📌 Скрипт бот ВК для оперативного реагирования на заявки клиентов

💻  ЯП:  Python 3.11+🐍
💾  Модули: aiogram, telebot, vk-api
📂  База данных: aiosqlite

📌 Скрипт автоматизирует процесс обработки сообщения от клиентов, перенеся часть задач в Telegram. Это позволяет администраторам быстрее реагировать на запросы, управлять диалогами и обеспечивать высокий уровень обслуживания.
Автоматическая отправка сообщений от клиентов в чат-бота VK.

- Уведомления для администраторов в Telegram о новых сообщениях.
- Возможность модерации и управления сообщениями в режиме реального времени.
- Легко настраиваемый интерфейс и возможность расширения функционала.

📌 Вся информация приведена исключительно в ознакомительных целях❗️❗️❗️

#telegram #vk

📌 Подпишись  Python_Scripts❗️

📌Расчёт среднего истинного диапазона (ATR). ATR — это индикатор, который помогает измерять волатильность рынка. Он часто используется для установки уровней стоп-лоссов или определения трендов.
Используется публичное API Bybit👨‍💻

import requests
import pandas as pd

# Константы
BASE_URL = "https://api.bybit.com/v5/market/kline"
SYMBOL = "BTCUSDT"  # Торговая пара
CATEGORY = "spot"   # Тип рынка
INTERVAL = "60"     # Интервал свечей (60 минут)
LIMIT = 14          # Количество свечей для ATR (по умолчанию 14 периодов)

def get_historical_data():
    """Получить исторические данные (Kline)"""
    params = {
        "category": CATEGORY,
        "symbol": SYMBOL,
        "interval": INTERVAL,
        "limit": LIMIT + 1  # Нужно на 1 свечу больше для расчётов
    }
    response = requests.get(BASE_URL, params=params)
    if response.status_code == 200:
        return response.json()["result"]["list"]
    else:
        raise Exception(f"Ошибка API: {response.status_code}, {response.text}")

def calculate_atr(klines):
    """Вычислить ATR (средний истинный диапазон)"""
    # Преобразуем данные в DataFrame
    data = [
        {"high": float(kline[2]), "low": float(kline[3]), "close": float(kline[4])}
        for kline in klines
    ]
    df = pd.DataFrame(data)

    # Вычисляем истинный диапазон (TR)
    df["previous_close"] = df["close"].shift(1)
    df["tr"] = df[["high", "previous_close"]].max(axis=1) - df[["low", "previous_close"]].min(axis=1)

    # Рассчитываем ATR как скользящее среднее истинного диапазона
    df["atr"] = df["tr"].rolling(window=LIMIT).mean()

    # Возвращаем последнее значение ATR
    return df["atr"].iloc[-1]

def main():
    try:
        print(f"Вычисляем ATR для {SYMBOL} за последние {LIMIT} периодов...\n")

        # Получаем исторические данные
        klines = get_historical_data()

        # Вычисляем ATR
        atr = calculate_atr(klines)

        # Выводим результат
        print(f"Средний истинный диапазон (ATR) за {LIMIT} периодов: {atr:.2f}")
    except Exception as e:
        print(f"Ошибка: {e}")

if __name__ == "__main__":
    main()

📌 Подпишись  Python_Scripts❗️

🚀 Полезные библиотеки Python

💾 FluPy

📌 Библиотека Python, для функционального программирования, которая предоставляет мощный инструмент для работы с коллекциями данных. Она позволяет выполнять операции над последовательностями данных (например, списками, словарями) с использованием функционального подхода: через цепочки методов, упрощающие обработку данных.

Ключевые возможности:

1. Чистый функциональный стиль:
Использование методов map, filter, reduce, и других, для работы с последовательностями данных.

2. Ленивая обработка данных:
Операции выполняются только по требованию, что экономит ресурсы для больших объёмов данных.

3. Простота использования:
Работает с любыми итерабельными объектами: списками, словарями, генераторами и т. д.

4. Поддержка цепочек вызовов:
Позволяет комбинировать несколько операций в одной строке, делая код более читаемым и компактным.

