🐍 تبدیل PDF به Word با پایتون
این یه اسکریپت ساده پایتون برای تبدیل فایل‌های PDF به فرمت DOCX هست!

📦 کد اسکریپت

from pdf2docx import Converter
import os

def pdf_to_docx(pdf_path, docx_path=None):
    """
    تبدیل فایل PDF به فرمت DOCX
    """
    # اگر مسیر DOCX مشخص نشده باشه، از نام فایل PDF استفاده می‌کنیم
    if docx_path is None:
        docx_path = pdf_path.replace('.pdf', '.docx')
    
    try:
        # ایجاد کانورتر
        cv = Converter(pdf_path)
        
        # تبدیل فایل
        cv.convert(docx_path)
        
        # بستن کانورتر
        cv.close()
        
        print(f"✅ فایل با موفقیت تبدیل شد!")
        print(f"📁 مسیر فایل: {docx_path}")
        
    except Exception as e:
        print(f"❌ خطا: {e}")

# استفاده از اسکریپت
if __name__ == "__main__":
    pdf_file = input("مسیر فایل PDF: ")
    pdf_to_docx(pdf_file)

🎯 نحوه استفاده
۱. نصب کتابخانه‌های مورد نیاز:

pip install pdf2docx

۲. اجرای اسکریپت:

python pdf_to_docx.py

۳. وارد کردن مسیر فایل:

مسیر فایل PDF: /path/to/file.pdf

💡 برای PDFهای اسکن شده، از OCR استفاده کن:

# نصب: pip install pytesseract pillow
import pytesseract
from PIL import Image
import pdf2image

def pdf_to_text(pdf_path):
    images = pdf2image.convert_from_path(pdf_path)
    text = ""
    for img in images:
        text += pytesseract.image_to_string(img, lang='fas')
    return text

🆔 @python4all_pro


🧩لینک کانال در بله 👇👇
https://ble.ir/Python4all_pro

🤖 ۹ کتابخانه برتر پایتون برای AI Agents

۱. LangChain
• کاربرد: ساخت برنامه‌ها و عامل‌های مبتنی بر LLM
• ویژگی: مدیریت زنجیره‌های LLM، رول‌ها، ابزارها

₂. LlamaIndex
• کاربرد: اتصال مدل‌های AI به داده‌ها و اسناد
• ویژگی: RAG، indexing، retrieval

₃. CrewAI
• کاربرد: ایجاد و هماهنگسازی چندین عامل AI در قالب تیم
• ویژگی: multi-agent، role-based، task delegation

₄. AutoGen
• کاربرد: ساخت سیستم‌های چندعاملی
• ویژگی: Microsoft، multi-agent conversations، self-critique

₅. PydanticAI
• کاربرد: فریم‌ورک مدرن با تمرکز بر تایپ‌گذاری
• ویژگی: type safety، data validation، structured output

₆. Haystack
• کاربرد: ساخت سیستم‌های جستجو، پرسش‌وپاسخ و RAG
• ویژگی: search، QA، document intelligence

₇. Semantic Kernel
• کاربرد: کیت توسعه نرم‌افزاری Microsoft برای ادغام AI
• ویژگی: orchestration، plugins، integration

₈. OpenAI Agents SDK
• کاربرد: توسعه عامل‌های AI مبتنی بر مدل‌های OpenAI
• ویژگی: OpenAI models، tools، agents

₉. LangGraph
• کاربرد: طراحی گردش‌کارها و عامل‌های پیچیده
• ویژگی: stateful agents، graph-based workflows، control


🆔 @python4all_pro


🧩لینک کانال در بله 👇👇
https://ble.ir/Python4all_pro

⏳ آخرین فرصت — زمان طلایی تا کنکور ارشد رو از دست نده!!
 
📚 مرور، جمع‌بندی و حل سوالات مهم با فرادرس
 
💯 مجموعه دروس آزمون ارشد (برای همه رشته‌ها) با ۸۰ درصد تخفیف در دسترس شماست.
 
