Код для извлечения всех таблиц из HTML-файла и преобразование их в список списков на Python

Для извлечения всех таблиц из HTML-файла в коде используется библиотека BeautifulSoup4.

➡️Установка библиотек: pip install beautifulsoup4

from bs4 import BeautifulSoup


def extract_tables_from_file(file_path):
    # Открываем файл по указанному пути в режиме чтения с кодировкой UTF-8
    with open(file_path, 'r', encoding='utf-8') as file:
        # Читаем содержимое файла и сохраняем его в переменной html
        html = file.read()
        
    # Создаем объект BeautifulSoup для парсинга HTML-кода
    soup = BeautifulSoup(html, 'html.parser')
    # Инициализируем пустой список для хранения извлеченных таблиц
    tables = []
    # Находим все элементы <table> в HTML-документе
    for table in soup.find_all('table'):
        # Инициализируем пустой список для хранения строк текущей таблицы
        rows = []
        # Находим все строки <tr> в текущей таблице
        for row in table.find_all('tr'):
            # Извлекаем текст из всех ячеек <td> и <th>, убирая лишние пробелы
            cells = [cell.get_text(strip=True) for cell in row.find_all(['td', 'th'])]
            # Добавляем список ячеек в список строк
            rows.append(cells)
        # Добавляем список строк в общий список таблиц
        tables.append(rows)
    # Возвращаем список всех извлеченных таблиц
    return tables


# Вызываем функцию и выводим результат для файла 'example.html'
print(extract_tables_from_file('example.html'))

➡️Справочник Программиста. Подписаться

👀 Библиотека python-benedict в Python

Библиотека python-benedict предназначена для работы со словарями и предоставляет расширенные возможности по сравнению с обычными словарями.

Разработана, чтобы упростить манипуляции с данными, например, извлечение вложенных значений, работу с различными форматами данных (JSON, XML, YAML и др.) и многие другие полезные функции.

Основные возможности библиотеки:
🔵Поддержка вложенных ключей (с нотацией через точку).
🔵Получение значений с использованием значений по умолчанию.
🔵Поддержка различных форматов данных (JSON, XML, YAML, TOML, INI и др.).
🔵Преобразование данных между форматами.
🔵Методы для плоской иерархии данных.
🔵Слияние словарей.
🔵Поиск по значению в словаре.
🔵Глубокое копирование и клонирование словарей.
🔵Удаление ключей, включая вложенные.
🔵Встроенные методы для работы с URL и файловыми путями.
🔵Конвертация между словарем и строками форматов (например, JSON, YAML и т.д.).

➡️Установка библиотеки: pip install "python-benedict[all]"

📱 Репозиторий

➡️Справочник Программиста. Подписаться

👀 Библиотека latexify в Python

Библиотека latexify автоматически преобразует Python-функции и математические выражения в формат LaTeX. Это упрощает процесс создания математической документации или вывода выражений для использования в научных статьях, презентациях или других контекстах, где применяется LaTeX.

Основные возможности библиотеки:
🔵Автоматическое преобразование Python-функций в LaTeX-код.
🔵Поддержка базовых математических операций (сложение, вычитание, умножение, деление, возведение в степень).
🔵Поддержка математических функций (синус, косинус, логарифмы, экспоненты и т.д.).
🔵Генерация компактных LaTeX-выражений для сложных математических функций.
🔵Простая интеграция с научной документацией и презентациями на базе LaTeX.
🔵Поддержка работы с функциями нескольких переменных.

➡️Установка библиотеки: pip install latexify-py

📱 Репозиторий
⚙️ Документация

➡️Справочник Программиста. Подписаться

👀 Библиотека Injector в Python

Библиотека Injector предназначена для внедрения зависимостей. Это позволяет более гибко управлять зависимостями между компонентами приложения и улучшает тестируемость, модульность и поддержку кода.