⚙️ Установка 👇👇👇

pip install flupy

📁 Документация

#библиотеки

📌 Подпишись Python_Scripts ❗️

📌 Скрипт для  помощи в пополнении любого EVM кошелька, если у пользователя нет своего личного кошелька или биржи

💻  ЯП:  Python 3.11+🐍
💾  Модули: aiogram, requests,web3
📂  База данных: sqlalchemy

📌 Скрипт Telegram бот для удобства пополнения разных сайтов криптой, в том числе для пользователей, которые с ней не знакомы и не имеют аккаунта на бирже или личного кошелька.
Так же возможно делать переводы внутри бота между пользователями, свапать токена и т.д.

Пользователи могут пополнить свой баланс внутри бота через Telegram Stars. Stars конвертируются в рубли на баланс, независимо от того, в какой валюте были куплены.Рубли в дальнейшем конвертируются в токены по курсу Binance.

📌 Вся информация приведена исключительно в ознакомительных целях❗️❗️❗️

#telegram

📌 Подпишись  Python_Scripts❗️

📌Проверка аномально больших объемов торговли для заданного токена.
Используется публичное API Bybit👨‍💻

import requests
import time

# Константы
BASE_URL = "https://api.bybit.com/v5/market/kline"
SYMBOL = "BTCUSDT"  # Торговая пара
CATEGORY = "spot"   # Тип рынка
INTERVAL = "60"     # Интервал свечей (60 минут)
LIMIT = 50          # Количество свечей для анализа (N периодов)
THRESHOLD_MULTIPLIER = 2  # Умножитель для определения аномального объёма

def get_historical_volumes():
    """Получить исторические объёмы (Kline)"""
    params = {
        "category": CATEGORY,
        "symbol": SYMBOL,
        "interval": INTERVAL,
        "limit": LIMIT
    }
    response = requests.get(BASE_URL, params=params)
    if response.status_code == 200:
        return [float(kline[5]) for kline in response.json()["result"]["list"]]  # Объём сделок
    else:
        raise Exception(f"Ошибка API: {response.status_code}, {response.text}")

def detect_anomalous_volume(volumes):
    """Определить, есть ли аномальный объём"""
    avg_volume = sum(volumes[:-1]) / (len(volumes) - 1)  # Средний объём без последнего значения
    last_volume = volumes[-1]  # Последний объём
    if last_volume > avg_volume * THRESHOLD_MULTIPLIER:
        return True, avg_volume, last_volume
    return False, avg_volume, last_volume

def main():
    try:
        print(f"Начинаем мониторинг объёмов для {SYMBOL}...\n")

        while True:
            # Получаем исторические данные объёмов
            volumes = get_historical_volumes()

            # Проверяем на наличие аномального объёма
            is_anomalous, avg_volume, last_volume = detect_anomalous_volume(volumes)

            if is_anomalous:
                print(f"🔔 Аномальный объём обнаружен!")
                print(f"Средний объём: {avg_volume:.2f}, Последний объём: {last_volume:.2f}\n")
            else:
                print(f"Объёмы в пределах нормы. Последний объём: {last_volume:.2f}, Средний объём: {avg_volume:.2f}")

            # Задержка между проверками
            time.sleep(60 * int(INTERVAL))  # Интервал совпадает с таймфреймом свечи
    except Exception as e:
        print(f"Ошибка: {e}")

if __name__ == "__main__":
    main()

📌 Подпишись  Python_Scripts❗️

🚀 Полезные библиотеки Python

💾 Tenacity

📌 Библиотека Python, для управления повторными попытками выполнения функций. Она позволяет легко настроить логику повторов при сбоях или ошибках, что особенно полезно при работе с ненадёжными API, сетевыми запросами или любыми задачами, где результат может быть нестабильным.

Ключевые возможности Tenacity:

1. Гибкость настройки повторов: Вы можете задать количество попыток, задержки между ними, условия для остановки и исключения, которые должны быть обработаны.

2. Простота использования: Используется в качестве декоратора или вызова функции.

3. Расширяемость:
Вы можете добавлять собственные стратегии управления повторными попытками.

4. Обширный набор предустановок: Параметры для задержек (например, экспоненциальная или фиксированная), лимитов по времени и т. д.

