🔥 Полезная библиотека Python

✅ EC-KitY

📌 EC-KitY — малоизвестная, но весьма мощная Python-библиотека для эволюционных вычислений. Поддерживает генетические алгоритмы, генетическое программирование, коэволюцию и многокритериальную оптимизацию. Легко интегрируется с экосистемой машинного обучения, включая scikit-learn.

📌 Особенности библиотеки:

🟠 Полная поддержка эволюционных парадигм — от классических генетических алгоритмов и программирования до продвинутых методов многокритериальной оптимизации и коэволюции.
🟠 Интеграция с ML-библиотеками — совместимость со scikit-learn позволяет использовать эволюционные методы в рамках привычных пайплайнов обучения.
🟠 Современная архитектура и простота настройки — проектировался с учетом современных практик разработки ПО: модульность, расширяемость и чистый API.

⚙️ Установка:

pip install ec-kity

🔢 Документация

#библиотеки

🖥 Python_Scripts

🔥 Beachpatrol

📱 Python 3.8+
💾💾 Модули: установлены через npm, но для автоматизации используются скрипты на Python + Playwright — подробности в репозитории.

📌 Beachpatrol — CLI-утилита, превращающая ваш браузер в автоматизируемый интерфейс: запускает Chromium или Firefox, управляя ими через Playwright-скрипты. Можно автоматизировать повседневные задачи — заполнение форм, скачивание файлов, навигацию по сайтам — всё без покидания привычного браузера.

📌 Особенности скрипта:

🟠 Запускает браузер (Chromium/Firefox) с возможностью управления по API Playwright — выполняет любые действия, как если бы вы делали их вручную, но автоматически.
🟠 Работает с профилями и инкогнито режимом (--profile, --incognito) — удобно для тестирования и изолированного использования.
🟠 Поддерживает запуск готовых сценариев: помещаете .js или .py скрипты в commands, и обрабатываете их через beachmsg <script-name>.
🟠 Можно интегрировать с GUI-расширением — сразу запускать сценарии из браузера одним кликом, с подсветкой текущих команд и hotkeys.

⚙️ Установка:

git clone https://github.com/sebastiancarlos/beachpatrol
cd beachpatrol
npm install
make

Запускается командой beachpatrol, работает как обычный браузер — можно добавить --profile <name> или --incognito.

🔢 Документация

#скрипты

🖥 Python_Scripts

🔥 Полезные библиотеки Python

✅ Gekko

📌 Gekko — специализированная Python-библиотека для решения сложных задач оптимизации, включая смешанно-интегральные и дифференциальные алгебраические уравнения. Работает с нелинейными программами, динамическим моделированием, оптимальным управлением, ML-регрессией и многим другим. Поддерживает широкий набор задач: линейное и квадратичное программирование, QCQP, NLP, MIP, MILP. Интегрируется с мощными решателями: IPOPT, APOPT, SNOPT и др. и доступна на всех популярных платформах, включая Raspberry Pi.

📌 Особенности библиотеки:

🟠 Масштабируемость и мощность — решает большие нелинейные и смешанно-интегральные задачи оптимизации.
🟠 Многофункциональность — поддерживает динамическое моделирование, машинное обучение, управление моделями, согласование данных (data reconciliation) и режим реального времени.
🟠 Кроссплатформенность — работает на Linux, Windows, macOS и ARM (например, Raspberry Pi), поддерживает Python 2.7 и 3+. Запросы решаются на публичном сервере по умолчанию, но есть возможность использовать локальный режим без интернета.

⚙️ Установка:

pip install gekko

🔢 Документация

#библиотеки

🖥 Python_Scripts

⭐️ telegram-automated-db-backup — скрипт на Python для ежедневного бэкапа MySQL и отправки архива в Telegram-чат.

📱 Python 3.8+
💾 Модули: pyrogram, tgcrypto (опционально), а также системные утилиты mysqldump, zip, mysql-client, как указано в README.md репозитория.

