| کانال توسعه‌دهندگان پایتون |
6.63K subscribers
38 photos
2 videos
4 files
43 links
⭕️ کانال توسعه‌دهندگان پایتون دولوپیکس

💠 دولوپیکس | جامعه توسعه‌دهندگان ایرانی

💎 @Developix
🚀 Developix.ir

📌 پشتیبانی و تبلیغات:
@DevelopixSupport
Download Telegram
| کانال توسعه‌دهندگان پایتون |
🔹 انواع ارور ها در پایتون 🔸 بخش اول برای رفع و هندل کردن ارور ها ابتدا ما باید آنها رو به خوبی بشناسیم و بدونیم دلایل رخ دادن آنها چیست. — SyntaxError یکی از خطا های رایج در پایتون این ارور هست. هنگامی این ارور اتفاق می‌افتد که شما نگارش و قانون نوشتاری…
🔹 انواع ارور ها در پایتون
🔸 بخش دوم

برای رفع و هندل کردن ارور ها ابتدا ما باید آنها رو به خوبی بشناسیم و بدونیم دلایل رخ دادن آنها چیست.

FileNotFoundError

اگر بخواهید عملیاتی روی یک file انجام دهید ممکن است به این ارور برخورد کنید.
این ارور هنگامی رخ میدهد که شما تلاش میکنید روی یک فایل عملیاتی انجام دهید اما به طور مثال فایل موردنظر وجود ندارد و یا آدرس درستی از فایل وارد نکرده‌اید.
برای رفع این رفع این ارور در وارد کردن نام، پسوند و آدرس فایل دقت کنید و حتما از وجود داشتن فایل مطمئن شوید.

مثال:
with open("test.txt", "r") as t:
t.read()

FileNotFoundError: [Errno 2] No such file or directory: 'test.txt'



ModuleNotFoundError

هنگامی که پایتون نتواند کتابخانه موردنظر را پیدا کند این خطا را برمی‌گرداند.
اگر کتابخانه مورد نظر روی سیستم یا محیط مجازی نصب نباشد و یا غلط املایی در نوشتن نام کتابخانه داشته باشید با این ارور مواجه خواهید شد.

مثال:
import requests

ModuleNotFoundError: No module named 'requests'



IndexError

مطمعناً تابه‌حال وقتی خواستید به یک عنصر قابل شمارش ها دسترسی پیدا کنید به این ارور برخورد کرده‌اید.
اما دلیل رخ دادن این ارور چیست؟ زمانی این ارور رخ میدهد که اندیس مورد نظری که شما میخواهید آن را بگیرید در لیست یا رشته وجود نداشته باشد.
مانند زمانی که یک لیست 3 آیتم دارد اما شما در پی آیتم چهارم هستید.
مثال:
names = ["Yasin", "Reza", "Navid"]
print(names[5])

IndexError: list index out of range



KeyError

خطای key error خطایی رایج هست که احتمالا موقع کار با دیکشنری ها با اون برخورد کردید.
اگر تلاش کنید به یک مقدار توسط کلمه کلیدی آن دسترسی پیدا کنید اما آن کلمه‌کلیدی وجود نداشته باشد این خطا بروز داده می‌شود.
مثال:
names = {'Yasin': '1', 'Reza': '2'}
print(names['3'])

KeyError: '3'



AttributeError

اگر تلاش کنید به یک متد یا صفت (attribute) از شئ دسترسی پیدا کنید اما شئ مورد نظر صفتی که میخواهید را نداشته باشد با این خطا مواجه خواهید شد.
مثال:
numbers = [1, 2, 3]
print(numbers.sum())

AttributeError: 'list' object has no attribute 'sum'


منبع:
betterstack 〽️

🔖 #Python, #پایتون

👤 Yasin

💎 Channel: @DevelopixPython
Forwarded from دیرکشن
This media is not supported in your browser
VIEW IN TELEGRAM
چطور در مسیر مهاجرت سورپرایز نشیم؟ 🎯✈️🌍

با داشتن اطلاعات دقیق و واقعی 📊، می‌توانید از غافلگیری‌ها دور بمانید 😌 و مسیر مهاجرتی‌تان را با اطمینان بیشتری طی کنید. 💪🚀


با سفارش گزارش شخصی‌سازی‌شده دیرکشن، آگاهانه از میان ۴۰۰ برنامه مهاجرتی 🗂️ در ۱۸ کشور 🌎 و با کمک هوش مصنوعی 🤖 برای مهاجرت خود تصمیم بگیرید

دریافت گزارش
🔹 انواع ارور ها در پایتون
🔸 بخش سوم

برای رفع و هندل کردن ارور ها ابتدا ما باید آنها رو به خوبی بشناسیم و بدونیم دلایل رخ دادن آنها چیست.

