import time
import requests

URL = "https://example.com
" # что мониторим
INTERVAL = 10 # сек между проверками

def check():
try:
r = requests.get(URL, timeout=5)
if r.status_code == 200:
print("OK:", URL, r.status_code)
else:
print("WARNING:", URL, r.status_code)
except Exception as e:
print("DOWN:", URL, "->", e)

while True:
check()
time.sleep(INTERVAL)

— requests.get(URL, timeout=5) проверяет, отвечает ли сервис и не висит ли.
— status_code != 200 или Exception → считаем, что сервис нестабилен.
— INTERVAL регулирует частоту опроса (не ставь слишком низко, чтобы не ддосить сам себя).

class Person:
    def __init__(self, name):
        self.name = name

    def say_hello(self):
        return f"Привет, я {self.name}!"

p = Person("Соня")
print(p.say_hello())  # Привет, я Соня!

Person = type("Person", (object,), {
    "__init__": lambda self, name: setattr(self, "name", name),
    "say_hello": lambda self: f"Привет, я {self.name}!"
})

p = Person("Соня")
print(p.say_hello())  # Привет, я Соня!

def add_item(lst):
    lst.append(100)

my_list = [1, 2, 3]
add_item(my_list)
print(my_list)  # [1, 2, 3, 100]

import arrow

# Создание и форматирование
utc = arrow.utcnow()
local = utc.to('USA/UFA')
print(local.humanize())  # "in a moment"

pip install 
arrow 

from pentestgpt import PentestGPT

tool = PentestGPT(target="https://example.com")
tool.brainstorm()
tool.run_scan()
tool.discuss_results()

from jsonpath_ng import jsonpath, parse

data = {
    "users": [
        {"name": "Alice", "age": 30, "tags": ["admin", "dev"]},
        {"name": "Bob",   "age": 20, "tags": ["dev"]},
        {"name": "Carol", "age": 25, "tags": []},
    ]
}

# Все имена пользователей старше 21
expr = parse('$.users[?(@.age > 21)].name')
names = [match.value for match in expr.find(data)]
print(names)  # ['Alice', 'Carol']

# Все теги всех пользователей (плоский список)
expr = parse('$.users[*].tags[*]')
tags = [m.value for m in expr.find(data)]
print(tags)  # ['admin', 'dev', 'dev']

🔹 JSONPath обладает мощным синтаксисом, поддерживающим фильтры, рекурсию, срезы и подвыражения.

🔹 Он возвращает совпадения вместе с их путями.

🔹 Инструмент эффективно работает с любыми структурами на основе словарей и списков, такими как ответы API и конфигурационные файлы.

pip install jsonpath-ng

from contextlib import contextmanager  

@contextmanager  
def open_file(path):  
    f = open(path, 'r')  
    try:  
        yield f  
    finally:  
        f.close()  

with open_file("example.txt") as f:  
    print(f.read())

pip install deepcode
deepcode analyze --path ./my_project

pip install pretty-pie-log.

import humanize  
import datetime  

print(humanize.intcomma(1234567))  # 1,234,567  

size = 1536000  
print(humanize.naturalsize(size))  # 1.5 MB  

dt = datetime.datetime.now() - datetime.timedelta(hours=3)  
print(humanize.naturaltime(dt))  # 3 hours ago

pip install humanize

pip install pandera

import httpx
import anyio
import time

urls = [f"https://jsonplaceholder.typicode.com/posts/{i}" for i in range(1000)]
start_time = time.time()

async def fetch(client, url, limiter):
    async with limiter:
        await client.get(url)

async def main():
    limiter = anyio.CapacityLimiter(100)  # макс. 100 параллельных запросов
    async with httpx.AsyncClient(timeout=30) as client:
        async with anyio.create_task_group() as task_group:
            for url in urls:
                task_group.start_soon(fetch, client, url, limiter)

anyio.run(main)
print(f"{len(urls)} запросов выполнено за {time.time() - start_time:.2f} секунд")

💡 По факту: эти 1 000 запросов теперь обрабатываются в ~7.25 секунд, в то время, как с обычным request обработка заняла ~439.82 секунд.

Да, почти в 60 раз быстрее — без заморочек с asyncio, event loop и сложными конструкциями.