👩‍💻 Что если представить habr в виде obsidian-графа?

А что если спарсить часть статей с хабра и представить их в виде obsidian графа, будет ли это выглядеть, как красивая база знаний?

➡️ Ссылка на статью

🐍 Ghostly Python | #статьи

🖼️ Библиотека: Hypothesis

Hypothesis — библиотека для property-based тестирования: она сама генерирует входные данные, ищет контрпримеры и минимизирует (shrink) их до простого случая бага.

ℹ️ Основные возможности:

🟢 Автогенерация данных по стратегиям (st.integers(), st.text(), st.lists(...))
🟢 Поиск граничных случаев и минимизация падающих примеров
🟢 Интеграция с pytest/unittest без лишнего кода
🟢 Сохранение/повторение найденных контрпримеров

⚙️ Пример использования:

from hypothesis import given, strategies as st

# Свойство: двойной реверс списка возвращает исходное значение
@given(st.lists(st.integers()))
def test_reverse_twice(xs):
    assert list(reversed(list(reversed(xs)))) == xs

✔️ Установка:

pip install hypothesis

➡️ Ссылка на документацию

🐍 Ghostly Python | #библиотеки

🐍 Ghostly Python | #мемы

➡️ SuperFastPython — практические материалы по конкурентности и параллелизму в Python

Ресурс подробно разбирает threading, multiprocessing, asyncio, очереди, пулы процессов/потоков и шаблоны проектирования для высоконагруженных задач — с чёткими примерами и разбором подводных камней.

Примечательно, что статьи сопровождаются измерениями производительности и готовыми «рецептами» (тайм-ауты, отмена задач, ограничения параллелизма, ретраи), что помогает сразу применять приёмы в продакшене.

⛓️ Ссылка на ресурс

🐍 Ghostly Python | #ресурсы

👩‍💻 Расширяем базовый функционал n8n: от RAG до кастомного агента с MCP

Я поднимаю n8n локально, учу его кастомным API и MCP-тулам: собираю AI-агента, не бросая no-code. Чуть кода — тонна гибкости. Скрины, грабли, профит.

➡️ Ссылка на статью

🐍 Ghostly Python | #статьи

📱 Фишка: collections.ChainMap — объединение словарей с приоритетами

ChainMap позволяет работать с несколькими словарями как с одним: поиск ключей идёт слева направо, изменения пишутся в самый «верхний» словарь. Удобно для конфигов: CLI > ENV > defaults

from collections import ChainMap

defaults = {"host": "localhost", "port": 5432, "debug": False}
env      = {"port": 6432}
cli      = {"debug": True}

cfg = ChainMap(cli, env, defaults)

print(cfg["host"])   # ➔ localhost (из defaults)
print(cfg["port"])   # ➔ 6432     (из env)
print(cfg["debug"])  # ➔ True     (из cli)

# Изменения пишутся в первый (cli)
cfg["port"] = 7000
print(cli)  # ➔ {'debug': True, 'port': 7000}
print(env)  # ➔ {'port': 6432} (не изменился)

# Временный «верхний» слой (например, сессия)
session = {"debug": False}
stacked = cfg.new_child(session)
print(stacked["debug"])  # ➔ False (приоритет session)

📌 Как это работает?

🟢 Поиск ключей: слева направо, без копирования словарей.
🟢 Запись всегда в первый мап (верхний слой).
🟢 new_child(mapping=None) добавляет слой, maps/parents — для управления стеком

🐍 Ghostly Python | #фишки

🐍 Ghostly Python | #мемы

👩‍💻 Работа с переменными окружения в Python с помощью python-dotenv

python-dotenv загружает значения из файла .env в переменные окружения — удобно для конфигов без хардкода.