Основные особенности библиотеки:
🔵Простота использования: предоставляет простой и интуитивно понятный интерфейс для определения зависимостей и их внедрения в классы и функции.
🔵Контейнеры зависимостей: использует контейнеры для управления зависимостями.
🔵Поддержка различных типов зависимостей: поддерживает как простые зависимости (например, класс или функция), так и более сложные (например, зависимости, требующие конфигурации или создания на лету).
🔵Поддержка аннотаций: возможность использовать аннотации Python для указания типов зависимостей, что делает код более читаемым и понятным.
🔵Тестирование: упрощает процесс тестирования, позволяя легко заменять зависимости на моки или заглушки.

➡️Установка библиотеки: pip install injector

📱 Репозиторий
⚙️ Документация

➡️Справочник Программиста. Подписаться

Код для получения информации о стране по её коду на Python

Для получения информации о стране по её коду мы используем специальный API, а для работы с ним - библиотеку requests.

➡️Установка библиотеки: pip install requests

import requests


def get_country_info(country_code):
    # Формируем URL для API с использованием кода страны
    url = f"https://restcountries.com/v3.1/alpha/{country_code}"
    response = requests.get(url)  # Выполняем GET-запрос к API
    
    # Проверяем, успешен ли запрос (код 200)
    if response.status_code == 200:
        # Преобразуем ответ в формат JSON
        country_data = response.json()
        
        # Проверяем, что данные - это список и он не пуст
        if isinstance(country_data, list) and len(country_data) > 0:
            # Получаем первую запись из списка данных о стране
            country_info = country_data[0]
            # Извлекаем общее название страны
            name = country_info['name']['common']
            # Извлекаем столицу, если она известна
            capital = country_info['capital'][0] if 'capital' in country_info else 'Unknown'
            # Извлекаем население, если оно известно
            population = country_info['population'] if 'population' in country_info else 'Unknown'
            # Извлекаем площадь, если она известна
            area = country_info['area'] if 'area' in country_info else 'Unknown'

            print(f"Страна: {name}")  # Выводим название страны
            print(f"Столица: {capital}")  # Выводим столицу страны
            print(f"Население: {population}")  # Выводим население страны
            print(f"Площадь: {area} квадратных километров")  # Выводим площадь страны в квадратных километрах
        else:
            # Сообщаем об ошибке, если данные отсутствуют
            print(f"Ошибка: Не удалось получить информацию для кода страны {country_code}")
    else:
        # Сообщаем об ошибке, если запрос не успешен
        print(f"Ошибка: Не удалось получить информацию для кода страны {country_code}")


# Вызываем функцию для получения информации о стране с кодом 'IT' (Италия)
get_country_info('IT')

➡️Справочник Программиста. Подписаться

👀 Библиотека Hupper в Python

Библиотека Hupper предназначена для автоматической перезагрузки процесса во время разработки.

Наблюдает за файлами в проекте и автоматически перезапускает приложение, когда в коде происходят изменения.

Основные возможности библиотеки:
🔵Автоматическая перезагрузка: отслеживает изменения в файлах и перезапускает приложение при обнаружении любых изменений.
🔵Отслеживание зависимостей: может отслеживать не только файлы проекта, но и зависимости, такие как модули и библиотеки, что позволяет более точно определять, когда требуется перезагрузка.
🔵Поддержка разных ОС: работает на Windows, macOS и Linux.
🔵Лёгкая интеграция: можно легко интегрировать с проектами на Python, включая веб-фреймворки (например, Pyramid).

➡️Установка библиотеки: pip install hupper

📱 Репозиторий
⚙️ Документация

➡️Справочник Программиста. Подписаться

🖼Код для получения изображений по запросу с сайта Pexels на Python

Для получения изображений мы будем использовать Pexels API. Получить API key можно на официальном сайте (это бесплатно, дело 5 секунд).

Для обращения к API в коде используется библиотека requests.

➡️Установка библиотеки: pip install requests

import requests

# Указываем API-ключ для доступа к Pexels
API_KEY = "YOUR_PEXELS_API_KEY"
# Определяем базовый URL для поиска изображений в Pexels
BASE_URL = "https://api.pexels.com/v1/search"


def search_images(query, per_page=10, page=1):
    """
    Функция для поиска изображений на Pexels по ключевому слову.

