Python Community

⚠️ SQL-инъекция через f-string Если подставлять значения прямо в SQL через f-string, злоумышленник может выполнить любой код в базе: name = "Alice'; DROP TABLE accounts; --" query = f"SELECT * FROM accounts WHERE name = '{name}'" conn.sql(query) 💥 И вот таблица accounts удалена! Почему так? Потому что строка с именем вставляется как есть и воспринимается как часть SQL-запроса. ✅ Правильный способ — использовать параметры: name = "Alice'; DROP TABLE accounts; --" query = "SELECT * FROM accounts WHERE name = ?" conn.sql(query, params=(name,)) ✔ Имя ищется как текст, база остаётся в безопасности. 👉 Запомни: никогда не вставляй пользовательские данные напрямую в SQL. Используй параметризованные запросы — это надёжная защита от SQL-инъекций. @Python_Community_ru

🚀 Современная система сборки Meson Meson — это высокопроизводительная система сборки, ориентированная на простоту и скорость. Она поддерживает множество языков и инструментов, обеспечивая гибкость и эффективность в разработке. 🚀 Основные моменты: - Поддержка Python и Ninja для сборки. - Быстрая и интуитивно понятная настройка проектов. - Активное сообщество и возможность внесения вкладов. - Совместимость с различными платформами и языками. 📌 GitHub: https://github.com/mesonbuild/meson @Python_Community_ru

🚀 Полезный совет: any и all в Python работают с генераторами и используют short-circuit Иногда в python есть малоизвестные особенности, которые могут сильно помочь. Например, функция all и any умеют работать не только с простыми списками, но и с генераторами. Это значит, что пайтон остановит проверку сразу, как только результат станет очевидным — это называется "шорт-сёркьют". nums = [0, 0, 0, 5, 0] #any (эни) вернёт True, как только найдёт первый элемент != 0 print(any(nums)) # True #ll (ол) вернёт False, как только встретит первый элемент == 0 print(all(nums)) # False #использование с генератором — не создаёт лишний список print(any(x > 10 for x in nums)) # False Это позволяет писать очень эффективный код без лишних проверок и без создания промежуточных списков. @Python_Community_ru

🐍 Необычный Python-совет В Python можно перегрузить оператор [] и превратить объект в умный словарь или вычисляемый массив. Это позволяет писать очень выразительный код. Пример: создадим класс, который хранит функцию и вычисляет результат «на лету» при обращении по индексу: class PowTable: def __init__(self, power): self.power = power def __getitem__(self, n): return n ** self.power squares = PowTable(2) cubes = PowTable(3) print(squares[5]) # 25 print(cubes[4]) # 64 👉 В итоге obj[x] может не просто доставать значение, а вычислять его динамически. Это мощный приём для DSL, кэшей и ленивых вычислений. @Python_Community_ru

🍏 Apple представила FastVLM на Hugging Face — модели 0.5B, 1.5B и 7B с поддержкой WebGPU VLM (Vision-Language Model) — это модель, которая умеет одновременно работать с картинками и текстом: понимать, что изображено, описывать картинку словами, отвечать на вопросы по изображению и совмещать визуальные и текстовые данные. ⚡ Что это значит: - До 85 раз быстрее и в 3.4 раза компактнее аналогичных VLM - У крупных моделей время до первого токена стало быстрее в 7.9 раз - Меньше выходных токенов + быстрее обработка картинок высокого разрешения 🔥Модель работает в реальном времени прямо в браузере через transformers.js и WebGPU. https://huggingface.co/spaces/apple/fastvlm-webgpu @Python_Community_ru