⚙️ Пример: создать .env → загрузить → привести типы → обновить ключ

# pip install python-dotenv
import os
from pathlib import Path
from dotenv import load_dotenv, set_key

env_path = Path(".env")

# Создадим .env с дефолтами, если его нет
if not env_path.exists():
    env_path.write_text(
        "APP_NAME=Ghostly\n"
        "DEBUG=true\n"
        "DB_HOST=localhost\n"
        "DB_PORT=5432\n"
        "SECRET_KEY=s3cr3t_key_123\n",
        encoding="utf-8"
    )

# Загрузка переменных из .env в окружение процесса (override=False не перезапишет уже заданные в ОС)
load_dotenv(dotenv_path=env_path, override=False)

# Чтение с приведением типов
APP_NAME = os.getenv("APP_NAME", "App")
DEBUG    = os.getenv("DEBUG", "false").lower() in {"1", "true", "yes", "on"}
DB_HOST  = os.getenv("DB_HOST", "localhost")
DB_PORT  = int(os.getenv("DB_PORT", "5432"))
SECRET   = os.getenv("SECRET_KEY")  # None, если не задан

print(APP_NAME, DEBUG, DB_HOST, DB_PORT, SECRET is not None)

# Обновление/добавление ключей в .env
set_key(str(env_path), "DEBUG", "false")
set_key(str(env_path), "API_URL", "https://api.github.com")

# Показать обновлённый .env
print(env_path.read_text(encoding="utf-8"))

🐍 Ghostly Python | #гайды

👩‍💻 Изучаем Python: модуль os для начинающих с практическим домашним заданием

Разбираем один из самых полезных встроенных модулей Python — os. Простыми словами о том, как управлять файлами и папками прямо из кода. Пройдем путь от os.mkdir() до написания скрипта для автоматической сортировки.

➡️ Ссылка на статью

🐍 Ghostly Python | #статьи

❓ Вопрос с собеса

Почему этот match/case ведёт себя «странно» и всегда попадает в первую ветку?

Пример🔽

role = "admin"

match role:
    case admin:           # <- это не строка, а "захват" имени
        print("A")        # печатается всегда
    case "admin":
        print("B")
    case _:
        print("C")

Ответ🔽

В match голое имя — это шаблон захвата (capture pattern), а не константа: case admin просто связывает имя admin = role и совпадает с любым значением. Поэтому печатается "A".

✅ Как правильно матчить константы/литералы:

Используйте литералы: case "admin":

Или именованные константы в дот-нотации (Enum/модуль): case Roles.ADMIN:

Или guard-условие:

ADMIN = "admin"
match role:
case _ if role == ADMIN: ...


📌 Дополнительно: case 0 | 1: — альтернативы; case [x, y]: — распаковка последовательностей; bare name без кавычек — всегда захват.

🐍 Ghostly Python | #собес

🐍 Ghostly Python | #мемы

🖼️ Библиотека: attrs

attrs — удобная альтернатива ручному написанию классов: автоматически генерирует __init__, __repr__, сравнение, валидацию и преобразование типов. Идеальна для DTO/конфигов без бойлерплейта.

ℹ️ Основные возможности:

🟢 Декларативные поля с валидаторами и конвертерами
🟢 Значения по умолчанию и factory для коллекций
🟢 Автогенерация __init__, __repr__, __eq__ и пр.
🟢 Быстрый старт, совместима с dataclasses

⚙️ Пример использования:

from attrs import define, field, validators

@define
class User:
    name: str = field(validator=validators.instance_of(str))
    age: int = field(converter=int, validator=validators.ge(0))
    tags: list[str] = field(factory=list)  # безопасный дефолт для списка

u = User("Alice", "30", tags=["admin"])
print(u)               # ➔ User(name='Alice', age=30, tags=['admin'])
print(u.age >= 18)     # ➔ True

✔️ Установка:

pip install attrs

➡️ Ссылка на документацию

🐍 Ghostly Python | #библиотеки

👩‍💻 CPython — сборка мусора изнутри, ч.1

Я копнул глубже в CPython: как устроен reference counting и сборщик мусора, что он делает с объектами и как влияет на рантайм. Будет серия заметок с деталями реализации и выводами.

➡️ Ссылка на статью

🐍 Ghostly Python | #статьи

➡️ Practice Python — коллекция практических задач по Python

Ресурс предлагает десятки задач разной сложности: строки, списки, множества, работа с файлами, веб-скрейпинг, простые игры и мини-проекты. Отлично подходит для ежедневной практики и прокачки «мышечной памяти» кода.