📌 telegram-automated-db-backup — автоматизация бэкапа баз данных: делает дамп MySQL, упаковывает его в ZIP и отправляет на ваш Telegram-аккаунт или группу. Не нужно покупать облако — всё происходит автоматически через Telegram.

👨‍💻 Код и установка:

git clone https://github.com/azerothcore/telegram-automated-db-backup
cd telegram-automated-db-backup
pip install pyrogram tgcrypto
# Установите zip и mysql-client через apt

В файле bak.py сконфигурируйте:

🟠Доступ к базе: mysql_localhost, mysql_username, mysql_password, названия баз world_db, char_db, auth_db
🟠Настройки ZIP: zip_password, zip_name
🟠Telegram: chat_id, username, api_id, api_hash

Затем запускайте:

python3 bak.py

Можно использовать cron для ежедневного запуска. Также есть скрипт bak-per-table.py, который создаёт дамп из каждой таблицы отдельно.

Подробнее в репозитории скрипта.

#скрипты

🖥 Python_Scripts

🔥 Полезные библиотеки Python.

✅ Scalpl

📌 Scalpl — компактная и удобная обёртка вокруг вложённых словарей (dict) в Python. Делает доступ к элементам и обновление вложенных структур простым и понятным, без громоздких проверок наличия ключей или условий. Отличный вариант, если нужно быстро и элегантно работать с JSON или вложенными dict, когда Glom — тяжеловат.

📌 Особенности библиотеки:

🟠 Лёгкая — простой импорт и работа, без лишнего кода
🟠 Эффективная для простых кейсов — если не требуется трансформация данных, а нужно только получить или установить значение — Scalpl быстрее и понятнее, чем Glom

⚙️ Установка:

pip install scalpl

🔢 Документация

#библиотеки

🖥 Python_Scripts

💬 find-duplicates-csv

📱 Python 3.8+
💾 Модули: pandas, rapidfuzz — используется для сравнения строк с учётом возможных опечаток и близости.

📌 find-duplicates-csv — удобный скрипт, который помогает очистить CSV-файлы от почти-идентичных строк. Он находит строки, которые отличаются лишь незначительно (например, из-за опечаток), и оставляет только уникальные — идеально для подготовки качественных данных перед анализом.

🧑‍💻 Код скрипта:

import pandas as pd
from rapidfuzz import process, fuzz
import argparse

def dedupe_csv(input_file: str, output_file: str, col: str, threshold: float = 90.0):
    df = pd.read_csv(input_file)
    txts = df[col].astype(str).tolist()

    # Построение матрицы схожести
    sim_matrix = process.cdist(
        txts, txts,
        scorer=fuzz.token_set_ratio,
        score_cutoff=threshold
    )

    # Выявляем индексы уникальных строк
    unique_idxs = set()
    for i in range(len(txts)):
        # если нет других строк похожих на i (кроме самой i), считаем уникальной
        if not any(j != i and sim_matrix[i, j] >= threshold for j in range(len(txts))):
            unique_idxs.add(i)

    df_unique = df.iloc[sorted(unique_idxs)]
    df_unique.to_csv(output_file, index=False)
    print(f"Сохранено уникальных строк: {len(df_unique)} из {len(df)}")

if __name__ == "__main__":
    parser = argparse.ArgumentParser(
        description="Удаление почти дублирующихся строк в CSV по текстовой колонке."
    )
    parser.add_argument("input", help="путь к входному CSV")
    parser.add_argument("output", help="путь к выходному CSV без дубликатов")
    parser.add_argument("--column", "-c", required=True, help="имя текстовой колонки для сравнения")
    parser.add_argument("--threshold", "-t", type=float, default=90.0, help="порог сходства (0-100)")
    args = parser.parse_args()

    dedupe_csv(args.input, args.output, args.column, args.threshold)

#скрипты

🖥 Python_Scripts

🔥 pypyr — легковесный скрипт-оркестратор для управления пайплайнами из YAML-файлов, без громоздкого кода.