🔗 جمع‌بندی کنکور ارشد — [کلیک کنید]
 
➕همچنین می‌توانید اشتراک فرادرس را با ۷۵ درصد تخفیف فعال کنید و به مدت یکسال به بیش از ۱۸,۰۰۰ آموزش، دسترسی رایگان داشته باشید.👇
 
🔗 فعال‌سازی اشتراک — [کلیک کنید]

🔄 FaraDars - فرادرس

Advanced Python - Classes and Functions

دوره‌‌ یادگیری پیشرفته پایتون

این دوره یه آموزش پیشرفته پایتون برای کلاس‌ها و توابع هست که می‌تونی برای یادگیری عمیق استفاده کنی. ۲ ساعت و ۱۶ دقیقه طول می‌کشه و سطحش هم advanced هست، پس برای دانشجوهایی که می‌خوان پایتون رو بهتر یاد بگیرن، واقعاً عالیه. Joe Marini که نویسنده‌ش هست، خیلی خوب توضیح میده.



🆔 @python4all_pro


🧩لینک کانال در بله 👇👇
https://ble.ir/Python4all_pro

Machine Learning Specialization

این دوره یک برنامه سه‌ساله برای یادگیری Machine Learning است که توسط Stanford Online و DeepLearning.AI طراحی شده و توسط Andrew Ng تدریس می‌شه. ۷۹۸,۵۲۲ نفر قبلاً ثبت‌نام کرده‌اند و دوره‌ها برای مبتدیان مناسب هستند.

Free Courses: https://www.clcoding.com/2024/11/machine-learning-specialization.html


🆔 @python4all_pro


🧩لینک کانال در بله 👇👇
https://ble.ir/Python4all_pro

40 curated PyTorch implementation challenges for ML interviews

این ریپو شامل ۴۰ چالش پیاده‌سازی PyTorch برای مصاحبه‌های ML است برای افرادی که می‌خواهند مهارت‌های پیاده‌سازی PyTorch را توسعه دهند، این ریپو بسیار ارزشمنده

https://github.com/duoan/TorchCode


🆔 @python4all_pro


🧩لینک کانال در بله 👇👇
https://ble.ir/Python4all_pro

یه Blog ساده آموزشی برای دوستانی که دارن جنگو رو یاد میگیرند و نیازه کمی با مباحث اولیه آشنا بشن و یک پروژه ساده بسازن تا دستشون بیاد

قراره به مرور کامل تر و آپدیت تر بشه

https://github.com/MisaghMomeniB/django-blog-backend

🆔 @python4all_pro

✅ ۷۵٪ تخفیف برای تهیه اشتراک فرادرس – برای اولین بار
 
اشتراک فرادرس را با ۷۵ درصد تخفیف فعال کنید و به مدت یکسال به بیش از ۱۸,۰۰۰ آموزش، دسترسی رایگان داشته باشید.
 
➕ امکان پرداخت قسطی
 
1️⃣ پلن یک ساله (به صرفه و اقتصادی):
💰 با ۷۵% تخفیف: ۱,۹۸۰,۰۰۰ تومن
 
2️⃣ پلن شش ماهه:
💰 با ۷۵% تخفیف: ۱,۴۷۰,۰۰۰ تومن
 
🔗 فعال‌سازی اشتراک — [کلیک کنید]
 
🎉 در صورتی که قصد فعال کردن اشتراک ندارید، تمامی آموزش‌ها با ۸۰ درصد تخفیف در دسترس شماست:👇
 
💯 تمامی آموزش‌ها با دسته بندی موضوعی [+]

🔄 FaraDars - فرادرس

چند ریپوی کاربردی برای علاقمندان یادگیری ماشین و علم داده و AI Agents

👉Python 100 Days —
مسیر ۱۰۰ روزه یادگیری
پایتون
http://github.com/jackfrued/Python-100-Days

👉GenAI for Beginners —
۲۱ درس برای یادگیری مدل‌های زبانی
http://github.com/microsoft/generative-ai-for-beginners

👉ML for Beginners —
آموزش عملی یادگیری ماشین
http://github.com/microsoft/ML-For-Beginners

👉LLMs from scratch —
ساخت مدل زبانی از صفر با PyTorch
http://github.com/rasbt/LLMs-from-scratch