К большинству задач есть подсказки и разборы решений, что помогает увидеть альтернативные подходы и улучшить стиль.

⛓️ Ссылка на ресурс

🐍 Ghostly Python | #ресурсы

🐍 Ghostly Python | #мемы

📱 Фишка: functools.partial — преднастройка функций и колбэков

partial фиксирует часть аргументов и возвращает новую функцию с «подставленными» значениями. Удобно для колбэков, конфигурирования библиотечных функций и устранения дублирования.

from functools import partial
import json

def power(x: int, y: int) -> int:
    return x ** y

square = partial(power, y=2)   # фиксируем степень
cube   = partial(power, y=3)

print(square(5))  # ➔ 25
print(cube(4))    # ➔ 64

# Преднастройка сторонней функции
dumps_pretty = partial(json.dumps, ensure_ascii=False, indent=2, sort_keys=True)
print(dumps_pretty({"b": 1, "a": [1, 2, 3]}))

📌 Как это работает?

🟢 partial(func, *args, **kwargs) фиксирует позиционные/именованные аргументы и возвращает новую функцию.
🟢 Оставшиеся параметры передаются при вызове; можно «дозадавать» и переопределять kwargs.
🟢 Полезно для колбэков GUI/HTTP, ключей сортировки, адаптации API сторонних библиотек

🐍 Ghostly Python | #фишки

👩‍💻 Как научить робота выходить из лабиринта домино только «глазами»: Jetson Nano + Arduino

Побег Робота из лабиринта. Технологи: Jetson + Arduino + CV. Робот находит выход из лабиринта только с помощью компьютерного зрения.

➡️ Ссылка на статью

🐍 Ghostly Python | #статьи

👩‍💻 Параллельная загрузка изображений по списку URL (в 10 потоков)

• Создай urls.txt — по одному URL в строке.
• Установи зависимости: pip install requests
• Запусти скрипт ниже рядом с urls.txt.

from concurrent.futures import ThreadPoolExecutor, as_completed
from pathlib import Path
import requests

OUT = Path("images"); OUT.mkdir(exist_ok=True)
urls = [u.strip() for u in Path("urls.txt").read_text(encoding="utf-8").splitlines() if u.strip()]

def download(u: str) -> str:
    name = (u.split("/")[-1].split("?")[0] or "file").replace("/", "_")
    path = OUT / name
    r = requests.get(u, timeout=20, stream=True)
    r.raise_for_status()
    path.write_bytes(r.content)
    return name

with ThreadPoolExecutor(max_workers=10) as ex:
    futures = {ex.submit(download, u): u for u in urls}
    for f in as_completed(futures):
        try:
            print("OK:", f.result())
        except Exception as e:
            print("FAIL:", futures[f], "->", e)

💬 Как это работает:

— ThreadPoolExecutor(max_workers=10) параллелит загрузки без блокировки основного потока.
— r.raise_for_status() ловит HTTP-ошибки, чтобы не сохранять «битые» файлы.
— Файлы кладутся в папку images; имена берутся из URL (с обрезкой query-параметров).

🐍 Ghostly Python | #гайды

🐍 Ghostly Python | #мемы

❓ Вопрос с собеса

Почему этот код «портит» все строки матрицы одновременно?

Пример🔽

m = [[0]*3]*3     # одна и та же строка повторена 3 раза
m[0][1] = 1
print(m)          # ➔ [[0, 1, 0], [0, 1, 0], [0, 1, 0]]

Ответ🔽

Оператор * дублирует ссылку на один и тот же внутренний список, а не создаёт новые. Поэтому изменение m[0][1] меняет ту же самую строку во всех местах.

✅ Правильно создавать независимые строки:

m = [[0]*3 for _ in range(3)] # новая строка на каждой итерации


🟢 Запомнить:

[x]*n безопасно для немутируемых значений (int, str, tuple), но не для вложенных списков.

Для копии строки используйте row[:] или row.copy().

Для глубокой копии вложенных структур — copy.deepcopy.

🐍 Ghostly Python | #собес