Задачи с LeetCode: Two Sum

Продолжаем делиться циклом видео, где автор решает различные задачи с LeetCode.

Дан массив целых чисел nums и целое число target. Найти индексы двух чисел, сумма которых равна target. Гарантируется, что такой ответ существует и каждый элемент используется не более одного раза.

Пример:

nums = [2, 7, 11, 15], target = 9
# Ответ: [0, 1], потому что nums[0] + nums[1] = 2 + 7 = 9

👀Смотреть видео

#видео

The Browser Company представила бета-версию своего нового браузера, ради которого оставила развитие Arc. Пока работает только на компьютерах Apple с чипом M1 и новее и macOS 14 или macOS 15.

В Dia на движке Chromium есть ИИ-ассистент — он может анализировать содержимое всех открытых вкладок, помогать с письмом и кодом и запоминать предпочтения и интересы пользователей

vc.ru/ai/2039312

Предлагаем список важнейших методов объектов, которыми необходимо владеть при программировании на JavaScript. Эти методы значительно облегчат вашу работу с объектами.

https://nsprg.ru/ObBa1O

VK: https://nsprg.ru/maJdLx

Дзен: https://nsprg.ru/vdBP2m

@nuancesprog #JavaScript

Контейнеры без Docker. Apple добавила поддержку Linux-контейнеров в macOS

В новой macOS 26 появилась встроенная утилита container, которая позволяет запускать Linux-проекты в изолированной среде без стороннего ПО.

Поддержка образов формата OCI, изоляция через лёгкую виртуализацию и удобная интеграция с macOS. Подходит для M-серии и уже работает в бета-версии.

rozetked.me/news/39792

Умный календарь из почты

Сделаем программу, которая из текста извлекает события, парсит дату и время, и сохраняет в .ics календарь. Его можно импортировать в Google Календарь или Apple Calendar. Суть программы довольно проста: dateparser распознает фразы вроде “завтра в 14:00” и превращает их в полноценные datetime-объекты.

#практика

Разбираемся с массивами в Python: кортежи

Недавно мы стали разбираться с массивами в Python и начали со списка. Настало время продолжения и торжественного выхода кортежа.

https://v.thecode.media/opscr

#лучшее_Код #разбор_Код

Основатель Microsoft Билл Гейтс впервые встретился с создателем Linux Линусом Торвальдсом. 📝 The Verge

#новости@iphonesru

Сбер представил обновленный инструмент GigaCode 2.0 для ускорения разработки. Он поддерживает 35 языков программирования

Как сообщил на конференции GigaConf старший вице-президент Сбера Андрей Белевцев, новая версия использует ансамбль нейросетей, включая GigaChat и специализированные модели для работы с кодом. Они были дообучены на актуальных данных и теперь способны генерировать до 40 подсказок в секунду, что в четыре раза быстрее, чем раньше.

Одна из главных особенностей GigaCode 2.0 — повышенное внимание к контексту кода. Это позволяет выдавать более точные и практически применимые рекомендации, особенно при работе с большими проектами. Существенно выросло и качество генерации кода: по международному стандарту LiveCodeBench точность решений увеличилась с 28 до 65%.

Кроме того, в новой версии доработана технология RAG (Retrieval Augmented Generation), которая помогает лучше учитывать специфику конкретного проекта и уменьшает количество ошибок. Например, использование устаревших методов или неправильного синтаксиса.

GigaCode 2.0 поддерживает более 35 языков программирования, включая Python, Java, JavaScript, Kotlin и C++, что делает его гибким инструментом для разных задач и команд.

https://www.iphones.ru/iNotes/sber-predstavil-obnovlennyy-instrument-dlya-uskoreniya-razrabotki-gigacode-20

#новости@iphonesru

🤖 Функция JSON_TABLE() в PostgreSQL 17.

Одним из очень полезных нововведений в PostgreSQL 17 стала функция JSON_TABLE(), которая предназначена для преобразования данных в формате JSON в табличный вид, что позволяет использовать их в SQL-запросах как обычную таблицу. Эта функция поддерживает сложные структуры JSON и позволяет извлекать данные из вложенных уровней, а также формировать реляционные представления.

