المشروع الأول صنع أداة تخمين مسارات المواقع

🚀 FastAPI
مكتبة لبناء REST APIs ببايثون بسرعة وسهولة.

📦 تثبيت:

pip install "fastapi[standard]"

💡 مثال:

# ./app.py

from fastapi import FastAPI

app = FastAPI()

@app.get("/")
def root():
    return {"msg": "Hello FastAPI"}

🌟 لتشغيل المشروع :

fastapi run app.py

مكتبة FastAPI هي إطار عمل قوي ومُعتمد على Python لإنشاء واجهات برمجة تطبيقات (APIs) بكفاءة عالية. يعتمد FastAPI على التوثيق الآلي والمعايير العالمية OpenAPI وJSON Schema، ويتميز بأداء سريع بفضل استخدامه لـ Starlette وPydantic .

Typer في Python

مكتبة Typer تساعدك تبني أدوات CLI احترافية من التيرمنال، بدون تعقيد argparse وبدون كتابة كود طويل.

الفكرة ببساطة
تكتب دالة Python عادية، وTyper يحولها إلى أمر يمكنك تشغيله من التيرمنال مع Arguments و Options و Help تلقائي.

التثبيت

pip install typer

مثال سريع

import typer

app = typer.Typer()

@app.command()
def hello(name: str, age: int = 20):
    typer.echo(f"Hello {name}, age {age}")

app()

التشغيل

python app.py hello Ali --age 25

مثال عملي

@app.command()
def clean(folder: str, dry_run: bool = True):
    if dry_run:
        typer.echo("Preview only")
    else:
        typer.echo(f"Cleaning {folder}")

لماذا Typer مهم؟
• مناسب للـ Automation
• ممتاز لأدوات DevOps الصغيرة
• يعطيك Help تلقائي
• يدعم Types و Autocomplete
• يجعل سكربتاتك تبدو كأدوات حقيقية

إذا عندك سكربت تكرره كل يوم، حوله إلى CLI tool باستخدام Typer.

uv — أسرع مدير حزم لـ Python

مكتبة uv أداة حديثة من Astral تجعل تثبيت الحزم، إنشاء البيئات، وتشغيل السكربتات أسرع بكثير من الأدوات التقليدية.

لماذا مهم؟
• بديل سريع لـ pip و virtualenv
• ممتاز للمشاريع الجديدة والـ automation
• يقلل وقت إعداد بيئة التطوير

التثبيت

pip install uv

مثال سريع

uv init demo_app
cd demo_app
uv add requests
uv run python main.py

نصيحة عملية
استخدم uv عندما تبدأ مشروع Python جديد أو تريد تثبيت dependencies بسرعة داخل CI/CD.

#Python #PythonArabic #uv #DevTools

Pydantic: مكتبة تجعل بياناتك آمنة في Python

إذا كنت تبني API أو تتعامل مع JSON من المستخدمين، فأنت تحتاج تتأكد أن البيانات صحيحة قبل أن تدخل منطق التطبيق. هنا تأتي مكتبة Pydantic، وهي من أشهر مكتبات Python للتحقق من البيانات وتحويلها تلقائيًا.

لماذا يستخدمها المطورون؟
• تتحقق من أنواع البيانات مثل str و int و email
• تحوّل القيم تلقائيًا عند الإمكان
• تعطي رسائل أخطاء واضحة
• مستخدمة بقوة داخل FastAPI
• ممتازة للـ APIs، الإعدادات، وقراءة ملفات JSON

التثبيت

pip install pydantic

مثال سريع

from pydantic import BaseModel

class User(BaseModel):
    name: str
    age: int

user = User(name="Ali", age="25")
print(user.age)  # 25

الفكرة البسيطة: بدل ما تفحص كل حقل يدويًا، خلّي Pydantic يبني لك طبقة تحقق منظمة وسهلة الصيانة.

#Python #بايثون #Pydantic #برمجة #مكتبات_بايثون

NumPy: أساس الحسابات العلمية في Python

لو بدأت تتعلم تحليل البيانات أو الذكاء الاصطناعي في Python، ستسمع اسم NumPy كثيرًا. هذه المكتبة ليست مجرد إضافة بسيطة، بل هي الأساس الذي تعتمد عليه مكتبات ضخمة مثل Pandas و SciPy و Scikit-learn.

ماذا تقدم لك؟
• مصفوفات سريعة بدل القوائم العادية
• عمليات رياضية على آلاف القيم دفعة واحدة
• أدوات للجبر الخطي والإحصاء
• أداء أفضل بكثير في الحسابات الكبيرة
• قاعدة مهمة لفهم Data Science و ML

التثبيت

pip install numpy

مثال سريع

import numpy as np

prices = np.array([10, 20, 30])
print(prices * 1.15)

بدل أن تكتب حلقات كثيرة لمعالجة الأرقام، NumPy يجعلك تفكر بالمصفوفات والعمليات المباشرة. إذا كان هدفك تحليل البيانات أو تعلم الذكاء الاصطناعي، فهذه مكتبة يجب أن تتقنها مبكرًا.