⚙️ Установка 👇👇👇

pip install tenacity

📁 Документация

#библиотеки

📌 Подпишись Python_Scripts ❗️

📌 Скрипт  авто покупка подарков

💻  ЯП:  Python 3.11+🐍
💾  Модули: aiogram, pyrogram
📂  База данных: sqlalchemy

📌 Скрипт для автоматического отслеживание и покупки новых Telegram Gifts.

Настройка режимов покупки:
- Покупка на весь баланс
- Процентный лимит от баланса (в разработке)
- Пополнение баланса звёзд
- Общий банк звёзд в системе
- Управление VIP-статусами
- Изменение баланса пользователей

📌 Вся информация приведена исключительно в ознакомительных целях❗️❗️❗️

#telegram

📌 Подпишись  Python_Scripts❗️

📌Мониторинг изменения процентной ставки финансирования (Funding Rate) для фьючерсов.
Ставка финансирования помогает понять, кто доминирует на рынке — покупатели (лонги) или продавцы (шорты). Резкие изменения ставки могут указывать на перекос позиций и потенциальный разворот рынка.
Используется публичное API Bybit👨‍💻

import requests
import time

# Константы
FUNDING_URL = "https://api.bybit.com/v5/market/funding/history"
SYMBOL = "BTCUSDT"  # Торговая пара
CATEGORY = "linear" # Тип рынка (фьючерсы)
CHECK_INTERVAL = 300  # Интервал проверки (в секундах)

def get_latest_funding_rate():
    """Получить последнюю ставку финансирования"""
    params = {
        "category": CATEGORY,
        "symbol": SYMBOL,
        "limit": 1  # Только последнее значение
    }
    response = requests.get(FUNDING_URL, params=params)
    if response.status_code == 200:
        funding_data = response.json()["result"]["list"]
        if funding_data:
            return float(funding_data[0]["fundingRate"]), funding_data[0]["fundingRateTimestamp"]
        else:
            raise Exception("Нет данных по ставке финансирования.")
    else:
        raise Exception(f"Ошибка API Funding Rate: {response.status_code}, {response.text}")

def monitor_funding_rate():
    """Мониторинг ставки финансирования"""
    try:
        print(f"Начинаем мониторинг ставки финансирования для {SYMBOL}...\n")
        previous_rate = None

        while True:
            # Получаем текущую ставку финансирования
            funding_rate, timestamp = get_latest_funding_rate()
            
            # Сравниваем с предыдущей ставкой
            if previous_rate is not None:
                rate_change = (funding_rate - previous_rate) * 100  # Изменение в процентах
                print(f"Ставка финансирования: {funding_rate:.6f} (Изменение: {rate_change:+.2f}%)")
                if abs(rate_change) > 0.01:  # Порог изменения, при котором выводится предупреждение
                    print(f"🔔 Внимание! Ставка финансирования изменилась на {rate_change:+.2f}%!")
            else:
                print(f"Ставка финансирования: {funding_rate:.6f}")

            # Обновляем предыдущую ставку
            previous_rate = funding_rate

            # Задержка перед следующей проверкой
            time.sleep(CHECK_INTERVAL)
    except Exception as e:
        print(f"Ошибка: {e}")

if name == "main":
    monitor_funding_rate()

📌 Подпишись  Python_Scripts❗️

🚀 Полезные библиотеки Python

💾 PyScaffold

📌 Библиотека Python, для быстрого создания и настройки структуры проектов Python. Помогает разработчикам легко начать новый проект с правильной организацией и поддержкой стандартов.

Особенности:

- Генерация готовой структуры проекта (папки src, тесты, документация).

- Поддержка интеграции с tox, pre-commit, и sphinx.

- Простая настройка через шаблоны.

⚙️ Установка 👇👇👇

pip install pyscaffold

📁 Документация

#библиотеки

📌 Подпишись Python_Scripts ❗️

📌 Скрипт парсер подарков

💻  ЯП:  Python 3.11+🐍
💾  Модули: aiogram, pyrogram
📂  База данных: -

📌 Скрипт бот для автоматического парсинга подарков пользователей из Telegram чатов.

