✅ pdf‑renamer — скрипт/утилита для автоматического переименования PDF‑файлов научных публикаций, используя метаданные (DOI, arXiv и др.)

📱 Python 3.x
ℹ️ Модули: pdf2doi, pdf2bib, argparse, os, pathlib и др.

📌 Скрипт:

🟢 Сканирует указанный файл или папку с PDF‑документами.
🟢 Извлекает DOI публикации и запрашивает информацию о статье (название, авторы, журнал, год).
🟢 Переименовывает файлы по шаблону (например: {YYYY} - {Jabbr} - {A3etal} - {T}) с учётом настроек пользователя.
🟢 Возможности: включать подпапки, задавать формат, менять регистр, сохранять метаданные и др.

👨‍💻 Пример использования:

$ pdfrenamer mypaper.pdf -f "{YYYY} - {Aall} - {J} - {T}"  

🔗 Репозиторий GitHub

#скрипты

🖥 Python_Scripts

✅ autoDownloader

📱 Python 3.9+
ℹ️ Модули: В репозитории скрипта.

📌 autoDownloader — скрипт, который позволяет автоматизированно проверять заданные источники (RSS, HTML или текстовые файлы), и при появлении новых ссылок скачивать контент. Идеален для подписки на обновления: журналы, блоги, файлы, медиа.

👨‍💻 Пример использования и конфигурации:

Установка:

cd autoDownloader
pip install -r requirements.txt

Конфиг config.json:

{
  "items": [
    {
      "name": "Новости Блога",
      "dest_dir": "/home/user/auto_downloads",
      "provider": {
        "type": "RssProvider",
        "url": "https://someblog.com/rss.xml",
        "xpaths": {
          "title": "/item/title",
          "items": "//item",
          "url": "/item/link"
        }
      },
      "cache": {
        "type": "FileCache",
        "path": "/home/user/auto_downloads/cache.txt"
      },
      "downloader": {
        "type": "HttpDownloader",
        "method": "GET"
      },
      "post_downloads_script": "/home/user/scripts/notify_new.sh"
    }
  ]
}

📌 Что делает:

🟢 Проверяет источники на новые записи / ссылки
🟢 Если появляются новые URL — скачивает
🟢 Использует кэш, чтобы не перезагружать то, что уже скачано
🟢 Можно подцепить свои скрипты перед/после скачивания, чтобы делать автоматические действия
🟢 Отлично подходит для автоматизации сбора данных, распространения материалов или мониторинга новых публикаций

🔗 Репозиторий GitHub

#скрипты

🖥 Python_Scripts

❗️Внимание, хакеры и разработчики!
У нас для вас новость и куча задач!

Канал про кибербезопасность и разработку 🐞 БАГодельня запустил сайт с CTF-задачами для вашей практики! На площадке уже более 60 задач, и новые релизы каждую субботу!

📌 Помимо тасков, на канале вас ждут:
🔹Новости из мира ИБ
🔹Регулярные посты и руководства по разработке
🔹 Подробные разборы решений и ошибок
🔹 Описания алгоритмов и подходов
🔹 Код-ревью реальных проектов

Всё для вашего роста в IT можно найти тут: @bug_makers

🔥 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

🔥 Полезные библиотеки Python

✅ HyperNetX

📌 HyperNetX (HNX) — библиотека для моделирования и анализа гиперграфов (graphs, где ребра могут соединять более двух вершин), с поддержкой визуализации и метаданных. Подходит, если работаешь с сетями сложных связей: суперсетями, множественными связями, структурами данных, где “обычный граф” — слишком упрощённо.

📌 Особенности библиотеки:

🟠 Поддержка гиперграфов с метаданными на узлах, гиперрёбрах и даже на “инцидентных парах” (node-hyperedge pairings).
🟠 Есть визуализация через Matplotlib + виджеты для Jupyter, что удобно исследовать структуру гиперграфа визуально.
🟠 Подходит для исследовательских задач, где связи сложные: например, биоинформатика, сети взаимодействий, связи в сложных социальных сетях, где проще выразить групповые связи, чем простые пары.