📱 Python 3.7+
💾 Модули: pypyr — устанавливается через pip, зависимости автоматически подтягиваются. Это low-code инструмент: сам код JSON/YAML описывает логику, без обёрток и boilerplate.

📌 pypyr — скрипт-движок, который запускает цепочки задач описанных в YAML: запуск команд, копирование файлов, HTTP-запросы, переменные окружения, логика условий. Идеален как замена bash-скриптам, где нужно больше контроля, но без написания кучи Python-обвязки.

👨‍💻 Код и конфигурация (пример pipeline.yaml + запуск):

# pipeline.yaml
steps:
  - name: say hello
    python: print("Hello from pypyr")
  - name: list files
    shell: ls -la

Запускается так:

pip install pypyr
pypyr pipeline.yaml

#скрипты

🖥 Python_Scripts

🔥 Полезные библиотеки Python

✅ obscure_stats

📌 obscure_stats — библиотека с редкими статистическими функциями, которых нет в scipy, statsmodels или numpy. Полезна, когда нужно работать с нестандартными метриками — например, альтернативные формулы асимметрии и эксцесса, устойчивые к выбросам или малому числу выборок.

📌 Особенности библиотеки:

🟠 Уникальные статистические меры — методы отличающиеся от популярных реализаций в SciPy, для особых случаев анализа.
🟠 Малораспространённая и развивающаяся — использована в reddit-сообществе как недооценённый инструмент аналитиков.

⚙️ Установка:

pip install obscure_stats

🔢 Документация

#библиотеки

🖥 Python_Scripts

💬 trimtrailingwhitespaces (ttws) — скрипт на Python, который рекурсивно удаляет лишние пробелы и табы в конце строк во всех текстовых файлах в указанной папке.

🐍 Python ≥ 3.0
💾 Модули: используется python-magic (libmagic) для проверки, является ли файл текстовым; fallback — по расширению файлов при отсутствии libmagic. Все зависимости устанавливаются через pip.

📌 trimtrailingwhitespaces (ttws) — программа для очистки текстовых файлов от лишних пробелов в конце строк + удаления пустых строк в конце файла. Пропускает бинарники и файлы в папках контроля версий (.git/.svn и т.д.). Может переключаться на список расширений, если libmagic не доступен (особенно в Windows).

👨‍💻 Установка и использование:

pip install -U ttws

Затем:

ttws [OPTIONS] <directory> [<directory> ...]

Опции:

-h, --help — справка
-v, --version — версия
-s, --strip — дополнительно удалить лишние пробелы/табуляции из HTML-описаний в комментариях (например, Modelica)
--eol=[CRLF|LF|CR] — задать тип переводов строки (по-умолчанию — системный)
-c, --clean — агрессивная очистка аннотаций в Modelica файлах (только под VC и с осторожностью)
-b, --blanks — подавление множественных пустых строк в *.mo файлах (не использовать с другими опциями)

Пример:

ttws path/to/project

👩‍💻 Ссылка на репозиторий: simulatino/trimtrailingwhitespaces на GitHub — там лежит исходный код, README, setup и README с описанием возможностей.

#скрипты

🐍 Python_Scripts

🔥 Полезные библиотеки Python

✅ cupy

📌 cupy — это высокопроизводительная библиотека для численных вычислений, совместимая с API NumPy, но оптимизированная для работы на GPU (CUDA и AMD ROCm). Она позволяет ускорить операции над массивами в десятки раз без изменения привычного синтаксиса NumPy, идеально подходит для ML, научных вычислений и обработки больших данных.