UnboundLocalError

این ارور زمانی میتونه رخ بده که متغیر شما bound نشده یا اصطلاحا unbound هستش.
مثلا زمانی که در حال shadow زدن به یک متغیر global هستید.
یا اینکه از متغیر سطح local در متد یا تابع ای دیگر استفاده میکنید.
name = "Yasin"
def get_name():
    print(name)
    name = "ali"

    print(name)

get_name()

UnboundLocalError: cannot access local variable 'name' where it is not associated with a value



UnicodeError

هنگامی که پایتون با مشکلات رمزگذاری یا رمزگشایی unicode مواجه میشود این ارور رخ میدهد.

از سری دلایل رخ دادن این ارور:
— استفاده از روش های رمزگذاری که پشتیبانی نمیشوند
— توالی بایت های خراب یا ناقص

مثال:
unicode_str = b"\u1234\u5678\u90AB"
print(decoded_str.decode("ascii"))

UnicodeDecodeError: 'ascii' codec can't decode byte 0xe1 in position 0: ordinal not in range(128)



ZeroDivisionError

وقتی بخواهیم عددی را بر صفر تقسیم کنیم پایتون این را نمایش میدهد.
مثال:
result = 5 / 0

ZeroDivisionError: division by zero



MemoryError

اگر زمانی حافظه رم سیستم پر شود یا به اصطلاح تمام رم در حال استفاده باشد به این ارور برمیخورید.
در اکثر اوقات به این دلیل است که رم بدون آزاد شدن و به صورت مداوم در‌حال استفاده است.
برای مثال این کد سعی میکنه یک لیست با بیش از یک میلیارد عنصر درست کنه:
large_list = [0] * 1_000_000_000


PermissionError

ارور دسترسی برای زمانی است که پایتون دسترسی لازم برای عملیات مورد نظر رو ندارد، مثل ساخت فایل یا حذف فایل.
این ارور همچنین میتواند در صورتی رخ دهد که یک فایل مورد استفاده پراسس دیگری باشد.
برای مثال این تکه کد سعی میکند یک فولدر در system32 در ویندوز بسازد که در حالت عادی و بدون داشتن دسترسی administrator ممکن نیست.
import os

os.mkdir(r"C:\Windows\System32\new_directory")



اینها ارور های رایج پایتونی بودند و از حالا به بعد به سراغ نحوه هندل کردن این ارور ها میریم.

منبع:
betterstack 〽️

🔖 #Python, #پایتون

👤 Yasin

💎 Channel: @DevelopixPython
Please open Telegram to view this post
VIEW IN TELEGRAM
🔹 ارور ها در پایتون
🔸 بخش اول

💠 در پست های قبلی - انواع ارور ها، بخش اول، بخش دوم، بخش سوم - با ارور هایی که در پایتون ممکنه باهاشون برخورد کنیم آشنا شدیم.
💠 حالا وقت اینه که از این مطالب استفاده کنیم تا برنامه های خودمون رو بهبود بدیم.

همونطور که مطلع هستید، مفسر زمانی که به ارور برخورد میکنه برنامه رو متوقف میکنه و process اجرایی ما از کار میوفته.

قطعا این یک معضل برای برنامه‌نویس هاست، اما پایتون هم مثل خیلی از زبان های دیگه برای این مشکل راه‌حلی ارائه داده.

این زبان با دو کلمه کلیدی try و except ساختاری رو برای ما فراهم کرده که بتونیم ارور ها رو مدیریت یا هندل کنیم.
ابتدا در بلوک try تکه خط‌ کدی رو که ممکنه به خطا بخوره رو مینویسیم و در بلوک هم except تکه کدی رو که میخوایم در صورت مواجه شدن به ارور اجرا بشه رو مینویسیم.

بریم چند تا مثال بزنیم تا با این ساختار بیشتر آشنا بشیم.

مسئله:
— برنامه ای بنویسید که از کاربر عددی را دریافت کند و یکی کمتر از آن عدد را چاپ کند و در آخر هم یک bye در پایان برنامه print کند.

روش یک - بدون استفاده از try except:
number = int(input("enter a number: ")
print(number - 1)
print("bye")


این کد تا زمانی صحیح و بدون مشکل کار میکنه که کاربر همیشه به عنوان ورودی یک عدد صحیح وارد کنه.
حالا اگر کاربر از کارکتری استفاده کنه که کلاس int انتظارش رو نداره، برنامه با ارور مواجه میشه و برنامه متوقف میشه. پس ما bye رو در خروجی نمیبینم:
ValueError: invalid literal for int() with base 10


روش دوم - با استفاده از try except:
try:
    number = int(input("enter a number: "))

except:
    print("the entry isn't an integer")

print("bye")


اما اینجا به محض مواجهه با ارور، برنامه پیام مناسبی به کاربر نشون میده و به کارش ادامه میده، بدون اینکه process رو متوقف کنه.