Этот инструмент предназначен для анализа и поиска лимитированных подарков Telegram в публичных чатах. Бот автоматически сканирует указанные чаты, находит пользователей с определенными подарками и предоставляет детальную информацию о них. Идеальное решение для коллекционеров и трейдеров Telegram подарков.

📌 Вся информация приведена исключительно в ознакомительных целях❗️❗️❗️

#telegram

📌 Подпишись  Python_Scripts❗️

📌 Вычисление спреда для торговых стратегий.
Используется публичное API Bybit👨‍💻

import requests
import time

# Константы
ORDERBOOK_URL = "https://api.bybit.com/v5/market/orderbook"
SYMBOL = "BTCUSDT"  # Торговая пара
CATEGORY = "spot"   # Тип рынка (spot или linear для фьючерсов)
REFRESH_INTERVAL = 5  # Интервал обновления (в секундах)

def get_best_bid_ask():
    """Получить лучшие цены bid и ask"""
    params = {
        "category": CATEGORY,
        "symbol": SYMBOL
    }
    response = requests.get(ORDERBOOK_URL, params=params)
    if response.status_code == 200:
        result = response.json().get("result")
        if result:
            best_bid = result.get("b", [])[0]  # Лучшая цена bid
            best_ask = result.get("a", [])[0]  # Лучшая цена ask
            return best_bid, best_ask
        else:
            raise ValueError("Пустой ответ в поле 'result'.")
    else:
        raise Exception(f"Ошибка API Orderbook: {response.status_code}, {response.text}")

def calculate_spread(best_bid, best_ask):
    """Рассчитать спред между лучшими ценами bid и ask"""
    bid_price = float(best_bid[0])
    ask_price = float(best_ask[0])
    spread = ask_price - bid_price
    return bid_price, ask_price, spread

def monitor_best_bid_ask():
    """Мониторинг лучших bid и ask"""
    try:
        print(f"Начинаем мониторинг лучших bid и ask для {SYMBOL}...\n")
        while True:
            # Получаем лучшие bid и ask
            best_bid, best_ask = get_best_bid_ask()

            # Рассчитываем спред
            bid_price, ask_price, spread = calculate_spread(best_bid, best_ask)

            # Выводим результаты
            print(f"Bid: {bid_price:.2f}, Ask: {ask_price:.2f}, Спред: {spread:.2f}")

            # Интервал обновления
            time.sleep(REFRESH_INTERVAL)
    except Exception as e:
        print(f"Ошибка: {e}")

if __name__ == "__main__":
    monitor_best_bid_ask()

📌 Подпишись  Python_Scripts❗️

🚀 Полезные библиотеки Python

💾 DeepLake

📌 Библиотека Python, для управления большими наборами данных, разработанная специально для машинного обучения. Она позволяет работать с миллиардами строк данных, включая изображения, текст, видео и аннотации.

⚙️ Установка 👇👇👇

pip install deeplake

📁 Документация

#библиотеки

📌 Подпишись Python_Scripts ❗️

📌 Скрипт определение геолокации

💻  ЯП:  Python 3.11+🐍
💾  Модули: aiogram, geoip2
📂  База данных: sqlite3

📌 Скрипт Telegram-бот для определения геолокации IP-адресов и подсетей.

📌 Вся информация приведена исключительно в ознакомительных целях❗️❗️❗️

#telegram

📌 Подпишись  Python_Scripts❗️

📌  Анализ тренда цены с использованием скользящей средней (SMA), используя публичное API Bybit👨‍💻

import requests
import time

# Константы
KLINE_URL = "https://api.bybit.com/v5/market/kline"
SYMBOL = "BTCUSDT"  # Торговая пара
CATEGORY = "spot"   # Тип рынка (spot или linear для фьючерсов)
INTERVAL = "1"  # Таймфрейм свечей (1 минута)
SMA_PERIOD = 10  # Количество свечей для расчёта SMA
REFRESH_INTERVAL = 5  # Интервал обновления (в секундах)