📌 Особенности библиотеки:

🟠Поддерживает многомерные массивы, линейную алгебру, FFT и статистику, как в NumPy;
🟠GPU‑ускорение: подходит для ускорения ML‑подготовки и вычислений;
🟠Совместимость: безболезненная замена import numpy as np → import cupy as cp;
🟠Поддержка CUDA и AMD ROCm, активно развивается (версия 13.3.0, август 2024);
🟠Используется в проектах NVIDIA RAPIDS, Chainer и др..

⚙️ Установка:

pip install cupy

📌 Почему стоит выбрать cupy:

🟠Используется привычный API NumPy, но ускоряется за счёт GPU;
🟠Отличный выбор для подготовки данных, вычислений и ML‑задач;
🟠Значительное ускорение для операций над большими массивами.

🔢 Документация

#библиотеки

🖥 Python_Scripts

💬 Auto File Organizer — скрипт на Python, который автоматически сортирует файлы в папке по расширениям, перемещая их в соответствующие подпапки.

📱 Python 3.7+
💾 Модули: os, shutil

📌 Auto File Organizer — простой помощник для автоматической сортировки файлов в одной папке. Например, все .jpg и .png идут в папку "Images", .pdf в "Documents", .mp3 — в "Music" и так далее. Удобно для упорядочивания загрузок или проектов.

👨‍💻 Код:

import os
import shutil

def organize_folder(path):
    extensions = {
        "Images": [".jpg", ".jpeg", ".png", ".gif"],
        "Documents": [".pdf", ".docx", ".txt"],
        "Music": [".mp3", ".wav", ".flac"],
        "Videos": [".mp4", ".avi", ".mkv"],
    }
    for filename in os.listdir(path):
        filepath = os.path.join(path, filename)
        if os.path.isfile(filepath):
            for folder, exts in extensions.items():
                if any(filename.lower().endswith(ext) for ext in exts):
                    target_folder = os.path.join(path, folder)
                    os.makedirs(target_folder, exist_ok=True)
                    shutil.move(filepath, os.path.join(target_folder, filename))
                    print(f"Переместил {filename} -> {folder}")
                    break

if __name__ == "__main__":
    organize_folder("C:/Users/user/Downloads")

📌 Что делает:

🟠 Сканирует папку
🟠 Определяет расширение файла
🟠 Перемещает файл в подпапку по типу (создаёт папку, если нужно)

#скрипты

🖥 Python_Scripts

🔥 Полезные библиотеки Python

✅ rpyc

📌 RPyC (Remote Python Call) — это мощная библиотека для удалённого вызова процедур и распределённых вычислений. Она позволяет делать RPC-программы, где клиент и сервер могут вызывать функции друг друга как локальные — без генерации шаблонов, IDL, или сложных настроек.

📌 Особенности библиотеки:

🟠 Симметричность: клиент и сервер могут выступать обе роли, вызывать функции и обмениваться объектами.
🟠 Прозрачность: удалённые функции, классы и объекты выглядят как локальные.
🟠 Поддержка синхронных и асинхронных вызовов (AsyncResult как промисы).
🟠 Исключения передаются по сети как в локальном коде — удобно для отладки.
🟠 Удобна для распределённых Python-приложений, отладочных оболочек, удалённого управления, микросервисов, интерактивных shell-сессий.

⚙️ Установка:

pip install rpyc

🔢 Документация

#библиотеки

🖥 Python_Scripts

✅ Directory Watcher — скрипт для реального времени мониторинга изменений в папке. Идеален для автоматического реагирования: запускать сборку, копировать файлы, логировать события и т.д. Работает кросс-платформенно (Linux/macOS/Windows).