همچنین میتونید صرفا یک یا چند خطای مورد انتظار و معین رو برای تکه کد خودتون درنظر بگیرید. به این صورت که در بلوک except نوع ارور رو مینویسید و مفسر صرفا نسبت به این ارور(ها) واکنش نشون میده.

مسئله:
— برنامه ای بنویسید که از کاربر عددی صحیح را دریافت کند و حاصل تقسیم 1000 بر آن را بنویسد.
جواب:
try:
    number = int(input("enter a number: "))
print(1e3 / number)

except ValueError:
    print("the entry isn't an integer")


در این تکه کد فقط اگر به ValueError برخورد کنیم برنامه واکنش‌نشون میده و درغیر اینصورت برنامه با ارور مواجه، و در نتیجه متوقف میشه.

حالا اگه بخوایم ZeroDivisionError رو هم هندل کنیم چی؟ کاری نداره، اونم اضافه میکنیم:
try:
    number = int(input("enter a number: "))
print(1e3 / number)

except ValueError:
    print("the entry isn't an integer")

except ZeroDivisionError:
print("entry cannot be zero")


تا اینجا با try و except آشنا شدیم. در پست های بعدی بیشتر در مورد error handling صحبت میکنیم و با این موضوع بیشتر آشنا میشیم.

🔖 #Python, #پایتون

👤 Yasin

💎 Channel: @DevelopixPython
Forwarded from Developix Support
🥳مسابقۀ ۱۰۰ میلیونی ساخت بات در اپلیکیشن بله!🦾

💰 مسابقه‌ای برای ساخت بازو (بات) و مینی‌اپ در اپلیکیشن بله

🎯 از استعدادت پول در بیار!
چطوری؟

بله با مسابقهٔ «زور بازوت رو نشون بده!» یک فرصت عالی برای مهندسین نرم‌افزار، وب دولوپر‌ها، صاحبان سایت‌ها و اپلیکیشن‌ها و تیم‌های محصول فراهم کرده که پاسخگوی این دغدغه‌هاست.

🎁 یه مسابقه با ۱۰۰ میلیون تومن جایزهٔ نقدی و ۱ میلیارد تومن اعتبار تبلیغات منتظرته! ♨️

📎 همین الان در مسابقه ثبت‌نام کن! ➡️

💬
کانال اخبار بازو دراپلیکیشن بله

ک
انال اطلاع‌رسانی بله | @BaleMessenger
🔹 ارور ها در پایتون
🔸 بخش دوم (بخش اول)

💠 در پست قبلی تا اونجا پیش رفتیم که برای هر خطا هندلر جداگانه قرار بدیم. در این پست هم همین مطلب رو ادامه میدیم.
💠 پایتون هنگامی که ما از except استفاده میکنم همیشه ارور مورد نظر رو برای ما نگه میداره و ما میتونیم از همون ارور هم استفاده کنیم که بدونیم برنامه چرا به مشکل خورده. برای این‌کار باید از یک متغیر استفاده کنیم تا خطا رو در اون نگه داری کنیم.

شیوه استفاده به این شکله:
def divide(x, y):
try:
result = x // y
print("Yeah! Your answer is :", result)

except Exception as e:
print("The error is: ", e)

divide(3,0)


در پایتون شما میتونید بعد از بلوک try-except از کلمه کلیدی else استفاده کنید. در این ساختار else زمانی اجرا میشه که کد ما بدون مشکل اجرا بشه و کار به اجرای code block هیچ کدوم از except ها کشیده نشه.
به عبارت دیگه اگه بلوک try اجرا بشه بعدش مستقیم میره بلوک else اما اگه بلوک except اجرا بشه دیگه else در کار نیست.
با این مثال بهتر این مفهوم رو متوجه میشین:
def get_number():
try:
number = int(input("number: "))

except:
print("please enter a number")

else:
print(f"thank you for number {number}")


هنگامی که یک عدد رو به get_number بدیم و به ارور نخوریم وارد بلوک else میشیم و به شما پیام "thank you for number x" نشون داده میشه.
حالا اگه یک حرف وارد کنید به شما پیام "please enter a number" نشون داده میشه.

