве аргумента по умолчанию:

def add_to_dict(key, value, cache={}):
    cache[key] = value
    return cache

print(add_to_dict("a", 1))  # {'a': 1}
print(add_to_dict("b", 2))  # {'a': 1, 'b': 2} — кеш общий!

2. Объекты datetime (будьте осторожны!):

from datetime import datetime

def log_message(msg, timestamp=datetime.now()):
    print(f"{timestamp}: {msg}")

log_message("Старт")  # 2024-03-09 10:00:00
log_message("Финиш")  # 2024-03-09 10:00:00 — время не обновилось!

datetime.now() вычисляется один раз при определении функции, а не при каждом вызове. ⚠️ Когда это особенно опасно:

🔴 В рекурсивных функциях с накоплением данных 🔴 В кэширующих функциях (неявное кеширование может привести к утечкам памяти) 🔴 В библиотечном коде, который будут вызывать другие разработчики 🔴 При работе с mutable объектами в классах (если забыть про копирование)

💡 Запомните: 1. Аргументы по умолчанию создаются один раз в момент определения функции. 2. Никогда не используйте изменяемые объекты (list, dict, set) как значения по умолчанию. 3. Правильный паттерн: def func(arg=None): if arg is None: arg = default_value. 4. Это касается любых объектов, которые могут изменяться: списки, словари, множества, экземпляры классов. 5. Исключение: если вам нужно разделяемое состояние между вызовами (редкий кейс), то можно использовать, но документируйте это явно. На собеседовании этот вопрос задают, чтобы проверить, понимаете ли вы, когда создаются объекты в Python. Джуны часто лепят [] в аргументах по умолчанию, а опытные разработчики всегда используют None. Программистика || #jobs

Ассемблер и Python - Дао общих интересов

📱 Первоисточник

Программистика|| #video

🔠 Слили 4 ТБ по IT, хакингу и разработке. ⚪️ Все лучшие инструкции, гайды, книги и инструменты — без воды. 🖥 Курсы & GitHub — 579GB ☁️ Хакинг & ИБ — 756GB 🤒 OSINT — 315GB ⌨️ Python — 955GB 🙃 Linux & Bash — 459GB 😦 Работа в IT — 278GB 🖥 Общий архив — 946GB ➡️ Присоединяйтесь и скачивайте. Пост будет удален через 48 часов.

🌸 Программистика поздравляет с 8 Марта!

Пусть код всегда компилируется с первого раза, баги обходят стороной, а вдохновение приходит чаще, чем новые фичи в Python. Желаем, чтобы в жизни было больше радостных моментов, тёплых улыбок и приятных сюрпризов. Оставайтесь такими же яркими и неповторимыми, как ваш любимый язык программирования.

С праздником, девчонки! 🔥💐

🔄 Меняем значения переменных без временной переменной Часто нужно поменять местами значения двух переменных. Новички обычно пишут так:

temp = a
a = b
b = temp

Три строки, временная переменная — работает, но в Python есть элегантный способ в одну строку:

a, b = b, a

Как это работает? Python сначала создаёт кортеж (b, a), а затем распаковывает его в переменные a и b. Всё происходит одновременно, без временной переменной и без риска потерять значение. Бонус: можно менять местами больше двух переменных:

a, b, c = c, a, b

🟢 Почему это круто: Короче и читаемее - Не нужно придумывать имя для временной переменной - Работает для любых типов данных Ещё один лайфхак: множественное присваивание можно использовать для разделения строки на части:

first, second = "Hello World".split()

Запомни: в Python обмен значений — это не боль, а одна строчка кода. Программистика|| #tips

📊 Генератор фейковых данных: создай 1000 пользователей за секунду Тестируешь приложение, а база данных пустая? Нужно заполнить таблицу пользователями, но вводить вручную "Иван Иванов" 50 раз — тоска зелёная? Пора автоматизировать создание тестовых данных. Этот скрипт генерирует сколько угодно вымышленных пользователей с реалистичными именами, адресами, телефонами и email. Данные сохраняются в CSV — готовый набор для загрузки в БД или тестов. 👉 Скрипт `fake_users_generator.py`:

#!/usr/bin/env python3
"""
Генератор фейковых пользователей для тестирования.
Сохраняет данные в CSV или JSON.
"""

import csv
import json
import argparse
from faker import Faker
from datetime import datetime

def generate_users(count=100, locale='ru_RU', output_file='users.csv', file_format='csv'):
    """
    Генерирует указанное количество фейковых пользователей
    и сохраняет в файл.
    """
    fake = Faker(locale)
    users = []
    
    print(f"👥 Генерирую {count} пользователей...")
    
    for _ in range(count):
        user = {
            'id': _ + 1,
            'first_name': fake.first_name(),
            'last_name': fake.last_name(),
            'email': fake.email(),
            'phone': fake.phone_number(),
            'address': fake.address().replace('\n', ', '),
            'city': fake.city(),
            'country': fake.country(),
            'birthdate': fake.date_of_birth(minimum_age=18, maximum_age=80).isoformat(),
            'created_at': datetime.now().isoformat()
        }
        users.append(user)
    
    # Сохраняем в файл
    if file_format == 'csv':
        with open(output_file, 'w', newline='', encoding='utf-8') as f:
            writer = csv.DictWriter(f, fieldnames=users[0].keys())
            writer.writeheader()
            writer.writerows(users)
        print(f"✅ CSV сохранён: {output_file}")
    
    elif file_format == 'json':
        with open(output_file, 'w', encoding='utf-8') as f:
            json.dump(users, f, ensure_ascii=False, indent=2)
        print(f"✅ JSON сохранён: {output_file}")
    
    return users

if __name__ == "__main__":
    parser = argparse.ArgumentParser(description="Генератор фейковых пользователей")
    parser.add_argument('-n', '--number', type=int, default=100, help='Количество пользователей (по умолчанию 100)')
    parser.add_argument('-l', '--locale', default='ru_RU', help='Локаль: ru_RU, en_US, uk_UA и др.')
    parser.add_argument('-o', '--output', default='users.csv', help='Имя выходного файла')
    parser.add_argument('-f', '--format', choices=['csv', 'json'], default='csv', help='Формат файла')
    
    args = parser.parse_args()
    
    generate_users(
        count=args.number,
        locale=args.locale,
        output_file=args.output,
        file_format=args.format
    )

🛠 Установка зависимостей:

pip install faker

🚀 Запуск:

# 100 пользователей по-русски (по умолчанию)
python fake_users_generator.py

# 500 пользователей на английском в JSON
python fake_users_generator.py -n 500 -l en_US -o users.json -f json

# Украинские пользователи
python fake_users_generator.py -l uk_UA -o uk_users.csv

📋 Пример сгенерированных данных:

id,first_name,last_name,email,phone,address,city,country,birthdate,created_at
1,Иван,Петров,petrov@example.com,+7 (495) 123-4567,ул. Ленина 10, кв. 5,Москва,Россия,1990-05-15,2024-03-07T14:30:00
2,Анна,Смирнова,smirnova@example.com,+7 (812) 987-6543,пр. Невский 25,Санкт-Петербург,Россия,1985-11-23,2024-03-07T14:30:00

Программистика|| #scripts