📱 Python 3.8+
💾 Модули: watchdog, argparse, time (стандартная библиотека)

📌 Directory Watcher:

- Мониторит создание, изменение, удаление и перемещение файлов
- Позволяет указать директорию и включить вложенные папки (--recursive)
- Поддерживает фильтрацию по расширению файлов (например, только .py)
- Основан на библиотеке watchdog, которая использует platform-specific механизмы (inotify, Windows API)

🧑‍💻 Пример использования (CLI):

python dir_watcher.py --path ./my_folder --recursive --ext .txt,.log

👨‍💻 Код скрипта:

import time, argparse
from watchdog.observers import Observer
from watchdog.events import FileSystemEventHandler

class Handler(FileSystemEventHandler):
    def __init__(self, exts):
        self.exts = tuple(exts)

    def dispatch(self, event):
        if event.is_directory: return
        if self.exts and not event.src_path.endswith(self.exts): return
        super().dispatch(event)

    def on_created(self, event):
        print(f"🟢 Created: {event.src_path}")

    def on_modified(self, event):
        print(f"🟡 Modified: {event.src_path}")

    def on_deleted(self, event):
        print(f"🔴 Deleted: {event.src_path}")

    def on_moved(self, event):
        print(f"🔁 Moved: {event.src_path} → {event.dest_path}")

def main():
    parser = argparse.ArgumentParser(description="Directory Watcher")
    parser.add_argument("--path", required=True, help="Папка для мониторинга")
    parser.add_argument("--recursive", action="store_true", help="Сканировать вложенные папки")
    parser.add_argument("--ext", default="", help="Фильтр по расширениям (через запятую)")
    args = parser.parse_args()

    exts = [e.strip() for e in args.ext.split(",") if e.strip()]
    handler = Handler(exts)
    observer = Observer()
    observer.schedule(handler, args.path, recursive=args.recursive)
    observer.start()
    print(f"🚀 Monitoring '{args.path}' (recursive={args.recursive}, exts={exts})")

    try:
        while True:
            time.sleep(1)
    except KeyboardInterrupt:
        observer.stop()
    observer.join()

if __name__ == "__main__":
    main()

📌 Установка зависимости:

pip install watchdog

📌 Где пригодится:

- Автоматический запуск сборки/тестов при изменении файлов
- Синхронизация или обработка новых логов/данных
- Автоматизация задач DevOps, CI/CD, генерации статических сайтов и т.п.

#скрипты

🖥 Python_Scripts

✅ Website Uptime Monitor — лёгкий CLI-скрипт для мониторинга доступности одного или нескольких сайтов. Проверяет HTTP-коды, измеряет задержку и отправляет уведомление (например, в Telegram) при падении серверов.

📱 Python 3.8+
💾 Модули: requests, time, argparse, datetime, os

📌 Website Uptime Monitor:

Делает запросы на указанные URL через заданный интервал
Логирует скорость ответа и HTTP-статусы
При неоднократных ошибках отправляет уведомление (например, в Telegram)
Подходит для круглосуточного мониторинга API, сайтов и веб-сервисов

🧑‍💻 Пример использования (CLI):

python uptime_monitor.py --urls https://example.com,https://api.example.com \
    --interval 60 --retries 3 --notify-telegram

👨‍💻 Код скрипта:

import requests, time, argparse, datetime, os

def alert_telegram(bot_token, chat_id, msg):
    url = f"https://api.telegram.org/bot{bot_token}/sendMessage"
    requests.post(url, data={"chat_id": chat_id, "text": msg})

def monitor(urls, interval, retries, bot_token=None, chat_id=None):
    status = {u: True for u in urls}
    while True:
        for u in urls:
            try:
                r = requests.get(u, timeout=10)
                ok = r.status_code == 200
                resp = f"{r.status_code}, {r.elapsed.total_seconds():.2f}s"
            except Exception as e:
                ok = False
                resp = f"Error: {e}"
            now = datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S")
            print(f"[{now}] {u} → {resp}")
            if not ok and status[u]:
                status[u] = False
                msg = f"⚠️ {u} is DOWN at {now}"
                if bot_token and chat_id:
                    alert_telegram(bot_token, chat_id, msg)
            if ok and not status[u]:
                status[u] = True
                msg = f"✅ {u} is UP again at {now}"
                if bot_token and chat_id:
                    alert_telegram(bot_token, chat_id, msg)
        time.sleep(interval)