یک کلمه کلیدی دیگه پایتون برای try, except داره که finally نام داره.
کد بلوک finally همیشه اجرا میشه، چه کد ما دارای ارور باشه و به exception بره و چه بلوک try به درستی اجرا بشه، در هر صورت finally اجرا میشه.
def get_number():
try:
number = int(input("number: "))

except:
print("please enter a number")

finally:
print("thank you for reading this post")


راستی، شما می‌تونید بعد از بلوک try از finally استفاده کنید و exceptionای قرار ندید، تست این قسمت با شما😁
منبع

🔖 #Python, #پایتون

👤 Yasin

💎 Channel: @DevelopixPython
🔵نکات برنامه‌نویسی پایتون
⚪️ بخش اول

💠 از کدوم مورد استفاده میکنین برای اینکه بفهمین یک متغییر None هست یا نه؟
1) obj is None
2) obj == None

❗️ هیچوقت از روش دوم استفاده نکنین
به چند دلیل:
- استفاده از is بهینه تره و مستقیم ادرس مموری رو بررسی میکنه و از چیزای اضافی پرهیز میکنه
- استفاده از == برای این مورد کاملا خطرناکه و ممکنه باعث ایجاد ارور بشه. چرا؟ کد رو ببینید:
class Example:
       def __eq__(self, _):
           return True

e = Example()
print(e == None)
print(e is None)


🔖 #Python, #پایتون

👤 REZA P

💎 Channel: @DevelopixPython
#سوال
خروجی کد زیر چیست ⁉️

✍️ *ژنرال*

💎 Channel: @DevelopixPython
Please open Telegram to view this post
VIEW IN TELEGRAM
#سوال
خروجی کد زیر چیست ⁉️

✍️ *ژنرال*

💎 Channel: @DevelopixPython
Please open Telegram to view this post
VIEW IN TELEGRAM
#سوال
خروجی کد زیر چیست ⁉️

✍️ *ژنرال*

💎 Channel: @DevelopixPython
Please open Telegram to view this post
VIEW IN TELEGRAM
💠 PEP 750: Template Strings (T-Strings)

مدتی میشه که PEP 750 تایید شده و قراره در نسخه 3.14 پیاده بشه.
برای اولین بار قراره زمانی که از quotation (") استفاده می‌کنید مقداری از جنس یک built-in type برای شما برگردونده نشه.
تا الان string prefix های r, f, u و fr رو در پایتون داشتیم و حالا قراره t و tr رو هم در کد ها (مخصوصا در کد framework ها مشاهده کنید).

وجود template string ها در پایتون چیز جدید نیست. string.Template یا formatting در پایتون وجود داشتند و دارند. حتی templating engine هایی مثل jinja یا meko و حتی engine های مختص framework های محبوبی مثل django هم وجود داشتند و میشه گفت این مقوله مفهوم جدیدی به پایتون اضافه نمیکنه.

از زمانی که PEP 498 تایید شد و f-string به پایتون 3.6 اومد مقداری مفهوم template ها در کد ها مقداری کمرنگ شدند چون عمده نیازی که وجود داشت برای جایگذاری مستقیم داده در string ها بود و f-string این نیاز رو برطرف می‌کرد. از زمان معرفی PEP 701 استفاده از اونها بیشتر هم شد چون استفاده از اون رو به شدت آسون‌تر می‌کرد.
اما t-string ها مثل f-string ها عمل نمیکنند. میشه گفت t-string ها تمام قابلیت هایی که f-string ها داشتند رو دارند اما اگر نیاز شما به چیزی مشابه f-string ها هست که یک str برگردونه، واقعا لزومی نداره از t-string ها استفاده کنید چون فقط کار خودتون رو پیچیده کردید. وجود t-string ها ضربه‌ای به ماهیت f-string ها و علت وجودشون نمیزنه چون مفهومی متفاوت رو ارائه میده.

همونطور که اشاره شد شما با استفاده از این syntax دیگه مستقیما یک string ندارید و مقداری از نوع Template برای شما برگردونده میشه. شما وقتی از f-string استفاده میکنید صرفا خروجی در اختیار شما قرار میگیره و عملا هیچ دسترسی مستقیمی به مقادیر داده شده به رشته ندارید، اما t-string ها اینطور نیستند.
میشه گفت که اگر f-string خروجی (بَعد) چیزی که میخواین باشه، t-string یک ساختار نگه‌دارنده برای شماست (قبل از ایجاد). ضمن اینکه استفاده مستقیم از f-string ها برای انجام کار هایی میتونست مشکلات امنیتی (مثل sql injection) بوجود بیاره اما اینجا با مدیریت بهتر میشه از این مشکلات امنیتی هم در امان بود.

چطور باید یک template ساده نوشت؟
c = "DevelopixPython"
t = t"subscribe @{c}"


خب، قطعا با خودتون گفتید که "این همون f-string نیست؟" که خب جواب به طور واضحی نه هست. اینجا متغیر t دیگه یک string نیست، یک Template هست.
این چه امکاناتی رو به ما میده؟
1. تفکیک قسمت های ثابت در رشته از متغیر های ورودی.
2. دسترسی مستقیم به ورودی ها (interpolations)، نوع‌تبدیل خواسته شده برای اونها (conversion)، نوع formatting خواسته شده برای اونها (format_spec) و حتی عبارت داده شده جهت جایگذاری!