👉OpenAI Cookbook —
راهنمای عملی برای APIهای OpenAI
http://github.com/openai/openai-cookbook

👉Python Data Science Handbook —
کتاب معروف در قالب Jupyter
http://github.com/jakevdp/PythonDataScienceHandbook

👉TensorFlow Examples —
مثال‌های TensorFlow
http://github.com/aymericdamien/TensorFlow-Examples

👉Made with ML —
چطور یک اپلیکیشن ML بسازی
http://github.com/GokuMohandas/Made-With-ML

👉LLM App Templates

دوره ۱۲ هفته‌ای قالب‌های اپلیکیشن LLM
http://github.com/pathwaycom/llm-app

👉AI Agents for Beginners —
۱۲ درس برای یادگیری AI Agents

http://github.com/microsoft/ai-agents-for-beginners

👉The Data Engineering Handbook — مهندسی داده

http://github.com/DataExpert-io/data-engineer-handbook

👉Data Engineering Zoomcamp —
دوره رایگان مهندسی داده
http://github.com/DataTalksClub/data-engineering-zoomcamp

👉Data Science for Beginners —
دوره ۱۰ هفته‌ای مایکروسافت
http://github.com/microsoft/Data-Science-For-Beginners


🆔 @python4all_pro


🧩لینک کانال در بله 👇👇
https://ble.ir/Python4all_pro

Create Yoga day wish card using Python Turtle 🐢

Code with explanation: https://www.clcoding.com/2026/06/celebrate-international-yoga-day-with.html


🆔 @python4all_pro


🧩لینک کانال در بله 👇👇
https://ble.ir/Python4all_pro

Create Yoga day wish card using Python Turtle 🧘

import turtle

screen = turtle.Screen()
screen.title("🌿 International Yoga Day 🧘")
screen.bgcolor("#FFF8E7")

t = turtle.Turtle()
t.speed(3)
t.width(3)
t.hideturtle()

# --- رسم برگ ---
t.penup()
t.goto(0, 100)
t.pendown()
t.color("#2E8B57", "#90EE90")
t.begin_fill()
t.circle(60, 90)
t.circle(60, -90)
t.end_fill()

# --- متن اصلی ---
t.penup()
t.goto(0, 30)
t.color("#1B5E20")
t.write("Happy International Yoga Day!",
         align="center", font=("Arial", 24, "bold"))

t.goto(0, -10)
t.color("#388E3C")
t.write("🧘 Breathe. Stretch. Grow. 🌿",
         align="center", font=("Arial", 16, "italic"))

t.goto(0, -60)
t.color("#6D4C41")
t.write("#InternationalYogaDay  #YogaForWellness",
         align="center", font=("Arial", 12, "normal"))

turtle.done()

توضیح کوتاه درمورد اینکه هر بخش کارش چیه
screen.bgcolor(...)
رنگ پس‌زمینه‌ی کارت (کرم روشن)

t.circle(60, 90)
رسم یک برگ سبز ساده با دو کمان

t.write(...)
نوشتن متن اصلی، زیرنویس و هشتگ‌ها

align="center"
متن‌ها از مرکز تراز می‌شن

ایده‌هایی برای شخصی‌سازی
✨ رنگ برگ: #2E8B57 (سبز تیره) و #90EE90 (سبز روشن) رو با هر رنگ دلخواه عوض کن
🪷 شکل متفاوت: به جای برگ، یه نماد Om (ॐ) یا خورشید بکش
💐 گل لوتوس: با چند تا circle کوچک‌تر یه گل ساده بکش
🎨 خروجی تصویر:
با
screen.getcanvas().postscript(file="yoga.eps")
کارت رو ذخیره کن (بعد با ابزار دیگه‌ای به PNG تبدیل کن)

🆔 @python4all_pro


🧩لینک کانال در بله 👇👇
https://ble.ir/Python4all_pro

چطور با #Python و matplotlib یک نمودار حاشیه‌نویسی‌شده بسازیم 🐍📊

import matplotlib.pyplot as plt
import numpy as np

fig = plt.figure(figsize=(8, 6))

