fa
Feedback

فریب کلاهبرداران را نخورید! تل‌متریو این کانال‌ها را شناسایی و برچسب‌گذاری می‌کند 👉 برای مشاهده برچسب، اشتراک تهیه کنید

Библиотека Python разработчика | Книги по питону

Библиотека Python разработчика | Книги по питону

رفتن به کانال در 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

نمایش بیشتر

📈 تحلیل کانال تلگرام Библиотека Python разработчика | Книги по питону

کانال Библиотека Python разработчика | Книги по питону (@bookpython) در بخش زبانی روسی بازیگری فعال است. در حال حاضر جامعه شامل 17 904 مشترک است و جایگاه 7 299 را در دسته فناوری و برنامه‌ها و رتبه 36 571 را در منطقه روسيا دارد.

📊 شاخص‌های مخاطب و پویایی

از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 17 904 مشترک جذب کرده است.

بر اساس آخرین داده‌ها در تاریخ 15 نوامبر, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر -116 و در ۲۴ ساعت گذشته برابر -5 بوده و همچنان دسترسی گسترده‌ای حفظ شده است.

  • وضعیت تأیید: تأیید نشده
  • نرخ تعامل (ER): میانگین تعامل مخاطب 5.44% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 2.71% واکنش نسبت به کل مشترکان کسب می‌کند.
  • دسترسی پست‌ها: هر پست به طور میانگین 974 بازدید دریافت می‌کند. در اولین روز معمولاً 486 بازدید جمع‌آوری می‌شود.
  • واکنش‌ها و تعامل: مخاطبان به‌طور فعال حمایت می‌کنند؛ میانگین واکنش به هر پست 3 است.
  • علایق موضوعی: محتوا بر موضوعات کلیدی مانند numbers, yield, модуль, none, декоратор تمرکز دارد.

📝 توضیح و سیاست محتوایی

نویسنده این فضا را محل بیان دیدگاه‌های شخصی توصیف می‌کند:
“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”

به لطف به‌روزرسانی‌های پرتکرار (آخرین داده در تاریخ 16 نوامبر, 2026)، کانال همواره به‌روز و دارای دسترسی بالاست. تحلیل‌ها نشان می‌دهد مخاطبان به‌طور فعال با محتوا تعامل دارند و آن را به نقطه اثرگذاری مهم در دسته فناوری و برنامه‌ها تبدیل کرده‌اند.