🆕 OctoBot — мощный криптовалютный торговый бот с открытым исходным кодом! OctoBot — это: - Открытый и настраиваемый крипто-торговый бот от Drakkar-Software - Интерфейс конфигурации и система *tentacles* (модули-«щупальца») для гибкого построения стратегий — от технического анализа до интеграции внешних данных - Поддержка Spot и Futures, торговля на более чем 15 биржах через библиотеку ccxt - Возможности: создание и тестирование стратегий, оптимизация, торговля корзиной криптовалют, использование AI-инструментов и backtesting Архитектура проекта: - OctoBot — ядро с backtesting и стратегическим менеджментом - OctoBot-Tentacles — модули для стратегий, нотификаций, внешних данных - OctoBot-Trading — взаимодействие с биржами через ccxt - Дополнительные пакеты: OctoBot-Services, OctoBot-Backtesting, OctoBot-Commons, Async-Channel Активность и релизы: - 4,5k★ и 900+ форков на GitHub - Недавний релиз 2.0.12 (июнь 2025) с поддержкой Windows, Linux (x64, arm64) и macOS - Регулярные обновления и активное сообщество Почему это важно: - Гибкая модульная архитектура - Возможность добавлять свои стратегии и источники данных - Отличный инструмент для изучения алгоритмической торговли и прототипирования - Интеграции с AI, TradingView, Telegram 👉 Репозиторий: https://github.com/Drakkar-Software/OctoBot @Python_Community_ru

⚡️ Limekit — кроссплатформенный GUI-фреймворк на Lua Хочешь писать десктоп-приложения без Python и компиляции? С Limekit всё просто: «написал один раз — запускай везде» (Windows, macOS, Linux). ✨ Что умеет: - Чистый Lua API, без необходимости знать Python - 40+ встроенных виджетов, поддержка Material Design и тёмной темы - Запуск без сборки — достаточно Python и самого фреймворка - Много примеров и документация на ReadTheDocs - Полностью опенсорс (GPLv3) 📌 Минимальный пример: local window = Window{title='Limekit app'} window:show() Две строки кода — и у тебя уже готовое окно 🚀 ⚡️GitHub (https://github.com/mitosisX/Limekit) @Python_Community_ru

🐍 Изучаем MCP на Python — серия уроков от Microsoft Пошаговое руководство для Python-разработчиков по Model Context Protocol (MCP): как понять концепцию и построить свой MCP-сервер в интерактивном формате. 📚 Репозиторий с гайдом (https://github.com/microsoft/lets-learn-mcp-python) #python #MCP #tutorial #developers @Python_Community_ru

🚀 Jupyter Agent 2 Этот агент умеет: 📂 Загружать данные 💻 Запускать код 📊 Строить графики прямо в Jupyter — быстрее, чем вы успеете прокрутить экран! 🤖 Основан на движке Qwen3-Coder ⚡️ Работает на Cerebras ⚙️ Запускается в E2B ↕️ Поддерживает загрузку файлов 👉 Попробовать можно здесь: https://hf.co/spaces/lvwerra/jupyter-agent-2 @Python_Community_ru

☕️ JPype — проект, позволяющий вызывать Java-код напрямую из Python-скриптов. В отличие от Jython, JPype не переписывает Python на Java, а создает мост между двумя виртуальными машинами через нативные интерфейсы. Инструмент сохраняет доступ ко всем возможностям CPython и Java-библиотек одновременно. Это открывает возможности для использования Java-фреймворков в научных вычислениях на Python, тестирования Java-кода через Python-скрипты и интеграции legacy-систем. 🤖 GitHub (https://github.com/jpype-project/jpype) @Python_Community_ru

‍📊 Из PDF в DataFrame за пару строк кода Работаете с финансовыми отчётами или любыми табличными данными в PDF? С библиотекой docling это становится максимально просто. Большинство инструментов для работы с PDF заставляют собирать пайплайн вручную: одна библиотека для извлечения текста, другая для парсинга, третья для чанкинга. Docling закрывает весь процесс — от сырых PDF до структурированных и готовых к поиску данных — в одном решении. 📌 Преимущество Docling 🔹 Поддержка PDF, DOCX, PPTX, HTML и изображений 🔹 AI-модель TableFormer для понимания сложных таблиц 🔹 Vision-модели для OCR и image-to-text 🔹 Простой экспорт в pandas DataFrame, JSON и Markdown Пример: конвертируем PDF с отчётом о доходах и сразу получаем pandas DataFrame 👇 from docling.document_converter import DocumentConverter converter = DocumentConverter() result = converter.convert("financial_report.pdf") for table in result.document.tables: df = table.export_to_dataframe() 📌 Github (https://github.com/docling-project/docling) #AI #RAG #Docling #DataEngineering #PDF @Python_Community_ru