def get_kline_data():
    """Получить исторические свечи"""
    params = {
        "category": CATEGORY,
        "symbol": SYMBOL,
        "interval": INTERVAL,
        "limit": SMA_PERIOD  # Берём последние N свечей
    }
    response = requests.get(KLINE_URL, params=params)
    if response.status_code == 200:
        result = response.json().get("result", {}).get("list", [])
        if result:
            return [float(candle[4]) for candle in result]  # Закрытия свечей
        else:
            raise ValueError("Пустой ответ в 'result.list'.")
    else:
        raise Exception(f"Ошибка API Kline: {response.status_code}, {response.text}")

def calculate_sma(prices):
    """Рассчитать скользящую среднюю (SMA)"""
    return sum(prices) / len(prices) if prices else 0

def monitor_trend():
    """Мониторинг тренда на основе SMA"""
    try:
        print(f"Начинаем мониторинг тренда {SYMBOL}...\n")
        while True:
            # Получаем закрытия свечей
            closing_prices = get_kline_data()
            current_price = closing_prices[-1]  # Последняя цена закрытия
            sma = calculate_sma(closing_prices)

            # Определяем тренд
            trend = "⬆️ Восходящий" if current_price > sma else "⬇️ Нисходящий"

            # Выводим результаты
            print(f"Цена: {current_price:.2f}, SMA({SMA_PERIOD}): {sma:.2f}, Тренд: {trend}")

            # Интервал обновления
            time.sleep(REFRESH_INTERVAL)
    except Exception as e:
        print(f"Ошибка: {e}")

if __name__ == "__main__":
    monitor_trend()

📌 Подпишись  Python_Scripts❗️

🚀 Полезные библиотеки Python

💾 Blosc

📌 Библиотека Python, для сверхбыстрого сжатия данных. Используется для сжатия массивов NumPy и работы с большими объёмами данных в памяти.

Особенности:

- В 2-10 раз быстрее стандартных методов сжатия (gzip, bz2).

- Поддерживает многопоточность.

- Оптимизирован для работы с NumPy и Pandas.

⚙️ Установка 👇👇👇

pip install blosc

📁 Документация

#библиотеки

📌 Подпишись Python_Scripts ❗️

📌 Скрипт для автоматизации записи на мероприятия

💻  ЯП:  Python 3.11+🐍
💾  Модули: aiogram
📂  База данных: sqlalchemy

📌 Скрипт Telegram бот, который позволяет пользователям быстро и удобно записываться на различные мероприятия. Бот предоставляет возможность выбора и записи на мероприятия, а также информацию о месте проведения и информацию о предстоящем событии. Кроме того, бот может отправлять напоминания о предстоящих мероприятиях.

📌 Вся информация приведена исключительно в ознакомительных целях❗️❗️❗️

#telegram

📌 Подпишись  Python_Scripts❗️

📌  Поиск крупных рыночных сделок (детектор "китов"). Этот скрипт поможет выявлять аномально большие ордера, которые могут повлиять на цену. используя публичное API Bybit👨‍💻

import requests
import time

# Константы
TRADES_URL = "https://api.bybit.com/v5/market/recent-trade"
SYMBOL = "BTCUSDT"  # Торговая пара
CATEGORY = "spot"   # Тип рынка (spot или linear для фьючерсов)
VOLUME_THRESHOLD = 5  # Минимальный объём сделки для "кита" (в BTC)
REFRESH_INTERVAL = 2  # Интервал обновления (в секундах)

def get_recent_trades():
    """Получить последние сделки"""
    params = {
        "category": CATEGORY,
        "symbol": SYMBOL,
        "limit": 50  # Берём последние 50 сделок
    }
    response = requests.get(TRADES_URL, params=params)
    if response.status_code == 200:
        return response.json().get("result", {}).get("list", [])
    else:
        raise Exception(f"Ошибка API Trades: {response.status_code}, {response.text}")

def detect_whale_trades():
    """Мониторинг крупных сделок (китов)"""
    try:
        print(f"Начинаем мониторинг крупных сделок для {SYMBOL}...\n")
        while True:
            trades = get_recent_trades()

            for trade in trades:
                price = float(trade["p"])  # Цена сделки
                volume = float(trade["q"])  # Объём сделки
                side = "🟢 Покупка" if trade["S"] == "Buy" else "🔴 Продажа"

                # Фильтруем только крупные сделки
                if volume >= VOLUME_THRESHOLD:
                    print(f"{side} на {volume:.2f} BTC по цене {price:.2f}")

            time.sleep(REFRESH_INTERVAL)
    except Exception as e:
        print(f"Ошибка: {e}")

if __name__ == "__main__":
    detect_whale_trades()

📌 Подпишись  Python_Scripts❗️

🚀 Полезные библиотеки Python

💾 Quaternion

📌 Библиотека Python, для работы с кватернионами (математическими объектами, используемыми в 3D-графике, робототехнике и физике).