17 904
مشترکین
-524 ساعت
-337 روز
-11630 روز
جذب مشترکین
نوامبر '26
نوامبر '26
+6
در 0 کانال‌ها
اکتبر '26
+22
در 0 کانال‌ها
Get PRO
سپتامبر '26
+36
در 0 کانال‌ها
Get PRO
اوت '26
+37
در 0 کانال‌ها
Get PRO
ژوئیه '26
+35
در 0 کانال‌ها
Get PRO
ژوئن '26
+23
در 0 کانال‌ها
Get PRO
مه '26
+40
در 0 کانال‌ها
Get PRO
آوریل '26
+26
در 0 کانال‌ها
Get PRO
مارس '26
+31
در 0 کانال‌ها
Get PRO
فوریه '26
+62
در 0 کانال‌ها
Get PRO
ژانویه '26
+69
در 0 کانال‌ها
Get PRO
دسامبر '25
+67
در 0 کانال‌ها
Get PRO
نوامبر '25
+97
در 31 کانال‌ها
Get PRO
اکتبر '25
+64
در 1 کانال‌ها
Get PRO
سپتامبر '25
+90
در 36 کانال‌ها
Get PRO
اوت '25
+60
در 0 کانال‌ها
Get PRO
ژوئیه '25
+89
در 27 کانال‌ها
Get PRO
ژوئن '25
+116
در 19 کانال‌ها
Get PRO
مه '25
+119
در 44 کانال‌ها
Get PRO
آوریل '25
+164
در 37 کانال‌ها
Get PRO
مارس '25
+147
در 38 کانال‌ها
Get PRO
فوریه '25
+178
در 31 کانال‌ها
Get PRO
ژانویه '25
+176
در 33 کانال‌ها
Get PRO
دسامبر '24
+158
در 34 کانال‌ها
Get PRO
نوامبر '24
+112
در 33 کانال‌ها
Get PRO
اکتبر '24
+139
در 29 کانال‌ها
Get PRO
سپتامبر '24
+190
در 29 کانال‌ها
Get PRO
اوت '24
+68
در 17 کانال‌ها
Get PRO
ژوئیه '24
+56
در 0 کانال‌ها
Get PRO
ژوئن '24
+95
در 23 کانال‌ها
Get PRO
مه '24
+223
در 18 کانال‌ها
Get PRO
آوریل '24
+174
در 0 کانال‌ها
Get PRO
مارس '24
+240
در 20 کانال‌ها
Get PRO
فوریه '24
+224
در 18 کانال‌ها
Get PRO
ژانویه '24
+287
در 23 کانال‌ها
Get PRO
دسامبر '23
+253
در 24 کانال‌ها
Get PRO
نوامبر '23
+282
در 16 کانال‌ها
Get PRO
اکتبر '23
+319
در 18 کانال‌ها
Get PRO
سپتامبر '23
+342
در 0 کانال‌ها
Get PRO
اوت '23
+264
در 0 کانال‌ها
Get PRO
ژوئیه '23
+292
در 0 کانال‌ها
Get PRO
ژوئن '23
+211
در 0 کانال‌ها
Get PRO
مه '23
+284
در 0 کانال‌ها
Get PRO
آوریل '23
+240
در 0 کانال‌ها
Get PRO
مارس '23
+419
در 0 کانال‌ها
Get PRO
فوریه '23
+147
در 0 کانال‌ها
Get PRO
ژانویه '23
+247
در 0 کانال‌ها
Get PRO
دسامبر '22
+191
در 0 کانال‌ها
Get PRO
نوامبر '22
+174
در 0 کانال‌ها
Get PRO
اکتبر '22
+283
در 0 کانال‌ها
Get PRO
سپتامبر '22
+268
در 0 کانال‌ها
Get PRO
اوت '22
+287
در 0 کانال‌ها
Get PRO
ژوئیه '22
+322
در 0 کانال‌ها
Get PRO
ژوئن '22
+233
در 0 کانال‌ها
Get PRO
مه '22
+258
در 0 کانال‌ها
Get PRO
آوریل '22
+252
در 0 کانال‌ها
Get PRO
مارس '22
+380
در 0 کانال‌ها
Get PRO
فوریه '22
+207
در 0 کانال‌ها
Get PRO
ژانویه '22
+315
در 0 کانال‌ها
Get PRO
دسامبر '21
+211
در 0 کانال‌ها
Get PRO
نوامبر '21
+269
در 0 کانال‌ها
Get PRO
اکتبر '21
+326
در 0 کانال‌ها
Get PRO
سپتامبر '21
+286
در 0 کانال‌ها
Get PRO
اوت '21
+486
در 0 کانال‌ها
Get PRO
ژوئیه '21
+420
در 0 کانال‌ها
Get PRO
ژوئن '21
+368
در 0 کانال‌ها
Get PRO
مه '21
+350
در 0 کانال‌ها
Get PRO
آوریل '21
+387
در 0 کانال‌ها
Get PRO
مارس '21
+568
در 0 کانال‌ها
Get PRO
فوریه '21
+572
در 0 کانال‌ها
Get PRO
ژانویه '21
+777
در 0 کانال‌ها
Get PRO
دسامبر '20
+18 545
در 0 کانال‌ها
تاریخ
رشد مشترکین
اشارات
کانال‌ها
15 نوامبر0
14 نوامبر0
13 نوامبر0
12 نوامبر0
11 نوامبر+2
10 نوامبر0
09 نوامبر0
08 نوامبر0
07 نوامبر0
06 نوامبر0
05 نوامبر+2
04 نوامبر0
03 نوامبر0
02 نوامبر+2
01 نوامبر0
پست‌های کانال
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

