📌 Скрипт парсер

💻  ЯП:  Python 3.11+🐍
💾  Модули: pyrogram, bs4, requests, html5lib
📂  База данных: -

📌 Скрипт простой, мощный и универсальный Telegram бот для парсинга, разработанный для упрощения процесса извлечения данных с веб-сайтов.

Он имеет удобный интерфейс с меню и поддерживает широкий спектр опций извлечения данных, включая необработанный HTML, элементы HTML, абзацы, ссылки, аудио и видео.

📌 Вся информация приведена исключительно в ознакомительных целях❗️❗️❗️

#telegram

📌 Подпишись  Python_Scripts❗️

📌 Уровни поддержки и сопротивления для выбранного актива используя публичное API Bybit👨‍💻

import requests
import pandas as pd

# Константы
BASE_URL = "https://api.bybit.com/v5/market"
SYMBOL = "BTCUSDT"  # Торговая пара
CATEGORY = "spot"   # Тип рынка: spot, linear, inverse
KLINE_LIMIT = 200   # Количество свечей для анализа
KLINE_INTERVAL = "60"  # Интервал свечей: 1, 3, 5, 15, 60, D, W, M

def get_historical_data():
    """Получить исторические данные (Kline)"""
    url = f"{BASE_URL}/kline"
    params = {
        "category": CATEGORY,
        "symbol": SYMBOL,
        "interval": KLINE_INTERVAL,
        "limit": KLINE_LIMIT
    }
    response = requests.get(url, params=params)
    if response.status_code == 200:
        return response.json()["result"]["list"]
    else:
        raise Exception(f"Ошибка получения данных Kline: {response.status_code}, {response.text}")

def get_current_ticker_data():
    """Получить текущие данные тикера"""
    url = f"{BASE_URL}/tickers"
    params = {
        "category": CATEGORY,
        "symbol": SYMBOL
    }
    response = requests.get(url, params=params)
    if response.status_code == 200:
        return response.json()["result"]["list"][0]
    else:
        raise Exception(f"Ошибка получения данных тикера: {response.status_code}, {response.text}")

def calculate_support_resistance(klines):
    """Вычислить уровни поддержки и сопротивления"""
    data = [
        {"time": kline[0], "high": float(kline[2]), "low": float(kline[3])}
        for kline in klines
    ]
    df = pd.DataFrame(data)
    support_level = df["low"].min()   # Минимальная цена
    resistance_level = df["high"].max()  # Максимальная цена
    return support_level, resistance_level

def main():
    try:
        # Получение исторических данных
        klines = get_historical_data()
        # Расчет уровней поддержки и сопротивления
        support, resistance = calculate_support_resistance(klines)
        print(f"Уровень поддержки: {support}")
        print(f"Уровень сопротивления: {resistance}")
        # Получение текущих данных тикера
        ticker_data = get_current_ticker_data()
        print(f"Последняя цена: {ticker_data['lastPrice']}")
    except Exception as e:
        print(f"Ошибка: {e}")

if __name__ == "__main__":
    main()

📌 Подпишись  Python_Scripts❗️

🚀 Полезные библиотеки Python

💾 PyWebDAV3

📌 Библиотека Python для взаимодействия с серверами WebDAV, что позволяет управлять файлами и папками на удалённых серверах через HTTP. WebDAV часто используется для облачного хранения, управления файлами на серверах и совместного использования данными.

Ключевые возможности:

1. Клиент WebDAV:

- Загрузка, скачивание, удаление файлов.

- Создание и удаление каталогов.

- Получение метаинформации о файлах (размер, дата изменения и т. д.).

2. Сервер WebDAV:

- Настройка собственного WebDAV-сервера для управления файлами.

3. Поддержка аутентификации:

- Поддержка HTTP Basic Auth для подключения к защищённым серверам.

4. Кроссплатформенность:

-Работает на всех платформах, где поддерживается Python.

⚙️ Установка 👇👇👇

pip install PyWebDAV3

📁 Документация

#библиотеки

📌 Подпишись Python_Scripts ❗️

📌 Скрипт мониторинг YouTube каналов

💻  ЯП:  Python 3.11+🐍
💾  Модули: requests , pyTelegramBotAPI
📂  База данных: -

📌 Скрипт Telegram бот который отслеживает каналы YouTube и отправляет мгновенные уведомления в группы Telegram при загрузке новых видео. Идеально подходит для менеджеров сообществ и создателей контента, которые хотят держать свою аудиторию в курсе событий.