Основные особенности JSON_TABLE():

📌 Использование в FROM-предложении: JSON_TABLE() можно использовать в FROM-предложении запроса SELECT, UPDATE, DELETE, а также как источник данных в MERGE-запросе;
📌 Извлечение данных: Функция использует JSON-путь (JSON path expression) для извлечения нужных данных из JSON-структуры;
📌 Формирование таблицы: С помощью COLUMNS-предложения можно задать структуру результирующей таблицы, указав, какие данные из JSON-объекта должны быть извлечены и каким образом.

Синтаксис будет таким:

JSON_TABLE (
context_item,
path_expression [AS json_path_name]
[PASSING {value AS varname} [, ...]]
COLUMNS (json_table_column [, ...])
[ {ERROR | EMPTY} ON ERROR ]
[PLAN (json_table_plan) | PLAN DEFAULT ({INNER | OUTER} [, {CROSS | UNION} ] | {CROSS | UNION} [, {INNER | OUTER} ])]
)

На первый взгляд кажется сложным. Давайте с этим разбираться.

context_item - это источник наших данных JSON/JSONB. Это может быть таблица, содержащая JSON данные;

path_expression - SQL или JSON выражение, определяющее запрос;

COLUMNS - определяет схему таблицы, в которую мы загружаем JSON. Т.е. здесь мы определяем в какие колонки какие JSON данные грузить.

Со всеми остальными параметрами функции более подробно можно ознакомиться в документации:

➡️ https://postgrespro.ru/docs/postgrespro/17/functions-json#FUNCTIONS-SQLJSON-TABLE

Примеры использования (из документации):

Предположим, у нас есть таблица my_films, где хранится JSON-данные:

CREATE TABLE my_films (js jsonb);
INSERT INTO my_films VALUES ('{"favorites": [{"kind": "comedy", "films": [{"title": "Bananas", "director": "Woody Allen"}, {"title": "The Dinner Game", "director": "Francis Veber"}]}, {"kind": "horror", "films": [{"title": "Psycho", "director": "Alfred Hitchcock"}]}, {"kind": "thriller", "films": [{"title": "Vertigo", "director": "Alfred Hitchcock"}]}, {"kind": "drama", "films": [{"title": "Yojimbo", "director": "Akira Kurosawa"}]}]}');

Используем JSON_TABLE() для извлечения жанра, названия и режиссера:

SELECT jt.*
FROM my_films,
JSON_TABLE (
js,
'$.favorites[*]'
COLUMNS (
id FOR ORDINALITY,
kind text PATH '$.kind',
NESTED PATH '$.films[*]' COLUMNS (
title text PATH '$.title',
director text PATH '$.director')
)
) AS jt;

Здесь у нас ещё присутствует параметр FOR ORDINALITY, который добавляет столбец с порядковым номером строки, а также NESTED PATH (вложенные пути) - позволяет извлекать данные из вложенных JSON-объектов или массивов.

С помощью параметров PASSING и FORMAT JSON мы можем извлечь JSON-данные и преобразовать их в строку:

SELECT jt.*
FROM my_films,
JSON_TABLE (
js,
'$.favorites[*]'
PASSING 'Alfred Hitchcock' AS filter
COLUMNS (
id FOR ORDINALITY,
kind text PATH '$.kind',
title text FORMAT JSON PATH '$.films[*].title' OMIT QUOTES,
director text PATH '$.films[*].director' KEEP QUOTES
)
) AS jt;

Функция JSON_TABLE() в PostgreSQL 17 - мощный инструмент для преобразования JSON-данных в реляционный формат. Она позволяет работать с вложенными структурами, извлекать нужные поля и формировать таблицы, которые можно использовать в SQL - запросах.

На этом все! До связи!

#pgjson

Авторы индекса TIOBE опубликовали июльский рейтинг популярных языков программирования. Первые восемь позиций рейтинга остались без изменений. Ada обогнал SQL, Perl и Fortran и занял 9-е место.

#разработка #статистика

Создание расширений на Rust

В данной статье автор делится своим опытом создания крупных расширений для реальных проектов. Это не вводная статья – она рассчитана на тех, кто уже умеет писать простые расширения с помощью Rust.

👉Читать статью

#статьи