🖥 Полный проект с нуля: клон голоса на Python 🔊 Клонирование голоса на Python с нуля: пошаговый разбор, рабочий код, проверка сходства и защита с водяными знаками. Полное руководство для разработчиков по созданию собственного проекта voice cloning. 📌 Читать (https://uproger.com/polnyj-proekt-s-nulya-klon-golosa-na-python/) @Python_Community_ru

🐍 Полезный совет по Python: используйте "".join() вместо конкатенации строк в цикле Многие новички пишут так: words = ["Python", "очень", "крут"] result = "" for w in words: result += w + " " print(result) Код рабочий, но неэффективный: при каждой конкатенации создаётся новая строка, что сильно замедляет работу на больших объёмах данных. 🚀 Правильный способ — использовать " ".join(): words = ["Python", "очень", "крут"] result = " ".join(words) print(result) 💡 Преимущества: - Быстрее и эффективнее на больших списках - Код чище и короче -Можно легко задавать разделитель (пробел, запятая, \n) 📊 Пример: lines = ["строка 1", "строка 2", "строка 3"] text = "\n".join(lines) print(text) Вывод: строка 1 строка 2 строка 3 📌 Итог Используйте "".join() для объединения строк из списка — это питонично, быстро и удобно. @Python_Community_ru

🖥 Walrus оператор := — присвоение прямо в выражении В Python есть малоизвестная фишка: можно использовать оператор присваивания := (его ещё называют «walrus»). Он позволяет присваивать значение прямо внутри выражения. Это делает код короче и избавляет от повторных вызовов функций. 📌 Особенности: • Работает в while, if, list comprehension. • Удобен для сокращения кода и избежания дублирования. • Но злоупотребление может сделать код менее читаемым. 🟢Пример: удобно при чтении строк из файла или работе с регулярными выражениями. Чтение строк из файла с walrus-оператором def read_file(path): with open(path) as f: while (line := f.readline()): print("Строка:", line.strip()) # Поиск совпадения через regex import re pattern = re.compile(r"\d+") if (match := pattern.search("abc123xyz")): print("Нашли число:", match.group()) # Применение в list comprehension nums = [s for s in ["42", "hello", "100"] if (n := s.isdigit())] print(nums) # ['42', '100'] 📌 Больше фишек Python (https://www.youtube.com/shorts/lptxJn6JRF0) @Python_Community_ru

🔋 PikaPython — ультралегкий интерпретатор Python для микроконтроллеров. Проект позволяет запускать Python-код на устройствах с 4 КБ RAM и 64 КБ Flash. Не требует операционной системы и работает через REPL по UART. Инструмент имеет встроенный прекомпилятор для автоматической генерации биндингов C-функций из .pyi файлов. Есть готовые BSP для популярных MCU и демо-проекты. 🤖 GitHub (https://github.com/pikasTech/PikaPython) @Python_Community_ru