📌 Вся информация приведена исключительно в ознакомительных целях❗️❗️❗️

#telegram

📌 Подпишись  Python_Scripts❗️

📌 Отслеживание резких изменений цены токена(price alert) используя публичное API Bybit👨‍💻

import requests
import time

# Константы
BASE_URL = "https://api.bybit.com/v5/market/tickers"
SYMBOL = "BTCUSDT"  # Торговая пара
CATEGORY = "spot"   # Тип рынка
CHECK_INTERVAL = 10  # Интервал проверки цены (в секундах)
THRESHOLD_PERCENT = 1  # Порог изменения цены (в процентах)

def get_current_price():
    """Получить текущую цену с API Bybit"""
    params = {
        "category": CATEGORY,
        "symbol": SYMBOL
    }
    response = requests.get(BASE_URL, params=params)
    if response.status_code == 200:
        data = response.json()["result"]["list"][0]
        return float(data["lastPrice"])
    else:
        raise Exception(f"Ошибка API: {response.status_code}, {response.text}")

def main():
    print(f"Начинаем отслеживать резкие изменения цены для {SYMBOL}...")
    previous_price = get_current_price()
    print(f"Начальная цена: {previous_price}\n")

    while True:
        try:
            current_price = get_current_price()
            price_change = ((current_price - previous_price) / previous_price) * 100

            # Если изменение цены превышает порог
            if abs(price_change) >= THRESHOLD_PERCENT:
                print(f"🔔 Резкое изменение цены!")
                print(f"Старая цена: {previous_price}, Новая цена: {current_price}")
                print(f"Изменение: {price_change:.2f}%\n")
                previous_price = current_price  # Обновляем предыдущую цену

            time.sleep(CHECK_INTERVAL)

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

if __name__ == "__main__":
    main()

📌 Подпишись  Python_Scripts❗️

🚀 Полезные библиотеки Python

💾 WeasyPrint

📌 Библиотека Python, которая преобразует HTML и CSS в PDF-документы или изображения.

Позволяет создавать красивые отчёты, инвойсы, письма и другие документы, которые можно стилизовать с помощью стандартных веб-технологий.

Ключевые возможности:

1. Конвертация HTML и CSS в PDF:
Полная поддержка HTML5 и большинства CSS3 (включая шрифты, цвета, таблицы и многое другое).

2. Создание изображений:
Поддерживает экспорт документа в формате PNG.

3. Поддержка сложных макетов:
Работа с таблицами, вложенными элементами и несколькими страницами.

4. Поддержка Unicode и RTL-текста:
Работает с различными языками, включая те, которые читаются справа налево (например, арабский или иврит).

5. Интеграция с Python-программами:
Можно динамически генерировать PDF-документы из данных.

⚙️ Установка 👇👇👇

pip install weasyprint

📁 Документация

#библиотеки

📌 Подпишись Python_Scripts ❗️

📌 Скрипт автоматизированной отправки подарков

💻  ЯП:  Python 3.11+🐍
💾  Модули: pyrofork, asyncio
📂  База данных: -

📌 Скрипт продвинутый Telegram юзербот для автоматизированной отправки подарков с динамическими ценовыми диапазонами и саплаем. Поддерживает как лимитированные, так и обычные подарки с настраиваемыми правилами отправки.

Возможности:

- Динамическое количество подарков на основе ценовых диапазонов;
- Мониторинг лимитов саплая;
- Поддержка нескольких языков (EN/RU/UK);
- Автоматическое обнаружение подарков;
- Настраиваемые задержки и интервалы;
- Поддержка нескольких получателей;
-Фильтрация по цене.

📌 Вся информация приведена исключительно в ознакомительных целях❗️❗️❗️

#telegram

📌 Подпишись  Python_Scripts❗️

📌Поиск уровня с максимальным объёмом в стакане используется публичное API Bybit👨‍💻

import requests

# Константы
BASE_URL = "https://api.bybit.com/v5/market/orderbook"
SYMBOL = "BTCUSDT"  # Торговая пара
CATEGORY = "spot"   # Тип рынка

def get_order_book():
    """Получить данные стакана (Order Book)"""
    params = {
        "category": CATEGORY,
        "symbol": SYMBOL
    }
    response = requests.get(BASE_URL, params=params)
    if response.status_code == 200:
        return response.json()["result"]  # Данные стакана
    else:
        raise Exception(f"Ошибка API: {response.status_code}, {response.text}")

def find_max_volume_levels(order_book):
    """Найти уровни с максимальными объёмами для Bid и Ask"""
    bids = order_book["b"]  # Покупки (Bid)
    asks = order_book["a"]  # Продажи (Ask)

