[PYTHON:TODAY]
Python скрипты, нейросети, боты, автоматизация. Всё бесплатно! Приват: https://boosty.to/pythontoday YouTube: https://clck.ru/3LfJhM Канал админа: @akagodlike Чат: @python2day_chat Сотрудничество: @web_runner Канал в РКН: https://clck.ru/3GBFVm
Show more📈 Analytical overview of Telegram channel [PYTHON:TODAY]
Channel [PYTHON:TODAY] (@python2day) in the Russian language segment is an active participant. Currently, the community unites 63 863 subscribers, ranking 2 003 in the Technologies & Applications category and 9 378 in the Russia region.
📊 Audience metrics and dynamics
Since its creation on невідомо, the project has demonstrated rapid growth, gathering an audience of 63 863 subscribers.
According to the latest data from 25 August, 2026, the channel demonstrates stable activity. Although there has been a change in the number of participants by -129 over the last 30 days and by -12 over the last 24 hours, overall reach remains high.
- Verification status: Not verified
- Engagement rate (ER): The average audience engagement rate is 14.10%. Within the first 24 hours after publication, content typically collects 7.37% reactions from the total number of subscribers.
- Post reach: On average, each post receives 9 007 views. Within the first day, a publication typically gains 4 705 views.
- Reactions and interaction: The audience actively supports content: the average number of reactions per post is 57.
- Thematic interests: Content is focused on key topics such as github, soft, install, pip, docker.
📝 Description and content policy
The author describes the resource as a platform for expressing subjective opinions:
“Python скрипты, нейросети, боты, автоматизация. Всё бесплатно!
Приват: https://boosty.to/pythontoday
YouTube: https://clck.ru/3LfJhM
Канал админа: @akagodlike
Чат: @python2day_chat
Сотрудничество: @web_runner
Канал в РКН: https://clck.ru/3GBFVm”
Thanks to the high frequency of updates (latest data received on 26 August, 2026), the channel maintains relevance and a high level of publication reach. Analytics show that the audience actively interacts with content, making it an important point of influence in the Technologies & Applications category.
print("сюда дошли")
print("что-то сломалось")
print(user)
пора познакомиться со стандартным модулем logging.
Уже встроен в Python — устанавливать ничего не нужно.
🔣Самый простой вариант
import logging
logging.basicConfig(level=logging.INFO)
logging.debug("Отладочная информация")
logging.info("Приложение запущено")
logging.warning("Что-то подозрительное")
logging.error("Произошла ошибка")
logging.critical("Критическая ошибка")
В Python есть стандартные уровни логирования:
DEBUG 10 INFO 20 WARNING 30 ERROR 40 CRITICAL 50Чем выше число — тем серьёзнее событие. Если уровень установлен в
INFO, сообщения DEBUG выводиться не будут. А если вообще ничего не настраивать, стандартный порог — WARNING.
🛠 Нормальная настройка
import logging
logging.basicConfig(
level=logging.INFO,
format="%(asctime)s | %(levelname)s | %(name)s | %(message)s"
)
logger = logging.getLogger(__name__)
logger.info("Приложение запущено")
Получаем примерно:
2026-08-25 14:30:15,123 | INFO | __main__ | Приложение запущеноИспользование
logger = logging.getLogger(__name__)
— рекомендуемый подход: имя логгера автоматически соответствует имени текущего модуля, а логгеры образуют иерархию модулей приложения.
💾 Записываем логи в файл
logging.basicConfig(
filename="app.log",
encoding="utf-8",
level=logging.INFO,
format="%(asctime)s | %(levelname)s | %(message)s"
)
Теперь сообщения будут попадать в:
app.logПараметр
encoding у basicConfig() поддерживается начиная с Python 3.9.
🚨 Как правильно логировать исключения
Вот здесь особенно полезен:
logger.exception()
Например:
try:
result = 10 / 0
except ZeroDivisionError:
logger.exception("Не удалось выполнить вычисление")
В лог попадёт не только сообщение, но и traceback исключения.