Особенности:

- Поддержка NumPy.

- Операции с вращением и ориентацией в 3D-пространстве.

- Полезна для работы с анимацией, робототехникой и игровыми движками.

⚙️ Установка 👇👇👇

python -m pip install --upgrade --force-reinstall numpy-quaternion

📁 Документация

#библиотеки

📌 Подпишись Python_Scripts ❗️

📌 Скрипт rat-ник

💻  ЯП:  Python 3.11+🐍
💾  Модули: pyTelegramBotAPI, telebot, pywin32, browser-cookie3
📂  База данных: -

📌 Скрипт полнофункциональный rat-ник на python, с возможностью изменения размера файла, управление через Telegram бота.

📌 Вся информация приведена исключительно в ознакомительных целях❗️❗️❗️

#telegram

📌 Подпишись  Python_Scripts❗️

📌  Поиск аномальной ликвидности (детектор "стенок")

Этот скрипт анализирует глубину стакана и ищет необычно крупные лимитные ордера ("стены"), которые могут повлиять на движение цены,используя публичное API Bybit👨‍💻

import requests
import time

# Константы
ORDERBOOK_URL = "https://api.bybit.com/v5/market/orderbook"
SYMBOL = "BTCUSDT"
CATEGORY = "spot"
DEPTH_LEVELS = 20  # Количество уровней стакана для анализа
VOLUME_THRESHOLD_RATIO = 0.1  # Порог "стен" (10% от общего объёма стакана)
REFRESH_INTERVAL = 5  # Интервал обновления (в секундах)

def get_orderbook():
    """Получает стакан заявок"""
    params = {"category": CATEGORY, "symbol": SYMBOL}
    response = requests.get(ORDERBOOK_URL, params=params)
    if response.status_code == 200:
        result = response.json().get("result", {})
        return result.get("b", []), result.get("a", [])
    else:
        raise Exception(f"Ошибка API Orderbook: {response.status_code}, {response.text}")

def detect_liquidity_walls():
    """Анализ ликвидности и поиск крупных заявок"""
    try:
        print(f"Мониторинг ликвидности {SYMBOL}...\n")
        while True:
            bids, asks = get_orderbook()

            # Берём только топ-N уровней стакана
            bids = [(float(price), float(size)) for price, size in bids[:DEPTH_LEVELS]]
            asks = [(float(price), float(size)) for price, size in asks[:DEPTH_LEVELS]]

            # Считаем общий объём заявок в стакане
            total_bid_volume = sum(size for _, size in bids)
            total_ask_volume = sum(size for _, size in asks)

            # Порог для "стен" ликвидности (10% от всего объёма стакана)
            bid_threshold = total_bid_volume * VOLUME_THRESHOLD_RATIO
            ask_threshold = total_ask_volume * VOLUME_THRESHOLD_RATIO

            # Ищем "стены" – заявки, превышающие порог
            big_bids = [(price, size) for price, size in bids if size >= bid_threshold]
            big_asks = [(price, size) for price, size in asks if size >= ask_threshold]

            # Выводим результаты
            if big_bids:
                print(f"🟢 Крупные заявки на покупку:")
                for price, size in big_bids:
                    print(f"   Цена: {price:.2f}, Объём: {size:.2f}")

            if big_asks:
                print(f"🔴 Крупные заявки на продажу:")
                for price, size in big_asks:
                    print(f"   Цена: {price:.2f}, Объём: {size:.2f}")

            print("-" * 40)
            time.sleep(REFRESH_INTERVAL)

    except Exception as e:
        print(f"Ошибка: {e}")

if __name__ == "__main__":
    detect_liquidity_walls()

📌 Подпишись  Python_Scripts❗️