✅ 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