Поэтому внутри except зачастую гораздо полезнее:
logger.exception("Ошибка обработки заказа")
чем просто:
logger.error("Ошибка")
💀 Не делайте так
logger.info(f"Пользователь {user_id} вошёл")
Для логирования переменных предпочтительнее:
logger.info("Пользователь %s вошёл", user_id)
Почему?
logging откладывает форматирование сообщения до момента, когда оно действительно понадобится. Если запись отфильтруется уровнем логирования, ненужного форматирования можно избежать.
📂 А если нужны одновременно консоль и файл?
Тут появляются Handlers:
import logging
logger = logging.getLogger(__name__)
logger.setLevel(logging.DEBUG)
formatter = logging.Formatter(
"%(asctime)s | %(levelname)s | %(name)s | %(message)s"
)
console = logging.StreamHandler()
console.setLevel(logging.INFO)
console.setFormatter(formatter)
file = logging.FileHandler(
"app.log",
encoding="utf-8"
)
file.setLevel(logging.DEBUG)
file.setFormatter(formatter)
logger.addHandler(console)
logger.addHandler(file)
Получаем:
консоль
INFO WARNING ERROR CRITICALapp.log
DEBUG INFO WARNING ERROR CRITICALИ это одна из главных возможностей
logging: Logger создаёт события, Handler определяет, куда их отправлять, Formatter — как они будут выглядеть, а Filter позволяет дополнительно фильтровать записи.
Причём стандартная библиотека умеет отправлять логи не только в консоль или файл. Есть обработчики для очередей, сокетов, Syslog, SMTP и других направлений.
🧠 Запоминаем
DEBUG → подробности для отладки INFO → нормальная работа программы WARNING → что-то пошло не совсем так ERROR → операция не выполнена CRITICAL → серьёзная проблема приложенияДля маленького скрипта иногда достаточно
print().
Но как только появляется бот, API, парсер, сервер, база данных, фоновые задачи или большой проект, нормальные логи экономят огромное количество времени при поиске ошибок.
И главное — для базового логирования не нужна ни одна сторонняя библиотека. Всё уже есть в стандартной библиотеке Python.
📌 Сохраняем — пригодится в проекте.
#cheatsheet #python #docclaude → написал задачу → ждёшь результат, то вы задействуете лишь небольшую часть его возможностей.
В шпаргалке собраны горячие клавиши, slash-команды, работа с MCP, памятью, агентами, Git worktrees и CLI-флагами.
Несколько вещей, которые стоит запомнить сразу:
⌨️ Горячие клавиши
Ctrl+C остановить текущую операцию Ctrl+D выйти из Claude Code Ctrl+R поиск по истории команд Ctrl+G открыть промпт во внешнем редакторе Ctrl+B отправить текущую задачу в фон Esc Esc открыть rewind / откат к прошлому состоянию Shift+Tab переключать permission mode Alt+P сменить модель Alt+T включить/выключить extended thinkingЕсть и быстрые префиксы:
! git statusзапускает shell-команду напрямую,
@src/main.pyдобавляет файл в контекст, а
/ открывает команды Claude Code.
📌 Полезные slash-команды
/clearначать новый разговор с чистым контекстом.
/compactсжать длинную историю и освободить контекст.
/contextпосмотреть, чем забито контекстное окно.
/resumeвернуться к предыдущей сессии.
/branchответвить текущий разговор и попробовать другой путь.
/diffпосмотреть изменения в коде.
/planперевести Claude в режим планирования перед большой задачей.
/security-reviewпроверить изменения на потенциальные уязвимости.
/code-reviewпровести ревью текущего diff.
/btwзадать побочный вопрос, не засоряя основную историю разговора. 🧠 Память проекта
/initсоздаёт
CLAUDE.md, где можно описать архитектуру, правила проекта, команды запуска, стиль кода и инструкции для агента.
Claude Code также понимает:
./CLAUDE.md
.claude/rules/*.md
~/.claude/CLAUDE.md
То есть можно один раз описать правила проекта — и не объяснять их заново в каждой сессии.