    # Находим цену с максимальным объёмом
    max_bid = max(bids, key=lambda x: float(x[1]))  # x[1] — объём
    max_ask = max(asks, key=lambda x: float(x[1]))  # x[1] — объём

    return max_bid, max_ask

def main():
    try:
        print(f"Анализ стакана для {SYMBOL}...\n")

        # Получаем данные стакана
        order_book = get_order_book()

        # Находим уровни с максимальными объёмами
        max_bid, max_ask = find_max_volume_levels(order_book)

        # Выводим результаты
        print("Максимальный объём на покупку (Bid):")
        print(f"Цена: {max_bid[0]}, Объём: {max_bid[1]}")
        print("\nМаксимальный объём на продажу (Ask):")
        print(f"Цена: {max_ask[0]}, Объём: {max_ask[1]}")

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

if __name__ == "__main__":
    main()

📌 Подпишись  Python_Scripts❗️

🚀 Полезные библиотеки Python

💾 Hypothesis

📌 Библиотека Python, для автоматизации тестирования кода. Она генерирует тестовые случаи автоматически на основе заданных условий (свойств) и проверяет, выполняются ли они. Этот подход позволяет находить сложные и редкие ошибки, которые могли бы быть упущены в обычных тестах.

Ключевые возможности:

1. Генерация входных данных:

Поддержка множества встроенных стратегий для создания тестовых данных (строки, числа, списки, словари и т.д.).

Возможность создания пользовательских стратегий.

2. Автоматическое упрощение:

Если тест провалился, Hypothesis пытается упростить входные данные, чтобы локализовать причину ошибки.

3. Поддержка сложных типов данных:

Генерация данных для пользовательских объектов, классов, JSON-структур и многого другого.

4. Интеграция с популярными фреймворками:

Работает с pytest, unittest и другими.

5. Детерминированное тестирование:

Повторяемость тестов благодаря фиксированным "seed"-значениям.

⚙️ Установка 👇👇👇

pip install hypothesis

📁 Документация

#библиотеки

📌 Подпишись Python_Scripts ❗️

📌 Скрипт парсер

💻  ЯП:  Python 3.11+🐍
💾  Модули: aiogram, bs4, lxml
📂  База данных: -

📌 Скрипт для парсинга Kufar.by и Av.by в оболочке Telegram бота.

📌 Вся информация приведена исключительно в ознакомительных целях❗️❗️❗️

#telegram

📌 Подпишись  Python_Scripts❗️

📌Вычисление индекса волатильности токена на основе исторических данных используется публичное API Bybit👨‍💻

import requests
import pandas as pd
import math

# 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 = 24          # Количество свечей (24 часа = 24 свечи по 1 часу)

def get_historical_data():
    """Получить исторические данные (Kline)"""
    params = {
        "category": CATEGORY,
        "symbol": SYMBOL,
        "interval": INTERVAL,
        "limit": LIMIT
    }
    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_volatility(klines):
    """Вычислить волатильность на основе исторических данных"""
    data = [float(kline[4]) for kline in klines]  # Закрытые цены (Close)
    df = pd.DataFrame(data, columns=["close"])

    # Вычисляем логарифмическую доходность
    df["log_return"] = df["close"].apply(math.log).diff()

    # Рассчитываем стандартное отклонение (волатильность)
    volatility = df["log_return"].std() * math.sqrt(len(df))
    return volatility

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

        # Получаем исторические данные
        klines = get_historical_data()

        # Вычисляем волатильность
        volatility = calculate_volatility(klines)

        # Выводим результат
        print(f"Волатильность за {LIMIT} часов: {volatility:.2%}")
    except Exception as e:
        print(f"Ошибка: {e}")

if __name__ == "__main__":
    main()

📌 Подпишись  Python_Scripts❗️

🚀 Полезные библиотеки Python

💾 Poetry-dynamic-versioning

📌 Библиотека Python, которая автоматически синхронизирует версию вашего проекта с Git-тегами.

Позволяет избегать ручного изменения версии в файле pyproject.toml и упрощает управление версиями в процессе разработки и релизов.

Ключевые возможности:

1. Синхронизация версий с Git-тегами:
Версия проекта в pyproject.toml автоматически обновляется на основе текущего Git-тега.

2. Поддержка автоматического версионирования:
Генерация промежуточных версий, например 1.0.1-dev, для незавершённых изменений.

3. Простая интеграция:
Лёгкая настройка без необходимости вручную управлять версиями.

4. Совместимость с Poetry:
Библиотека легко интегрируется в существующие проекты, использующие Poetry.

⚙️ Установка 👇👇👇

pip install poetry-dynamic-versioning

📁 Документация

#библиотеки

📌 Подпишись Python_Scripts ❗️

📌 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❗️