⚙️ Установка:

pip install hypernetx

🔢 Документация

#библиотеки

🖥 Python_Scripts

🔥 AutoPilot (stream.py) — скрипт-утилита, которая позволяет запускать «хабы» автоматизации через Streamlit-интерфейс. Это удобный лайф-хак — собрать несколько мелких автоматизационных скриптов в одну визуальную панель и запускать их из браузера.

📱 Python 3.8+
💾 Модули: streamlit, pyperclip, requests, yt_dlp, Pillow, opencv-python и др. — зависимости указаны в requirements.txt репо.

📌 AutoPilot / stream.py — простой подход к объединению и запуску автоматических задач: downloader'ы, QR-генераторы, клипборд-менеджеры, resource-мониторы — всё можно запускать через Streamlit-кнопки. Хорошо подходит для тех, кому лень открывать терминал и хотят интерфейс для своих скриптов.

👨‍💻 Пример использования (адаптация):

import streamlit as st
import pyperclip
import requests
from yt_dlp import YoutubeDL

st.title("AutoPilot Hub")

if st.button("YouTube Download"):
    url = st.text_input("YouTube URL")
    if url:
        with YoutubeDL({}) as ydl:
            info = ydl.download([url])
        st.write("Download complete")

if st.button("Copy Snippet"):
    snippet = st.text_area("Snippet text")
    if snippet:
        pyperclip.copy(snippet)
        st.write("Copied to clipboard")

if st.button("Fetch RSS News"):
    feed_url = st.text_input("RSS feed URL")
    if feed_url:
        resp = requests.get(feed_url)
        st.write(resp.text[:500])  # первые 500 символов

Репозиторий: AutoPilot / stream.py

#скрипты

🖥 Python_Scripts

🔥 Полезные библиотеки Python

✅ holehe

📌 holehe — это OSINT-библиотека и утилита для проверки email-адресов. Она показывает, зарегистрирован ли указанный email на популярных сервисах (Google, Twitter, Instagram, Netflix и др.).

📌 Особенности библиотеки:

🟠Асинхронная проверка email-адреса на десятках популярных сайтов.
🟠Показывает, зарегистрирован ли email, и иногда дополнительные данные (например, ошибки логина/регистрации).
🟠Можно использовать как CLI-инструмент и как Python-библиотеку.
🟠Полезен для OSINT-исследований, пентестов и проверки утечек.
🟠Поддерживает регулярные обновления списков сервисов.
🟠Легко интегрируется в автоматизированные пайплайны.

⚙️ Установка:

pip install holehe

🔢 Документация

#библиотеки

🖥 Python_Scripts

Программисты, это вам 👇

Держите 5 каналов, которые реально помогают изучать программирование и IT с полного нуля:

🖥 Easy Coder — все направления IT.

👩‍💻 Easy Python — всё о Python.

🌐 Easy WebDev — Frontend, Backend.

🔠 Easy InfoSec — ИБ, Хакинг.

🐱 Easy GitHub — лучшее с GitHub.

Тонны полезной инфы для любого уровня подготовки ✔️

✅ Folder Change Notifier via ntfy.sh

📌 Этот скрипт следит за локальной папкой в реальном времени и отправляет push-уведомления на ваш телефон или браузер через ntfy.sh, когда там что-то меняется — создаётся, удаляется или меняется файл. Просто, мощно и полностью автономно.

📱 Python 3.8+
💾 Модули: watchdog, requests, argparse, logging
Использует ntfy.sh для уведомлений — никаких регистраций, просто отправляет сообщение HTTP запросом.