    :param query: Ключевое слово для поиска.
    :param per_page: Количество изображений на странице (макс. 80).
    :param page: Номер страницы результатов.
    :return: Список ссылок на изображения.
    """
    headers = {
        "Authorization": API_KEY  # Устанавливаем заголовок авторизации с API-ключом
    }
    params = {
        "query": query,  # Ключевое слово для поиска изображений
        "per_page": per_page,  # Количество изображений на странице
        "page": page  # Номер страницы результатов
    }
    # Отправляем GET-запрос к API Pexels
    response = requests.get(BASE_URL, headers=headers, params=params)

    # Проверяем, успешен ли запрос (код 200)
    if response.status_code == 200:
        # Преобразуем ответ в формат JSON
        data = response.json()
        # Извлекаем список фотографий из ответа
        photos = data.get("photos", [])
        # Получаем ссылки на изображения среднего размера
        image_urls = [photo["src"]["medium"] for photo in photos]
        # Возвращаем список ссылок на изображения
        return image_urls
    else:
        # Выводим сообщение об ошибке, если запрос не успешен
        print(f"Ошибка: {response.status_code}")
        # Возвращаем пустой список в случае ошибки
        return []


# Пример использования
# Ищем изображения по запросу "hacker", ограничивая до 5 изображений
images = search_images("hacker", per_page=5)
print("Найденные изображения:")
# Проходим по всем найденным ссылкам на изображения
for img_url in images:
    # Выводим каждую ссылку на изображение
    print(img_url)

➡️Справочник Программиста. Подписаться

👀 Библиотека h11 в Python

Библиотека h11 предназначена для работы с протоколом HTTP/1.1 на низком уровне.

Реализует HTTP без использования сокетов или сетевых операций, что позволяет работать с сетевым кодом более детально и настраиваемо. Обрабатывает только логику протокола HTTP/1.1, оставляя все сетевые операции на усмотрение пользователя.

Основные особенности библиотеки
🔵Чистая реализация HTTP/1.1: h11 — это библиотека для построения синхронных и асинхронных HTTP-клиентов и серверов с нуля, без каких-либо дополнительных зависимостей, отвечающих за сокеты или события.
🔵Работа на низком уровне: предоставляет только логику, отвечающую за чтение и запись HTTP-заголовков, тела запроса и ответа, обработку chunked-трансфера, а также управление состояниями протокола. Это требует от разработчика понимания работы с сокетами и событийными циклами, что делает её подходящей для продвинутых пользователей.
🔵Состояния и события: управляет состоянием соединения с помощью конечного автомата, позволяя легко обрабатывать и отслеживать состояние соединения.
🔵Совместимость с асинхронными и синхронными библиотеками: хотя h11 сама по себе не асинхронная, она отлично интегрируется с asyncio, trio или curio, так как не накладывает ограничений на способ работы с сокетами.

➡️Установка библиотеки: pip install h11

📱 Репозиторий
⚙️ Документация

➡️Справочник Программиста. Подписаться

📄 Код для удаления метаданных Word-документа на Python

Для удаления метаданных из Word-документа в коде используется модуль zipfile.

import zipfile


def remove_docx_metadata(doc_path):
    # Создаём имя для нового документа без метаданных
    cleaned_doc_path = f"cleaned_{doc_path}"

    # Открываем исходный .docx файл как zip-архив для чтения и создаём новый zip-архив для записи
    with zipfile.ZipFile(doc_path, 'r') as src, zipfile.ZipFile(cleaned_doc_path, 'w') as dst:
        # Проходимся по всем элементам в исходном архиве
        for item in src.infolist():
            # Проверяем, не является ли элемент метаданными, которые нужно удалить
            if item.filename not in ["docProps/core.xml", "docProps/app.xml", "docProps/custom.xml"]:
                # Если элемент не является метаданными, записываем его в новый архив
                dst.writestr(item, src.read(item.filename))

    # Выводим сообщение о том, что документ сохранён без метаданных
    print(f"Документ сохранён без метаданных: {cleaned_doc_path}")


# Указываем путь к исходному документу .docx
doc_path = 'example.docx'
# Вызываем функцию для удаления метаданных из указанного документа
remove_docx_metadata(doc_path)

➡️Справочник Программиста. Подписаться