2
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
3
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
4
🚀 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
5
💡 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
6
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
7
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
8
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
9
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
10
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
11
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
12
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
13
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
14
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
15
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
16
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
17
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
18
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
19
Обычно вы взаимодействуете с генератором, запрашивая данные с помощью next(gen). В Python 3 вы также можете отправлять значения обратно в генератор с помощью g.send(x). Но существует техника, которой вы, вероятно, не пользуетесь каждый день, а возможно, и вовсе не знаете: выбрасывание исключений внутри генератора. С помощью gen.throw(e) можно выбросить исключение в той точке, где генератор gen приостановлен — то есть на инструкции yield. Если генератор обрабатывает это исключение, gen.throw(e) возвращает следующее значение, полученное через yield (или выбрасывает StopIteration, если генератор завершён). Если генератор не перехватывает исключение, оно пробрасывается обратно к вызывающему коду. def gen(): try: yield 1 except ValueError: yield 2 g = gen() next(g) # Out: 1 g.throw(ValueError) # Out: 2 g.throw(RuntimeError('TEST')) # RuntimeError: TEST Эта техника позволяет более точно управлять поведением генератора — не только передавать данные внутрь, но и, например, сообщать о проблемах со значениями, полученными через yield. Однако такие случаи бывают редко, и встретить g.throw в дикой природе почти невозможно. Тем не менее, декоратор @contextmanager из модуля contextlib использует именно такую технику, позволяя коду внутри контекста перехватывать исключения. from contextlib import contextmanager @contextmanager def atomic(): print('BEGIN') try: yield except Exception: print('ROLLBACK') else: print('COMMIT') with atomic(): print('ERROR') raise RuntimeError() BEGIN ERROR ROLLBACK 📲 Мы в MAX 👉@BookPython
996
20
🚀 Подборка полезных IT каналов в Max Системное администрирование, DevOps 📌 https://max.ru/i_odmin Все для системного администратора https://max.ru/bash_srv Bash Советы https://max.ru/sysadminof Книги для админов, полезные материалы https://max.ru/i_odmin_book Библиотека Системного Администратора https://max.ru/i_devops DevOps: Пишем о Docker, Kubernetes и др. https://max.ru/tipsysdmin Типичный Сисадмин https://max.ru/channel_win_sysadmin Системный Администратор Windows https://max.ru/channel_linux_admin Linux: Системный администратор https://max.ru/channel_linuxmod Linux https://max.ru/channel_i_linux Системный администратор https://max.ru/channel_devopslib DevOps, SRE, Sysadmin https://max.ru/channel_devops_star DevOps Star (Звезда Девопса) Excel лайфхак 📌 https://t.me/Excel_lifehack Excel лайфхак Английский с нуля 🇬🇧 https://max.ru/UchuEnglish 1C разработка 📌 https://max.ru/odin1c_rus Cтатьи, курсы, советы, шаблоны кода 1С https://max.ru/channel_DevLab1C 1С:Предприятие 8 Программирование C++📌 https://max.ru/cpp_lib Библиотека C/C++ разработчика https://max.ru/channel_cpp_geek C++ geek Программирование Go📌 https://max.ru/golang_lib Библиотека Go (Golang) разработчика Программирование React📌 https://max.ru/react_lib React Программирование Rust📌 https://max.ru/channel_rust_lib Программирование Python 📌 https://max.ru/python_of Python академия. https://max.ru/BookPython Библиотека Python разработчика Java разработка 📌 https://max.ru/bookjava Библиотека Java разработчика https://max.ru/channel_java_geek Java Geek GitHub Сообщество 📌 https://max.ru/githublib Интересное из GitHub Базы данных (Data Base) 📌 https://max.ru/database_info Все про базы данных Фронтенд разработка 📌 https://max.ru/frontend_1 Подборки для frontend разработчиков Библиотеки 📌 https://max.ru/programmist_of Книги по программированию https://max.ru/proglb Библиотека программиста https://max.ru/bfbook Книги для программистов Программирование 📌 https://max.ru/bookflow Лекции, видеоуроки, доклады с IT конференций https://max.ru/itmozg Программисты, дизайнеры, новости из мира IT https://max.ru/php_lib Библиотека PHP программиста 👨🏼‍💻👩‍💻 Шутки программистов 📌 https://max.ru/itumor Шутки программистов Защита, взлом, безопасность 📌 https://max.ru/thehaking Канал о кибербезопасности https://max.ru/xakkep_1 Хакер Free Книги, статьи для дизайнеров 📌 https://max.ru/odesigners Статьи, книги для дизайнеров Математика 📌 https://max.ru/Pomatematike Канал по математике https://max.ru/phismat_1 Обучающие видео, книги по Физике и Математике Вакансии в IT📌 https://max.ru/progjob https://max.ru/channel_rabotait Мир технологий 📌 https://max.ru/mir_teh Канал для любознательных Городские📌 https://max.ru/piterspb_78 Свежие новости Санкт-Петербурга https://max.ru/mockva_life Свежие новости Москвы https://max.ru/piterspb Питер Новости: Санкт-Петербург / СПБ / ДТП https://max.ru/channel_krasnodar_novosty Краснодар Новости https://max.ru/channel_novosibirsk_novosti Новосибирск https://max.ru/channel_samara_novosti Новости Самары https://max.ru/channel_ekaterinburg_novosti Новости Екатеринбурга https://max.ru/channel_kazan_novosti Новости Казани https://max.ru/channel_omsk_novosti Новости Омска https://max.ru/channel_moskva_24 Москва 24
796