📌 Особенности скрипта:

🟠Реагирует на события — создание, удаление, переименование или изменение файлов в папке
🟠Отправляет уведомление через ntfy.sh — всплывает на вашем устройстве мгновенно
🟠Поддерживает фильтрацию по расширениям, рекурсивный обход и кастомные настройки через CLI

👨‍💻 Пример использования (CLI):

python folder_monitor.py --path /путь/к/папке --topic mytopic --recursive

🧑‍💻 Код скрипта (folder_monitor.py):

import time, argparse, logging, os, requests
from watchdog.observers import Observer
from watchdog.events import FileSystemEventHandler

logging.basicConfig(level=logging.INFO, format="%(asctime)s - %(message)s")

class FileChangeHandler(FileSystemEventHandler):
    def __init__(self, topic, include_extensions=None):
        self.topic = topic
        self.include_ext = include_extensions

    def notify(self, msg):
        requests.post(f"https://ntfy.sh/{self.topic}", data=msg)

    def dispatch(self, event):
        if self.include_ext:
            if os.path.splitext(event.src_path)[1].lower() not in self.include_ext:
                return
        super().dispatch(event)

    def on_any_event(self, event):
        msg = f"{event.event_type.upper()}: {event.src_path}"
        logging.info(msg)
        self.notify(msg)

def main():
    parser = argparse.ArgumentParser("Folder Monitor with ntfy.sh notifications")
    parser.add_argument("--path", required=True, help="Folder path to monitor")
    parser.add_argument("--topic", required=True, help="ntfy.sh topic")
    parser.add_argument("--extensions", help="Filter extensions, comma-separated (e.g. .txt,.pdf)")
    parser.add_argument("--recursive", action="store_true", help="Watch subdirectories")
    args = parser.parse_args()

    exts = [e.lower() for e in args.extensions.split(",")] if args.extensions else None
    handler = FileChangeHandler(args.topic, include_extensions=exts)
    observer = Observer()
    observer.schedule(handler, args.path, recursive=args.recursive)
    observer.start()
    logging.info(f"Monitoring: {args.path} (recursive={args.recursive})")

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

if __name__ == "__main__":
    main()

⚙️ Установка зависимостей:

pip install watchdog requests

#скрипты

🖥 Python_Scripts

⚠️ 87% работодателей уже ждут, что вы умеете пользоваться нейросетями

По данным hh.ru, почти 90% вакансий требуют навыков работы с ИИ. И речь не только о ChatGPT — от специалистов ждут уверенное владение современными нейронками.

ИИ стал массовым буквально вчера, но изучать его требуют уже сегодня. Что будет через полгода — догадаться несложно. ❔

Эксперты, которые ежедневно применяют нейросети в работе, делятся на своих каналах : полезными промптами, гайдами по оптимизации и практическими приёмами, — Подписаться.

💡 Освоить нейросети стоит уже сейчас — потом догонять будет сложнее.
Доступ к каналам ограничен — подписывайтесь, пока открыт.

🔥 Полезные библиотеки Python

✅ glasbey

📌 glasbey — библиотека для алгоритмической генерации цветовых палитр (categorical palettes), особенно полезных когда у тебя есть много категорий и ты хочешь, чтобы каждая категория была визуально отличимой.

📌 Особенности библиотеки:

🟢 Можно создавать палитры с произвольным количеством цветов: glasbey.create_palette(palette_size=15) — и цвета будут стараться быть максимально отличимыми визуально.
🟢 Можно расширять существующие палитры, или “с нуля” задавать seed цвета, чтобы новая палитра дополняла прежнюю (чтобы цвета не пересекались сильно).
🟢 Поддержка ограничений: можно задавать границы яркости, хромности (chroma), чтобы цвета не были слишком яркими или слишком блеклыми.
🟢 Можно создавать “блочные” палитры — когда есть иерархии категорий, вложенные группы.
🟢 Легко использовать в связке с matplotlib / seaborn и др. визуализациями — просто генерируешь цвета и передаёшь библиотеке визуализации.

⚙️ Установка:

pip install glasbey

🔢 Документация

#библиотеки

🖥 Python_Scripts