Сортировка HTML-элементов по названию
С помощью метода find_all мы можем сортировать все элементы, которые соответствуют некоторым критериям.
#theory // Just Python
С помощью метода find_all мы можем сортировать все элементы, которые соответствуют некоторым критериям.
#theory // Just Python
Сортировка HTML-элементов по CSS-селектору
С помощью методов select и select_one мы можем использовать некоторые селекторы CSS для сортировки элементов.
#theory // Just Python
С помощью методов select и select_one мы можем использовать некоторые селекторы CSS для сортировки элементов.
#theory // Just Python
Создания декораторов с помощью декоратора @wraps
В этом примере мы используем модуль functools и декоратор @wraps, чтобы создать декоратор my_decorator. Декоратор @wraps применяется к внутренней функции wrapper и копирует метаданные (имя функции, документацию и др.) из декорируемой функции func. Это полезно, чтобы сохранить исходные атрибуты функции и предотвратить их затирание. В примере мы декорируем функцию my_function с помощью @my_decorator и выполняем ее.
#theory // Just Python
В этом примере мы используем модуль functools и декоратор @wraps, чтобы создать декоратор my_decorator. Декоратор @wraps применяется к внутренней функции wrapper и копирует метаданные (имя функции, документацию и др.) из декорируемой функции func. Это полезно, чтобы сохранить исходные атрибуты функции и предотвратить их затирание. В примере мы декорируем функцию my_function с помощью @my_decorator и выполняем ее.
#theory // Just Python
Модуль concurrent.futures для параллельного выполнения задач
В этом примере мы используем модуль concurrent.futures для параллельного выполнения функции square над элементами списка numbers. Мы создаем пул потоков с помощью ThreadPoolExecutor и используем метод map для передачи каждого элемента из списка в функцию square. Результаты возвращаются в том порядке, в котором задачи были отправлены. Аналогично, мы можем использовать пул процессов с помощью ProcessPoolExecutor для выполнения задач в отдельных процессах.
#theory // Just Python
В этом примере мы используем модуль concurrent.futures для параллельного выполнения функции square над элементами списка numbers. Мы создаем пул потоков с помощью ThreadPoolExecutor и используем метод map для передачи каждого элемента из списка в функцию square. Результаты возвращаются в том порядке, в котором задачи были отправлены. Аналогично, мы можем использовать пул процессов с помощью ProcessPoolExecutor для выполнения задач в отдельных процессах.
#theory // Just Python
метод remove() - помощь в удаление элемента из списка
Списк состоит из строк и целых чисел. Есть повторяющиеся элементы: строка «Mars» и число 12. Задаём отрезок и с помощью метода remove чистим список.
#theory // Just Python
Списк состоит из строк и целых чисел. Есть повторяющиеся элементы: строка «Mars» и число 12. Задаём отрезок и с помощью метода remove чистим список.
#theory // Just Python
Метод del
Для удаления элемента из списка можно использовать метод del с названием списка после него. Также потребуется передать индекс того элемента, который нужно удалить.
#theory // Just Python
Для удаления элемента из списка можно использовать метод del с названием списка после него. Также потребуется передать индекс того элемента, который нужно удалить.
#theory // Just Python
Enum перечисления
Этот класс можно назвать удобным способом инкапсуляции списка констант, чтобы они не были разбросаны по всему коду без структуры.
#theory // Just Python
Этот класс можно назвать удобным способом инкапсуляции списка констант, чтобы они не были разбросаны по всему коду без структуры.
#theory // Just Python
Как удалить элемент из списка с помощью индекса в Python
Для удаления элемента по индексу используйте pop(). Для этого также подойдет ключевое слово del.
#theory // Just Python
Для удаления элемента по индексу используйте pop(). Для этого также подойдет ключевое слово del.
#theory // Just Python
Перебор списка с помощью цикла for
Цикл for один из самых основных элементов в Python. Список и кортеж – повторяемые объекты. Мы можем использовать цикл для перебора их элементов.
#theory // Just Python
Цикл for один из самых основных элементов в Python. Список и кортеж – повторяемые объекты. Мы можем использовать цикл для перебора их элементов.
#theory // Just Python
Использование reversed()
Функция reversed() позволяет получить обратный порядок элементов в списке.
В этом примере мы используем функцию reversed() для получения списка чисел в обратном порядке.
#theory // Just Python
Функция reversed() позволяет получить обратный порядок элементов в списке.
В этом примере мы используем функцию reversed() для получения списка чисел в обратном порядке.