X = list(range(10))
plt.plot(X, np.exp(X))
plt.title('Annotating Exponential Plot using plt.annotate()')
plt.xlabel('x-axis')
plt.ylabel('y-axis')

plt.annotate('Point 1', xy=(6, 400),
             arrowprops=dict(arrowstyle='->'),
             xytext=(4, 600))

plt.annotate('Point 2', xy=(7, 1150),
             arrowprops=dict(arrowstyle='->',
                             connectionstyle='arc3,rad=-.2'),
             xytext=(4.5, 2000))

plt.annotate('Point 3', xy=(8, 3000),
             arrowprops=dict(arrowstyle='-|>',
                             connectionstyle='angle,angleA=90,angleB=0'),
             xytext=(8.5, 2200))

plt.show()

توضیح مرحله به مرحله
۱. ایمپورت کتابخونه‌ها

import matplotlib.pyplot as plt
import numpy as np

matplotlib.pyplot برای رسم نمودار و numpy برای محاسبات عددی (مثل تابع exp) لازمه.
۲. ساخت شکل و رسم داده

fig = plt.figure(figsize=(8, 6))
X = list(range(10))
plt.plot(X, np.exp(X))

یک شکل با اندازه‌ی ۸×۶ ساخته می‌شه و تابع نمایی e^x روی بازه‌ی ۰ تا ۹ رسم می‌شه.

۳. عنوان و برچسب محورها

plt.title('Annotating Exponential Plot using plt.annotate()')
plt.xlabel('x-axis')
plt.ylabel('y-axis')

۴. حاشیه‌نویسی‌ها با plt.annotate()
تابع annotate() سه پارامتر کلیدی داره:
پارامتر
کارش
text
متنی که می‌خوای نشون بدی
xy
نقطه‌ای که فلش بهش اشاره می‌کنه
xytext
موقعیت متن روی نمودار
arrowprops
استایل فلش
Point 1 — فلش ساده:

plt.annotate('Point 1', xy=(6, 400),
             arrowprops=dict(arrowstyle='->'),
             xytext=(4, 600))

فقط یه فلش معمولی از متن به نقطه.

Point 2 — فلش منحنی:

plt.annotate('Point 2', xy=(7, 1150),
             arrowprops=dict(arrowstyle='->',
                             connectionstyle='arc3,rad=-.2'),
             xytext=(4.5, 2000))

با connectionstyle='arc3,rad=-.2' فلش به صورت کمان با انحنای -0.2 رسم می‌شه (منفی یعنی انحنا به یه سمت خاص).

Point 3 — فلش با زاویه‌ی سفارشی:

plt.annotate('Point 3', xy=(8, 3000),
             arrowprops=dict(arrowstyle='-|>',
                             connectionstyle='angle,angleA=90,angleB=0'),
             xytext=(8.5, 2200))

اینجا connectionstyle='angle' با angleA=90 و angleB=0 یه فلش زاویه‌دار می‌سازه. سر فلش هم -|> یعنی پیکان کلاسیک با خط صاف.

💡 نکته: کلید اصلی plt.annotate() همینه: با xytext متن رو هر جا که دلت بخواد بذار، و با xy مشخص کن فلش به کدوم نقطه‌ی واقعی روی نمودار اشاره کنه.


🆔 @python4all_pro


🧩لینک کانال در بله 👇👇
https://ble.ir/Python4all_pro

🇦🇺 مشاوره رایگان ویزای کاری استرالیا 🇦🇺

🔆 قبل از هر قدمی، مسیرت رو بشناس.

🔰مشاوران سلکت ویزا پرونده شما را به‌صورت موردی و کاملاً اختصاصی بررسی می‌کنند تا بهترین مسیر مهاجرتی برای شرایط شما مشخص بشه.

✅ بررسی تخصصی شرایط شما
✅ راهنمایی دقیق برای مسیر درست
✅ کاملاً رایگان


📌 همین الان وقت مشاوره رزرو کن:

🔗 https://selectvisa.landin.ir/moshavere/

✅ مزیت اصلی این مشاوره برای متقاضیان تازه ‌وارد این است که شناخت بهتری از مسیر مهاجرت پیدا می‌کنند و با دیدی بازتر، تصمیمات آگاهانه‌تری برای ادامه راه خود می‌گیرند.