#Python #NumPy #بايثون #DataScience #مكتبات_بايثون

Pandas: مكتبة تحليل البيانات في Python

إذا كان NumPy هو الأساس الرياضي، فإن Pandas هي الأداة التي تجعل التعامل مع الجداول والملفات والبيانات اليومية أسهل بكثير. تستخدمها عندما يكون لديك CSV أو Excel أو بيانات من API وتريد تنظيفها وتحليلها بسرعة.

ماذا يمكنك أن تفعل بها؟
• قراءة ملفات CSV و Excel بسهولة
• ترتيب وتنظيف البيانات الناقصة
• فلترة الصفوف والأعمدة
• حساب المتوسطات والمجاميع بسرعة
• تجهيز البيانات للرسوم البيانية أو نماذج ML

التثبيت

pip install pandas

مثال سريع

import pandas as pd

df = pd.read_csv("sales.csv")
print(df.head())
print(df["price"].mean())

فكرتها ببساطة: بدل أن تتعامل مع البيانات كسطور وقوائم متفرقة، Pandas تعطيك DataFrame يشبه جدولًا ذكيًا تستطيع تحليله بأوامر قصيرة وواضحة.

#Python #Pandas #تحليل_البيانات #DataScience #مكتبات_بايثون

تم انشاء مجموعه جديده للنقاش في بايثون وطرح الأسئلة

يمكنكم الانضمام من خلال الرابط التالي:

https://t.me/pythonarabechat

TeleBot — أسهل مكتبة لبناء بوتات تيليجرام في Python

مكتبة TeleBot، واسمها على PyPI هو pyTelegramBotAPI، تساعدك تبني بوت تيليجرام بسرعة بدون التعامل يدويًا مع Telegram Bot API.

لماذا مفيدة؟
• بسيطة جدًا للمبتدئين.
• مناسبة لبوتات الردود، التنبيهات، القنوات، ولوحات الأزرار.
• تدعم الرسائل، الصور، الملفات، الأوامر و Inline Buttons.

التثبيت

pip install pyTelegramBotAPI

مثال سريع

import telebot

bot = telebot.TeleBot("TOKEN")

@bot.message_handler(commands=["start"])
def start(message):
    bot.reply_to(message, "أهلًا! البوت يعمل ✅")

bot.infinity_polling()

الفكرة الأساسية: تنشئ كائن البوت بالتوكن، ثم تضيف handlers للأوامر والرسائل، وبعدها تشغله بـ infinity_polling().

نصيحة مهمة: لا تضع التوكن داخل الكود عند رفع المشروع على GitHub؛ استخدم متغيرات البيئة بدلًا من ذلك.

#Python #TelegramBot #TeleBot #برمجة

string functions

إذا كنت تريد تحسين مخرجات الطرفية في Python، فمكتبة Rich من أفضل الخيارات.

هي تضيف ألوانًا جميلة، جداول، Progress Bars، تنسيق JSON و Markdown، وتعرض الأخطاء بشكل أوضح وأسهل للقراءة، وهذا يجعل أدوات CLI تبدو احترافية جدًا.

التثبيت:

pip install rich

مثال سريع:

from rich.console import Console
from rich.table import Table

console = Console()
table = Table(title="Users")
table.add_column("Name")
table.add_column("Role")
table.add_row("Ahmed", "Developer")
console.print(table)

ممتازة لأدوات المطورين، السكربتات، ولوحات CLI الحديثة.

رابط المشروع:
https://github.com/Textualize/rich

#Python #Rich #CLI #Terminal #DeveloperTools

تحدي بايثون: عدّ الكلمات

اكتب برنامجًا يطلب من المستخدم إدخال جملة، ثم يطبع:

- عدد الأحرف
- عدد الكلمات
- عدد مرات تكرار كل كلمة

Example Input

python is great and python is easy

Expected Output

Characters: 34
Words: 6
python: 2
is: 2
great: 1
and: 1
easy: 1

### الشروط
- اكتب الحل بنفسك

#Python #Challenge #PythonChallenge

إذا كنت تريد تشغيل أكثر من مهمة في نفس الوقت داخل برنامج Python، فمكتبة threading المدمجة تعتبر من أهم الأدوات التي يجب أن تعرفها.

هذه المكتبة تسمح لك بإنشاء Threads لتشغيل وظائف متعددة بشكل متزامن، وهي مفيدة جدًا في المهام التي تنتظر الشبكة أو الملفات أو أي عمليات I/O بدلًا من جعل البرنامج يتوقف وينتظر.

التثبيت:
لا تحتاج تثبيت، لأنها مدمجة داخل Python

مثال سريع:

import threading

def task(name):
    print(f"Hello from {name}")

t1 = threading.Thread(target=task, args=("Thread 1",))
t2 = threading.Thread(target=task, args=("Thread 2",))

t1.start()
t2.start()

t1.join()
t2.join()

تُستخدم كثيرًا في بناء أدوات أسرع وأكثر استجابة، خاصة عند التعامل مع الطلبات، التحميل، أو تنفيذ عدة مهام خفيفة معًا.

رابط التوثيق:
https://docs.python.org/3/library/threading.html

#Python #Threading #Concurrency #DeveloperTools