#theory // Just Python
Аннотации типов (type hints) для улучшения читаемости кода
В этом примере мы используем аннотации типов для функций add и greet. Указываем типы аргументов и возвращаемое значение после двоеточия (:). Такие аннотации улучшают читаемость кода, помогают разработчику понимать ожидаемые типы данных и могут быть использованы средами разработки для статического анализа кода и автодополнения.
#theory // Just Python
В этом примере мы используем аннотации типов для функций add и greet. Указываем типы аргументов и возвращаемое значение после двоеточия (:). Такие аннотации улучшают читаемость кода, помогают разработчику понимать ожидаемые типы данных и могут быть использованы средами разработки для статического анализа кода и автодополнения.
#theory // Just Python
Модуль subprocess
В этом примере мы используем модуль subprocess для выполнения внешних команд. Мы используем функцию subprocess.run для выполнения команды и получения результатов ее работы. Метод capture_output=True позволяет перехватить вывод команды, а text=True указывает, что вывод нужно интерпретировать как текст. Метод input позволяет передать входные данные для команды.
#theory // Just Python
В этом примере мы используем модуль subprocess для выполнения внешних команд. Мы используем функцию subprocess.run для выполнения команды и получения результатов ее работы. Метод capture_output=True позволяет перехватить вывод команды, а text=True указывает, что вывод нужно интерпретировать как текст. Метод input позволяет передать входные данные для команды.
#theory // Just Python
Декораторы классов
В этом примере мы определяем декоратор add_hello, который добавляет вывод "Hello!" перед вызовом метода greet в классе MyClass. Мы применяем декоратор к методу greet с помощью @add_hello, и теперь при вызове obj.greet(), помимо обычного приветствия, будет также выведено "Hello!".
#theory // Just Python
В этом примере мы определяем декоратор add_hello, который добавляет вывод "Hello!" перед вызовом метода greet в классе MyClass. Мы применяем декоратор к методу greet с помощью @add_hello, и теперь при вызове obj.greet(), помимо обычного приветствия, будет также выведено "Hello!".
#theory // Just Python
В 2025-м можно зарабатывать, просто зная, как общаться с нейросетями.
AI-ассистенты уже стали стандартом – от фриланса и малого бизнеса до мировых корпораций уровня Google и Яндекс. А в России они становятся ещё доступнее: благодаря нейросети GigaChat можно легально и выгодно создавать AI-ассистентов, не нарушая новый закон о персональных данных.
На бесплатном эфире от Зерокодер ты узнаешь, как создать AI-ассистента за вечер — и как начать получать с этого доход.
Что будет на эфире?
– Разберём, что такое AI-ассистенты и зачем они нужны в 2025 году;
– Научимся работать в нашумевшем Cursor и расскажем, почему он доступен и полезен не только представителям IT-сферы;
– Покажем и разберем множество примеров AI-ассистентов, создавать которых теперь можно без знания кода: для себя, своих проектов или на заказ;
– Расскажем, где использовать AI-агентов в реальных задачах — от фриланса до автоматизации бизнеса.
Все участники получат готовые инструменты для работы с нейросетями. Эфир подойдет всем, кто хочет сэкономить время, монетизировать навыки и оставаться в тренде технологий 2025 года.
Один из самых свежих и бесплатных эфиров лета 2025 года ждет вас по ссылке.
AI-ассистенты уже стали стандартом – от фриланса и малого бизнеса до мировых корпораций уровня Google и Яндекс. А в России они становятся ещё доступнее: благодаря нейросети GigaChat можно легально и выгодно создавать AI-ассистентов, не нарушая новый закон о персональных данных.
На бесплатном эфире от Зерокодер ты узнаешь, как создать AI-ассистента за вечер — и как начать получать с этого доход.
Что будет на эфире?
– Разберём, что такое AI-ассистенты и зачем они нужны в 2025 году;
– Научимся работать в нашумевшем Cursor и расскажем, почему он доступен и полезен не только представителям IT-сферы;
– Покажем и разберем множество примеров AI-ассистентов, создавать которых теперь можно без знания кода: для себя, своих проектов или на заказ;
– Расскажем, где использовать AI-агентов в реальных задачах — от фриланса до автоматизации бизнеса.
Все участники получат готовые инструменты для работы с нейросетями. Эфир подойдет всем, кто хочет сэкономить время, монетизировать навыки и оставаться в тренде технологий 2025 года.
Один из самых свежих и бесплатных эфиров лета 2025 года ждет вас по ссылке.
Модуль unittest или библиотека pytest для написания и автоматического тестирования кода
В этих примерах мы используем модуль unittest и библиотеку pytest для написания и запуска тестов нашего кода. В обоих случаях мы определяем функцию add, которую хотим протестировать, и функции тестов для проверки ее работоспособности. В unittest мы создаем класс TestAddFunction и определяем в нем метод test_add, который содержит утверждения с помощью self.assertEqual. В pytest тестовая функция просто использует утверждения assert.