در PEP 498 گفته شده "به همون دلیلی که متد bytes.format رو نداریم، یک prefix با عنوان fb هم برای f-string ها نداریم". این قاعده درحال حاضر به طور کامل برای t-string ها هم صدق میکنه و tb هم معنی نداره.
اما خب، همونطور که گفته شده این چیزی نیست که ازش چشم‌پوشی شده باشه و این برمیگرده به پیشنهادی که Steve Dower داد که مورد قبول واقع شد پس انتظار میره در آینده ترکیبی از bytes ها رو هم با این template ها شاهد باشیم.

حالا سوالی پیش میاد. اینکه چه زمانی از f-string استفاده کنیم و چه زمانی از t-string؟
وقتی داریم در مورد f-string ها حرف میزنیم یعنی در خروجی انتظار یک str داریم که render شده. اما زمانی که در مورد template ها حرف می‌زنیم انتظار خروجی str نداریم.
ما برای استفاده از template ها نیاز به یک processor داریم. به طور خیلی ساده میشه گفت t-string ها به منظور ایجاد string ها استفاده نمیشن و از اونها به عنوان ساختاری که داده های مرتبط به رشته رو به طور منظم نگه‌داری میکنه میشه یاد کرد. به طور کلی زمانی از t-string استفاده میکنید که شیوه ایجاد متن شما هم مهم هست و نیاز دارید که بدونید چه object هایی به عنوان ورودی و در چه قالبی داده شدند. اینطور با دست باز قادر به validate کردن اونها هستید و عملا از نحوه ایجاد رشته‌ای که در نهایت قراره خروجی شما باشه آگاهید.
این یعنی t-string ها حتی string نیستند! برای گرفتن خروجی حتما به یک processor نیاز هست که درواقع صرفا استفاده کننده template ماست.

تا قبل از ارائه میتونید خودتون نسخه‌ای که در cpython پیاده‌سازی شده رو build و استفاده کنید. همچنین میتونید نمونه هایی از استفاده از این قابلیت رو اینجا مشاهده کنید. پیشنهاد میشه logging.py, web.py و reuse.py و مخصوصا fstring رو برای درک بهتر این ویژگی مطالعه کنید.

✍️ *ژنرال*

🏷 #Python, #PEP, #TStrings, #template, #pep750, #strings

💎 Channel: @DevelopixPython
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥 تخفیف بزرگ سرور اختصاصی ابری هاست ایران از امروز شروع شد!🚀

🛸 ما تو هاست ایران با توجه به درخواست‌های پرتکرار شما، یک سرویس متفاوت راه انداختیم:
🌩 سرور اختصاصی ابری – ترکیبی از قدرت سخت‌افزار اختصاصی با انعطاف و مقیاس‌پذیری فضای ابری

منابع کاملاً اختصاصی
پرداخت ساعتی یا ماهانه، فقط برای میزان مصرف واقعی (PAYG)
پشتیبانی از Nested Virtualization (نصب Hypervisor روی VM)
ساخت سریع ماشین‌مجازی ویندوز یا لینوکس
بکاپ خودکار و پشتیبانی ۲۴/۷
انتخاب دیتاسنتر نزدیک به کاربران شما

💵 فقط تا ۶ اردیبهشت فرصت دارید این سرویس رو با ۵۰٪ تخفیف ویژه تهیه کنید!💥

🟥 برای اطلاعات بیشتر و سفارش:
🔗 لینک مشاهده سرویس
Please open Telegram to view this post
VIEW IN TELEGRAM
#سوال
کار کدام تابع زودتر به پایان می‌رسد ⁉️

✍️ *ژنرال*

💎 Channel: @DevelopixPython
Please open Telegram to view this post
VIEW IN TELEGRAM
💠 PEP 749: Deferred Evaluation Of Annotations Using Descriptors

بعد از چند سال حالا PEP 649 به لطف ارائه خوب PEP 749 تایید شده و قراره تحولی رو در annotation ها داشته باشیم.
به این کد دقت کنید:
class A:
def method(self) -> B: ...

class B: ...


در حالت عادی چون نوع برگشتی method ما B هست و B هم تا اون لحظه تعریف نشده به NameError برخورد میکنیم. این تا حد زیادی تبدیل به یک معضل شده بود تا اینکه اجازه استفاده از literal string ها به عنوان نوعی ارجاع دهنده داده شد که در __annotations__ هم لحاظ میشن. این موضوع حتی فراتر از این حدود هم پیش رفت و با ارائه PEP 563 و امکان استفاده از annotations در __future__، تمام annotation ها هنگام اجرای کد (runtime) تبدیل به string میشن (بدون استثنا، تمام annotation ها).