⚡️ MCP
Claude Code умеет подключаться к внешним инструментам и API через Model Context Protocol:
claude mcp listпоказывает подключённые серверы. Например, удалённый MCP можно добавить через HTTP:
claude mcp add --transport http NAME URLА локальные инструменты можно запускать через
stdio.
🤖 Агенты и параллельная работа
Для больших задач Claude способен разбивать работу на отдельные части и выполнять их параллельно.
Особенно интересна:
/batchОна может разложить крупную задачу на независимые куски и запустить их в отдельных Git worktree. Для просмотра фоновых сессий есть:
claude agentsА внутри обычной сессии:
/tasksпоказывает выполняющиеся shell-задачи и subagents. 🖥 Claude Code из терминала Обычный запуск:
claudeС готовой задачей:
claude "проанализируй этот проект"Headless-режим:
claude -p "найди потенциальные ошибки"Продолжить последнюю сессию:
claude -cВозобновить конкретную:
claude -r "my-session"
Можно сразу выбрать модель:
claude --model opusИли ограничить бюджет автоматического запуска:
claude -p \
--max-budget-usd 5 \
"проведи ревью проекта"
А для структурированного ответа есть даже:
--json-schema🔥 Claude Code — это далеко не просто «чат в терминале». Тут есть память проекта, Git-интеграция, фоновые задачи, субагенты, worktrees, MCP, автоматическое ревью, security-аудит, headless-режим и полноценная оркестрация разработки. Сохраняем, пригодится 👍 ⬇️ Шпаргалка — на русском, всё на одной странице. #нейросеть #cheatsheet
conda create -n svfr python=3.9 -y
conda activate svfr
2. Ставим PyTorch (под свою CUDA)
pip install torch==2.2.2 torchvision==0.17.2 torchaudio==2.2.2
3. Устанавливаем зависимости
pip install -r requirements.txt
4. Скачиваем модели
conda install git-lfs
git lfs install
git clone https://huggingface.co/stabilityai/stable-video-diffusion-img2vid-xt models/stable-video-diffusion-img2vid-xt
5. Запуск обработки видео
python infer.py \
--config config/infer.yaml \
--task_ids 0 \
--input_path input.mp4 \
--output_dir results/ \
--crop_face_region
Где task_ids:
* 0 — улучшение лица
* 1 — раскраска
* 2 — дорисовка повреждений
Идеальный инструмент, если:
🟢реставрируешь архивные видео;
🟢делаешь исторический контент;
🟢работаешь с нейросетями и видео-эффектами;
🟢хочешь вау-результат без платных сервисов.
▶️ Демо на Hugging Face
♎️ GitHub/Инструкция
#python #soft #githubphonenumbers;
🔣определяет страну, оператора и часовой пояс;
🔣ищет точные упоминания номера через Google / SerpAPI и DuckDuckGo;
🔣ищет номер внутри публичного кода на GitHub;
🔣проверяет упоминания в соц.сетях;
🔣получает дополнительные сведения об операторе и типе линии через Numverify;
🔣автоматически сохраняет результаты в JSON и PDF;
Особенно интересна интеграция с Hudson Rock: если номер присутствует в их infostealer intelligence, SearchPhone выводит статус компрометации и найденные записи. При этом для этого источника отдельный API-ключ не требуется.
⚙️ Установка:
git clone https://github.com/HackUnderway/SearchPhone.git
cd SearchPhone
pip install -r requirements.txt
Создаём конфиг:
cp example.env .env
nano .env
Добавляем ключи:
NUMVERIFY_KEY=...
SERPAPI_KEY=...
GITHUB_TOKEN=...
Для Numverify, SerpAPI и GitHub ключи нужны; Hudson Rock работает без отдельного ключа.
▶️Запуск:
python3 search_phone.py
Дальше вводим номер — утилита валидирует его, запускает поиск по источникам и после завершения формирует сводку и отчёты.
Кросплатформенный: работает в Windows и Linux.
🔗 GitHub/Инструкция
🔥 По сути, SearchPhone — компактный терминальный агрегатор: вместо ручного поиска по нескольким площадкам запускаешь один скрипт и получаешь собранные результаты в одном месте.
#python #github #soft #cybersec