‍📌Python на взлете, а Python Software Foundation в минусе на 1.5 млн. долларов: разбираем свежий опрос. Python Software Foundation (PSF) совместно с JetBrains опубликовала (https://lp.jetbrains.com/python-developers-survey-2024/) результаты восьмого, самого крупного в истории опроса разработчиков - в нём приняли участие более 30 000 человек. Данные, собранные в конце 2024 года, показывают, что 72% респондентов используют Python в рабочих целях и это подтверждает доминирующую роль языка в индустрии. И популярность Python продолжает расти: согласно другому исследованию, от Stack Overflow, использование языка увеличилось на 7%. 🟡Приток свежей крови в экосистему. Половина опрошенных имеют менее 2 лет профессионального опыта в программировании, а 39% начали использовать Python в течение последних 2 лет. Это говорит о том, что язык активно привлекает новичков и остается ключевой точкой входа в разработку. 🟡Парадокс версий. Только 15% разработчиков используют последнюю на момент опроса версию, 3.13. В PSF утверждают, что массовый переход на нее мог бы сэкономить миллионы долларов на облачных вычислениях за счет повышения эффективности. Однако сами разработчики не торопятся: 53% заявляют, что текущая версия полностью удовлетворяет их потребности, 27% ссылаются на проблемы с совместимостью, а 25% - на нехватку времени. При этом нельзя сказать, что сообщество инертно. Самая популярная версия - 3.12 (35%), выпущенная в конце 2023 года, за ней следует 3.11 (21%), что говорит о довольно быстрой адаптации к не самым последним, но свежим релизам. 🟡Сферы применения. Анализ данных (48%) и веб-разработка (46%) идут практически вровень. Но если к анализу прибавить ML (41%) и инжиниринг данных (31%), то доминирование Data Science становится очевидным. В мире веб-фреймворков происходит смена караула: FastAPI (38%) резко вырвался вперед, обогнав ветеранов: Django (35%) и Flask (34%). Год назад у FastAPI было всего 29%. Ещё один стремительный взлёт — у написанного на Rust менеджера пакетов uv, который позиционируется как замена pip. Заявляя о кратном превосходстве в скорости, он уже отхватил 11% пользователей. А вот в лагере IDE плохие новости для спонсора опроса, JetBrains: Visual Studio Code укрепил свое лидерство, набрав 48% (против 41% в прошлом году), а доля PyCharm снизилась до 25% (с 31%). 🟡Финансовые проблемы Python Software Foundation. Ранее в этом месяце PSF объявила о приостановке своей грантовой программы из-за нехватки средств. Годовой отчет за 2024 год показал чистый убыток в размере 1 462 000 долларов, что значительно больше, чем в 2023 году, там убыток был 225 000 долларов. Фонд, который поддерживает репозиторий PyPI, дистрибуцию самого Python и нанимает разработчиков для CPython, оказался в сложной ситуации и явно нуждается в большей поддержке и ресурсах от корпораций, которые строят свой бизнес и получают доход на Python. #news #ai #ml #python @Python_Community_ru

⚡️ DeepCode — открытая AI-платформу для автоматической генерации кода. DeepCode превращает научные статьи и технические документы в готовые проекты, включая фронтенд, бэкенд и полноценные репозитории. 🔹 Основные возможности: • Paper2Code — реализация идей из исследований в рабочий код • Text2Web — генерация интерфейсов по описанию • Text2Backend — автоматическое создание масштабируемых серверов • Поддержка длинных документов и многофайловых проектов 🔜 В ближайшее время разработчики обещают: • Автоматическую проверку и валидацию кода • Повышение скорости генерации • Улучшенную работу с требованиями • Бенчмарки воспроизведения научных статей (PaperBench) Проект полностью open source: https://github.com/HKUDS/DeepCode #deepcode #AI #coding @Python_Community_ru

🚀 FastMCP 2.0 — новый стандарт для интеграции LLM в Python-приложения. Этот фреймворк для работы с упрощает подключение языковых моделей к внешним ресурсам. Инструмент предлагает стандартизированный способ предоставления данных, инструментов и шаблонов запросов для ИИ-приложений. Проект имеет минималистичный синтаксис: достаточно декоратора @mcp.tool, чтобы превратить обычную Python-функцию в инструмент, доступный для LLM. Проект развивается как альтернатива официальному MCP SDK и уже включает клиентские библиотеки, систему аутентификации и инструменты для тестирования. При этом система автоматически генерирует схему на основе type hints и docstrings. 🤖 GitHub (https://github.com/jlowin/fastmcp) @Python_Community_ru