خب، این واقعا کثیف کاری بود. IDE ها به درستی میتونستند type ها رو تشخیص بدند و مفسر هم دیگه خطای NameError نمیداد:
from __future__ import annotations

class A:
def method(self) -> B: ...

class B: ...


اما همونطور که گفته شد همه اونها به string تبدیل میشدند و اگر کد زیر خواسته میشد خروجی مطلوب (که خود کلاس B هست) داده نمیشد و در عوض "B" رو میدیدم.
print(A.method.__annotations__)


این یعنی مشکل. چرا؟ چون در صورتی که مقدار local باشه الزاما دیگه به متغیر ها دسترسی نداریم و حتی اگر دسترسی داشته باشیم باید اون رو eval کنیم که کار جالبی نیست.

راه‌حلی درحال اضافه شدن هست. در نسخه 3.14 باز هم از مفهوم lazy evaluation قراره استفاده دیگه‌ای بشه. علت برخورد شما به NameError در کد اول این هست که مفسر بلافاصله میخواد به annotation دسترسی پیدا کنه، اما حالا این کار رو انجام نمیده و فقط زمانی که باید بهشون دسترسی گرفته بشه این کار رو انجام میده که باعث میشه موقع load کردن code شما حتی اگر annotation وجود خارجی هم نداشت باعث مشکل نشه.

این یک تحول نسبتا بزرگ برای زبان پایتون هست، اللخصوص برای نویسندگان کتابخونه ها. ممکنه دیده باشید که به جای SomeType نوشته شده باشه "SomeType" چرا؟ چون به هر دلیلی نویسنده خواسته از NameError فرار کنه. اما حالا نه، لازم نیست quote قرار داده بشه و مستقیما میشه از خودش استفاده کرد.

چه اتفاقی برای annotations در __future__ میوفته؟ در نسخه 3.15 حذف میشه و احتمالا هشدار منسوخ شدن برای استفاده از اون در نسخه 3.14 اضافه خواهد شد.

این موضوع حتی فراتر از این حرف ها هست و ما حتی یک module کاملا جدید رو قراره در stdlib داشته باشیم. همونطور که گفته شده استفاده از inspect برای دسترسی به annotation ها راه خوبی نیست چون واقعا سنگینه. پس حالا annotationlib رو قراره داشته باشیم که ابزاری کاملا مناسب هست و به راحتی قابل استفاده‌ست.

ما تابه‌حال نوع خاصی برای annotation ها نداشتیم (نوع کلی) اما حالا داریم:

‏1. VALUE: همون مقدار پیش‌فرض که تا الان هم داشتیم
‏2. FORWARDREF: در صورت نبود مقدار مشخصی برای اسم به کار برده شده
‏3. STRING: مقدار متنی اونها (کاملا مناسب برای ابزار document کردن)

تنها مورد جدید ForwardRef هست. چه زمانی این نوع دیده میشه؟ زمانی که عملا هیچ چیزی با این name وجود نداشته باشه (قبلا در این شرایط NameError داده میشد) و حالا با این نوع گفته میشه که "این نوع unresolved هست"

این موضوع هیچ تاثیر منفی روی std wrapper هایی مثل classmethod، staticmethod، functools.wraps و موارد دیگه قرار نیست بزاره و همه همگام میشن پس لازم نیست در این مورد نگران باشیم.

به طور خلاصه، تغییر سنگینی در انتظار نویسندگان کتابخونه های بزرگ هست اما بعد از اون نوشتن annotation ها واقعا خیلی راحت تر میشه و پایتون خیلی مهربون تر با این قضیه برخورد میکنه.

✍️ *ژنرال*

🏷 #Python, #PEP, #annotations, #typehint, #pep749, #NameError

💎 Channel: @DevelopixPython
Please open Telegram to view this post
VIEW IN TELEGRAM
💠 PEP 758 – Allow except and except* expressions without parentheses

با قبول PEP 758 حالا syntax جدیدی رو برای ساختار try-except در نسخه 3.14 داریم. این موضوع ساختار های مورد قبول فعلی رو تغییر نمیده و فقط ساختاری جدید رو اضافه میکنه.