if __name__ == "__main__":
    p = argparse.ArgumentParser()
    p.add_argument("--urls", required=True, help="Comma-separated URLs")
    p.add_argument("--interval", type=int, default=60)
    p.add_argument("--retries", type=int, default=3)
    p.add_argument("--bot-token", default=os.getenv("TELEGRAM_TOKEN"))
    p.add_argument("--chat-id", default=os.getenv("TELEGRAM_CHAT_ID"))
    args = p.parse_args()
    urls = [u.strip() for u in args.urls.split(',')]
    monitor(urls, args.interval, args.retries, args.bot_token, args.chat_id)

⚙️ Установка зависимости:

pip install requests

#скрипты

🖥 Python_Scripts

🔥 Полезные библиотеки Python

✅ PyGOD

📌 PyGOD — специализированная Python-библиотека для обнаружения аномалий в графах (Graph Outlier Detection). Предоставляет множество методов анализа аномалий в сетевых структурах — от классических до глубоких моделей — с удобным и расширяемым API.

📌 Особенности библиотеки:

🟠 Все виды аномалий — поддерживает разнообразные методы, как графовые, так и основанные на ML и глубоких подходах.
🟠 Модульная архитектура — детекторы разбиты на компоненты, которые легко настраивать и комбинировать по потребностям.
🟠 Масштабируемость — поддерживает обучение на батчах и выборки для работы с большими графами.
🟠 Надёжность и открытую разработку — библиотека под BSD 2-Clause, with CI, unit-тесты и покрытие.

⚙️ Установка:

pip install pygod

🔢 Документация

#библиотеки

🖥 Python_Scripts

✅ Windows Service Watchdog — скрипт следит за критичными Windows-службами и автоматически их перезапускает, если они падают. Простой, понятный, работает без GUI и отлично подходит для обращения с сервисами, которые не должны падать.

📱 Python 3.8+
💾 Модули: psutil, subprocess, argparse, time

📌 Возможности скрипта:

🟠Проверяет состояние заданной службы (через psutil.win_service_get)
🟠Если служба не работает — делает попытку перезапуска через sc start
🟠Логирует результат: статус до/после
🟠Можно указать таймаут между проверками и автоматический перезапуск — минималистично и эффективно (stackoverflow.com, gist.github.com)

👨‍💻 Пример использования (CLI):

python service_watchdog.py --service "Spooler" --interval 30

👨‍💻 Код скрипта (service_watchdog.py):

import psutil, subprocess, time, argparse

def check_service(name):
    try:
        svc = psutil.win_service_get(name).as_dict()
        return svc.get('status') == 'running'
    except Exception as e:
        print(f"Ошибка при проверке службы {name}: {e}")
        return False

def restart_service(name):
    print(f"Попытка перезапуска службы: {name}")
    subprocess.run(['sc', 'start', name], shell=True)

def main(service, interval):
    while True:
        running = check_service(service)
        print(f"[{time.strftime('%Y-%m-%d %H:%M:%S')}] {service} is {'running' if running else 'NOT running'}")
        if not running:
            restart_service(service)
            time.sleep(5)
            print(f"Снова проверяю...")
            time.sleep(interval)
        else:
            time.sleep(interval)

if __name__ == "__main__":
    parser = argparse.ArgumentParser("Windows Service Watchdog")
    parser.add_argument("--service", required=True, help="Name of the Windows service")
    parser.add_argument("--interval", type=int, default=60, help="Check interval in seconds")
    args = parser.parse_args()
    main(args.service, args.interval)

⚙️ Установка зависимостей:

pip install psutil

— psutil нужен для проверки статуса службы. Команда sc используется для запуска, есть в Windows по умолчанию.