#theory // Just Python
В этих примерах мы используем модуль unittest и библиотеку pytest для написания и запуска тестов нашего кода. В обоих случаях мы определяем функцию add, которую хотим протестировать, и функции тестов для проверки ее работоспособности. В unittest мы создаем класс TestAddFunction и определяем в нем метод test_add, который содержит утверждения с помощью self.assertEqual. В pytest тестовая функция просто использует утверждения assert.
#theory // Just Python
Модуль pickle
В этом примере мы используем модуль pickle для сериализации объекта data (словарь) в байтовую строку с помощью pickle.dumps. Затем мы десериализуем байтовую строку обратно в объект с помощью pickle.loads и получаем исходный словарь.
#theory // Just Python
В этом примере мы используем модуль pickle для сериализации объекта data (словарь) в байтовую строку с помощью pickle.dumps. Затем мы десериализуем байтовую строку обратно в объект с помощью pickle.loads и получаем исходный словарь.
#theory // Just Python
Модуль asyncio для асинхронной работы с сетью и вводом-выводом
В этом примере мы используем модуль asyncio для асинхронного выполнения трех задач, которые имитируют запросы к разным URL-адресам. Мы определяем асинхронную функцию fetch_data, которая ожидает выполнения ввода-вывода (в данном случае, ожидание 2 секунды с помощью await asyncio.sleep(2)). Затем мы используем asyncio.gather для параллельного выполнения всех трех задач в функции main.
#theory // Just Python
В этом примере мы используем модуль asyncio для асинхронного выполнения трех задач, которые имитируют запросы к разным URL-адресам. Мы определяем асинхронную функцию fetch_data, которая ожидает выполнения ввода-вывода (в данном случае, ожидание 2 секунды с помощью await asyncio.sleep(2)). Затем мы используем asyncio.gather для параллельного выполнения всех трех задач в функции main.
#theory // Just Python
Без всяких обещалок.
Но вот факт: подписчик тупо повторил за чуваком из телеги.
Один вечер. Одна сделка. 37 500₽ вывел.
Это не “стань трейдером”. Это просто “вот ссылка — нажми туда же”.
Работает тупо потому, что ты ничего не выдумываешь.
Канал пока открыт. Можешь зайти и сам всё увидеть: https://t.me/+I9D4ChmbVyhkNjRi
Но вот факт: подписчик тупо повторил за чуваком из телеги.
Один вечер. Одна сделка. 37 500₽ вывел.
Это не “стань трейдером”. Это просто “вот ссылка — нажми туда же”.
Работает тупо потому, что ты ничего не выдумываешь.
Канал пока открыт. Можешь зайти и сам всё увидеть: https://t.me/+I9D4ChmbVyhkNjRi
Асинхронные библиотеки, такие как aiohttp, для эффективной работы с сетью в асинхронном режиме
В этом примере мы используем асинхронную библиотеку aiohttp для выполнения асинхронных запросов к разным URL-адресам и получения данных в формате JSON. Мы определяем асинхронную функцию fetch_data, которая использует aiohttp.ClientSession() для создания сессии и session.get(url) для выполнения асинхронного GET-запроса. Затем мы используем await response.json() для получения данных из ответа в формате JSON.
#theory // Just Python
В этом примере мы используем асинхронную библиотеку aiohttp для выполнения асинхронных запросов к разным URL-адресам и получения данных в формате JSON. Мы определяем асинхронную функцию fetch_data, которая использует aiohttp.ClientSession() для создания сессии и session.get(url) для выполнения асинхронного GET-запроса. Затем мы используем await response.json() для получения данных из ответа в формате JSON.
#theory // Just Python
Модуль logging для логирования ошибок и событий в вашей программе
В этом примере мы используем модуль logging для логирования ошибки деления на ноль. Мы настраиваем логирование с помощью logging.basicConfig и указываем уровень логирования (level=logging.DEBUG), формат сообщений (format='%(asctime)s - %(levelname)s - %(message)s') и файл, в который будут записаны логи (filename='app.log'). Затем мы используем логирование в функции divide для записи информации об успешном делении или ошибке деления на ноль.
#theory // Just Python
В этом примере мы используем модуль logging для логирования ошибки деления на ноль. Мы настраиваем логирование с помощью logging.basicConfig и указываем уровень логирования (level=logging.DEBUG), формат сообщений (format='%(asctime)s - %(levelname)s - %(message)s') и файл, в который будут записаны логи (filename='app.log'). Затем мы используем логирование в функции divide для записи информации об успешном делении или ошибке деления на ноль.
#theory // Just Python