ابتدا بهتره یک مرور ساده روی ساختار فعلی except داشته باشیم:
except_block:
| "except" expression ["as" identifier] ":" block
| "except" "*" expression ["as" identifier] ":" block



اگر لازم بود که از چند exception استفاده کنیم اونها رو داخل پرانتز قرار میدادیم و با ساختار زیر از اون استفاده میکردیم:
except_block:
| "except" (expressions) ["as" identifier] ":" block
| "except" "*" (expressions) ["as" identifier] ":" block


یا به طور دقیق تر:
except_block:
| "except" "(" expression ("," expression)+ ")" [ "as" identifier ] ":" block
| "except" "*" "(" expression ("," expression)+ ")" [ "as" identifier ] ":" block


به شکل:
try:
risky_operation()
except (ValueError, TypeError, RndExcept):
handle_error()


این PEP چیز بخصوصی رو به همراه نداره، تنها موردی که به این زبان اضافه میکنه اینه که از حالا در صورتی که از کلمه کلیدی as استفاده نشه میتونیم از پرانتز ها صرف‌نظر کنیم. پس حالا ساختار های زیر رو در پایتون ممکنه ببینید:
except_block:
| 'except' expressions ':' block
| 'except' '*' expressions ':' block


به طور خلاصه میتونیم بگیم که اگر تا الان کد زیر با SyntaxError برخورد میکرد، حالا در نسخه 3.14 به هیچ مشکلی برخورد نمیکنه و به درستی اجرا میشه:
try:
risky_operation()
except ValueError, TypeError, RndExcept:
handle_error()


اما باید توجه داشت که اگر لازم باشه از as و یک identifier استفاده بشه وجود پرانتز ها همچنان الزامی هستند.

دلیل اضافه شدن این امکان عمدتا مرتبط به خوانایی کد و ساده کردن قسمت هاست. استفاده از پرانتز باتوجه به نبود هیچ چیز اضافه دیگه‌ای غیرضروری بنظر میرسید و باتوجه به سایر قسمت ها که اضافه کردن پرانتز در این شرایط رو اختیاری کردند، این تغییر کمک میکنه تا قسمت except از ساختار کلی error handling در پایتون هم مقداری مشابه سایر قسمت ها بشه. به طور خلاصه میتونیم بگیم که اگر از python2 استفاده میکردید و به این شکل خطاها رو مدیریت میکردید، حالا باز هم مجاز به انجام این کار هستید.

✍️ *ژنرال*

🏷 #Python, #PEP, #except, #try, #pep785

💎 Channel: @DevelopixPython
Please open Telegram to view this post
VIEW IN TELEGRAM
تبدیل فایل Py به EXE

بعضی اوقات لازم هست که فایل پایتونی‌مون رو تبدیل به یک فایل EXE کنیم تا راحت بتونیم اجراش کنیم. برای این کار ابزارهای زیادی هست، ولی یکی از راحت‌ترین و بی‌دردسرترین روش‌ها استفاده از cx_Freeze هست. حالا بریم ببینیم چطوری میشه ازش استفاده کرد.

خب طبیعی هست که اول باید ابزار رو نصب کنیم. توی ترمینال این دستور رو می‌زنیم:
pip install cx_Freeze

بعد از نصب، باید یه فایل بسازیم به اسم setup.py که قراره تنظیمات تبدیل پروژه رو توش بنویسیم. اگه برنامه‌مون ساده‌ست این کد کفایت می‌کنه:
from cx_Freeze import setup, Executable

setup(
    name="اسم برنامه",
    version="ورژن برنامه",
    description="یک توضیح درباره برنامه",
    executables=[Executable("main.py")]
)

ولی اگه برنامه‌مون از کتابخونه‌های گرافیکی استفاده می‌کنه، اون وقت فایل setup.py باید یک ذره فرق داشته باشه:
from cx_Freeze import setup, Executable
import sys

base = None
if sys.platform == "win32":
    base = "Win32GUI"

setup(
    name="اسم برنامه",
    version="ورژن",
    description="توضیحات",
    executables=[Executable("main.py", base=base)]
)

نکته مهم: فایلی که می‌خواهید تبدیلش کنید باید اسمش main.py باشه. البته می‌تونید اسم دیگه هم بدید، ولی اون موقع باید توی قسمت Executable اسم دقیق فایل رو بنویسید.
حالا ترمینال رو باز کنید، وارد مسیر اون فایل شید و این دستور رو بزنید:
python setup.py build

یه پوشه به اسم build ساخته می‌شه که داخل‌ش نسخه‌ی EXE برنامه‌ هست😉


یک روش ساده‌تر هم هست که دیگه نیاز به فایل setup نداره.
که دستورش این هست:
cxfreeze --script hello.py --target-dir dist

اینجوری مستقیم فایل EXE ساخته می‌شه و نیاز به فایل setup.py نیست.
البته توی صفحه رسمی‌ش سوییچ‌های دیگه هم گذاشته شده که می‌تونید ازشون استفاده کنید:
https://cx-freeze.readthedocs.io/en/stable/script.html

🔖 #Python, #پایتون

👤 𝐏𝐫𝐨𝐠𝐫𝐚𝐦‌‌‌‌𝐦𝐞‌‌‌‌𝐫‌‌‌‌

💎 Channel: @DevelopixPython
🎯 بررسی پلتفرم‌های اجرای کد پایتون در موبایل

🔵 Android:

🐍 Pydroid 3

مزایا:
⬅️ ساپورت اکثر کتابخانه‌های پایتون
⬅️ دارای ترمینال و محیط گرافیکی GUI
⬅️ نسخه‌ی پرمیوم با قابلیت auto complete
⬅️ اجرای کدها بدون نیاز به اینترنت

معایب:
⬅️ نسخه‌ی پایتون ثابت و غیرقابل ارتقا
⬅️ برخی کتابخانه‌های سنگین در نسخه رایگان کار نمی‌کنند
⬅️ عملکرد کند ادیتور در پروژه‌های بزرگ


🐍 Termux

مزایا:
⬅️ محیط شبیه‌سازی شده لینوکس
⬅️ داشتن shell
⬅️ امکان نصب نسخه دلخواه از پایتون
⬅️ کنترل کامل روی پکیج‌ها و...
⬅️ استفاده از مفسر رسمی پایتون که از طریق بسته‌های apt نصب می‌شود

معایب:
⬅️ فاقد محیط گرافیکی به‌جز Tkinter که از طریق بسته‌های پایتون قابل نصب می‌باشد


⬜️ IOS

🐍 Pyto

مزایا:
⬅️ ساپورت از نسخه‌های پایتون و رابط کاربری
⬅️ امکان نصب بسیاری از کتابخانه‌ها

معایب:
⬅️ اجرای کند
⬅️ عدم ساپورت از برخی کتابخانه‌ها


🐍 Pythonista

مزایا:
⬅️ پشتیبانی از بسیاری از کتابخانه‌ها
⬅️ مناسب برای ساخت اپلیکیشن‌های ساده با رابط کاربری

معایب:
⬅️ نصب کتابخانه‌ها بصورت پیچیده
⬅️ نسخه‌ی پولی


🐍 Google Colab

مزایا:
⬅️ اجرای کد بدون نیاز به نصب نرم‌افزار از طریق Browser
⬅️ اجرای کدها در سرورهای قوی با مفسر پایتون
⬅️ امکان ذخیره نوت‌بوک‌ها و اشتراک‌گذاری آن‌ها

معایب:
⬅️ نیاز به اینترنت
⬅️ اجرای موقتی و...

🔖 #Python, #پایتون, #android, #ios, #pydroid, #pyto

👤 𝐏𝐫𝐨𝐠𝐫𝐚̷𝐦𝐦̷𝐞̷𝐫̷

💎 Channel: @DevelopixPython
Please open Telegram to view this post
VIEW IN TELEGRAM
| کانال توسعه‌دهندگان پایتون |
تبدیل فایل Py به EXE بعضی اوقات لازم هست که فایل پایتونی‌مون رو تبدیل به یک فایل EXE کنیم تا راحت بتونیم اجراش کنیم. برای این کار ابزارهای زیادی هست، ولی یکی از راحت‌ترین و بی‌دردسرترین روش‌ها استفاده از cx_Freeze هست. حالا بریم ببینیم چطوری میشه ازش استفاده…
تبدیل فایل PY به EXE با Pyinstaller

در پست‌های قبلی، به تبدیل فایل پایتون به EXE با استفاده از ابزار cx_Freeze پرداختیم. این بار، می‌خوایم با ابزار Pyinstaller فایل‌مون رو به اجرایی تبدیل کنیم.

در مرحله اول که کاملا مشخصه، کافیه Pyinstaller رو نصب کنید.
pip install pyinstaller

وارد همون پوشه‌‌ای که فایل پایتون داخل‌ش قرار داره بشید. سپس دستور زیر رو وارد کنید:
pyinstaller --onefile name.py

به جای name.py، اسم فایل پایتون خودتون رو وارد کنید.
سوییچ --onefile باعث می‌شه یک فایل نهایی تولید بشه.

پس از اجرای دستور، پوشه‌ای به اسم dist ایجاد میشه که EXE در این پوشه قرار می‌گیره.

🧸 وقتی برنامه‌ی شما گرافیکی باشه، بعد از تبدیل به EXE یک کنسول هم همراه با برنامه باز می‌شه. اگه نمی‌خواید این پنجره نمایش داده بشه، می‌تونید از سوییچ --noconsole استفاده کنید.

کافیه دستور رو این‌طوری وارد کنید:
pyinstaller --onefile --noconsole name.py


🎉 برای مطالعه و امکانات بیشتر Pyinstaller، می‌توانید به وب‌سایت رسمی‌ش مراجعه کنید:
https://pyinstaller.org

🔖 #Python, #پایتون

👤 𝐏𝐫𝐨𝐠𝐫𝐚̷𝐦𝐦̷𝐞̷𝐫̷

💎 Channel: @DevelopixPython