#скрипты

🖥 Python_Scripts

💬 Multi-Clipboard Utility Program

📱 Python 3.7+
💾 Модули: использует pyperclip для работы с буфером обмена. Подробнее в репозитории.
GitHub

📌 A-Multi-Clipboard-Utility-Program-In-Python — простой скрипт, который позволяет копировать заранее определённые текстовые шаблоны (например: "agree", "busy", "upsell") в буфер обмена по ключевому слову, переданному через аргумент командной строки. Очень удобно для вставки часто используемых фраз.
GitHub

👨‍💻 Код (упрощённая версия из mclip.py):

import sys
import pyperclip

snippets = {
    "agree": "I agree to the terms and conditions.",
    "busy": "I'm currently busy. I'll get back to you soon.",
    "upsell": "Have you considered upgrading to our premium plan?"
}

if len(sys.argv) != 2 or sys.argv[1] not in snippets:
    print("Usage: python mclip.py <keyphrase>")
    print("Available keyphrases:", ", ".join(snippets.keys()))
    sys.exit(1)

pyperclip.copy(snippets[sys.argv[1]])
print(f"Copied snippet for '{sys.argv[1]}' to clipboard.")

🟠Вы задаёте ключевое слово, скрипт копирует соответствующий текст в буфер — быстро и без лишних движений.
🟠Отлично подходит для шаблонных ответов, быстрых вставок или автоматизации рутины.

Ссылка на репозиторий: GitHub.

#скрипты

🖥 Python_Scripts

🔥 Полезные библиотеки Python

✅ LivePython

📌 LivePython — малоизвестный инструмент для визуализации выполнения Python-кода в реальном времени. Он отображает текущую строку, контекст выполнения и изменения переменных — прямо как в анимации. Это удобно для понимания flow, обучения и отладки.

📌 Особенности библиотеки:

🟠 Анимация выполнения — пошагово показывает, какая строка выполняется, и как меняются данные.
🟠 Отлично подходит для обучения и объяснений — визуализация кода помогает быстрее понять логику, особенно новичкам.
🟠 Лёгкая и простая в использовании — минимализм и эффективность, без сложной настройки.

⚙️ Установка:

pip install livepython

🔢 Документация

#библиотеки

🖥 Python_Scripts

💬 python-file-analyzer

📱 Python 3.7+
💾 Модули: используется встроенный модуль ast — никакие внешние зависимости не требуются. (GitHub репозиторий)

📌 python-file-analyzer — простой скрипт для анализа Python-файлов. Выводит детальную информацию о структуре кода: количество строк, функции, классы, импорты, вызовы функций и т.д. Отличный инструмент для быстрого обзора кода или метаданных скрипта без запуска.

👨‍💻 Код (примерный фрагмент из index.py):

import sys
import ast

def analyze_python_file(path):
    with open(path, 'r') as f:
        source = f.read()
    tree = ast.parse(source)
    analyzer = {
        "lines": source.count('\n'),
        "functions": [node.name for node in ast.walk(tree) if isinstance(node, ast.FunctionDef)],
        "classes": [node.name for node in ast.walk(tree) if isinstance(node, ast.ClassDef)],
        "imports": [node.names[0].name for node in ast.walk(tree) if isinstance(node, ast.Import)],
    }
    return analyzer

if __name__ == "__main__":
    if len(sys.argv) != 2:
        print("Usage: python index.py <path_to_python_file>")
        sys.exit(1)

    path = sys.argv[1]
    result = analyze_python_file(path)
    print(f"Analysis of {path}:")
    print(f"Lines: {result['lines']}")
    print(f"Functions: {result['functions']}")
    print(f"Classes: {result['classes']}")
    print(f"Imports: {result['imports']}")

(Оригинальный код использует ast и выводит в лог файл структуру файла с подробными данными.)

Ссылка на репозиторий: GitHub

#скрипты

🖥 Python_Scripts