Библиотека Kombu в Python

Библиотека Kombu предназначенная для работы с сообщениями и очередями сообщений.

Она часто используется вместе с Celery для обработки задач асинхронно, но может использоваться и автономно.

Основные особенности библиотеки:
🔵Унифицированный интерфейс: Предоставляет единый API для работы с различными брокерами сообщений, такими как RabbitMQ, Redis, Amazon SQS и другими. Это позволяет легко переключаться между различными системами доставки сообщений без изменения кода приложения.
🔵Обмены и очереди: Поддерживает создание и управление обменами (exchanges) и очередями (queues), а также связывание их для маршрутизации сообщений.
🔵Серилизация: Поддерживает различные форматы сериализации сообщений, включая JSON, pickle, msgpack, и другие. Это позволяет легко передавать сложные объекты между различными компонентами системы.
🔵Управление подключениями: Умеет эффективно управлять подключениями к брокеру сообщений, автоматически восстанавливая их в случае разрыва.
🔵Асинхронная работа: Поддержка асинхронной работы, что позволяет интегрировать Kombu с асинхронными фреймворками, такими как asyncio.

➡️Установка библиотеки: pip install kombu

📱 Репозиторий
⚙️ Документация

➡️Справочник Программиста. Подписаться

Код для извлечения всех списков из HTML-файла на Python

Для парсинга и работы с HTML-файлом в коде используется библиотека beautifulsoup4.

➡️Установка библиотеки: pip install beautifulsoup4

from bs4 import BeautifulSoup


def read_html_file(file_path):
    with open(file_path, 'r', encoding='utf-8') as file:
        # Читаем содержимое файла и возвращаем его
        return file.read()


def extract_list_items(list_tag):
    # Извлекаем текст из всех тегов <li> внутри указанного тега списка
    return [li.get_text().strip() for li in list_tag.find_all('li')]


def extract_lists_from_html(html_doc):
    # Создаем объект BeautifulSoup
    soup = BeautifulSoup(html_doc, 'html.parser')
    # Находим все теги <ul> (неупорядоченные списки)
    unordered_lists = soup.find_all('ul')
    # Находим все теги <ol> (упорядоченные списки)
    ordered_lists = soup.find_all('ol')

    all_list_items = {
        'unordered_lists': [extract_list_items(ul) for ul in unordered_lists],  # Извлекаем элементы из всех неупорядоченных списков
        'ordered_lists': [extract_list_items(ol) for ol in ordered_lists]  # Извлекаем элементы из всех упорядоченных списков
    }
    # Возвращаем словарь со всеми извлеченными списками
    return all_list_items


def print_extracted_lists(all_list_items):
    print("Неупорядоченные списки:")
    for i, ul_items in enumerate(all_list_items['unordered_lists'], start=1):
        # Выводим содержимое каждого неупорядоченного списка
        print(f"Список {i}: {ul_items}")

    print("\nУпорядоченные списки:")
    for i, ol_items in enumerate(all_list_items['ordered_lists'], start=1):
        # Выводим содержимое каждого упорядоченного списка
        print(f"Список {i}: {ol_items}")


def main(html_file_path):
    try:
        # Читаем HTML-файл
        html_doc = read_html_file(html_file_path)
        # Извлекаем списки из HTML
        all_list_items = extract_lists_from_html(html_doc)
        # Выводим извлечённые списки
        print_extracted_lists(all_list_items)
    except Exception as e:
        # Выводим сообщение об ошибке, если что-то пошло не так
        print(f"Произошла ошибка: {e}")


if __name__ == "__main__":
    html_file_path = 'index.html'
    # Вызываем функцию main с указанным путем к HTML-файлу
    main(html_file_path)

➡️Справочник Программиста. Подписаться

Библиотека argcomplete в Python

Библиотека argcomplete предназначена для автоматического дополнения аргументов командной строки в Python.

Она интегрируется с argparse и позволяет добавлять поддержку автодополнения в свои командные утилиты.

➡️Установка библиотеки: pip install argcomplete

📱 Репозиторий
⚙️ Документация

📺 Разбор модуля argparse в Python

➡️Справочник Программиста. Подписаться

Код для слияния нескольких Word-документов на Python

Для работы с Word-документами в коде используется библиотека python-docx.

➡️Установка библиотеки: pip install python-docx

from docx import Document


def merge_docs(output, *files):
    # Создаем новый пустой Word-документ
    merged_doc = Document()
    # Проходимся по каждому входному файлу
    for file in files:
        # Открываем текущий входной файл как документ Word
        doc = Document(file)
        # Проходимся по каждому элементу тела документа
        for element in doc.element.body:
            # Добавляем элемент в тело выходного документа
            merged_doc.element.body.append(element)
    # Сохраняем объединенный документ в указанный выходной файл
    merged_doc.save(output)


merge_docs('output.docx', '1.docx', '2.docx', '3.docx')

➡️Справочник Программиста. Подписаться

Библиотека pyspellchecker в Python

Библиотека pyspellchecker предназначена для проверки орфографии и исправления ошибок в текстах.

Предоставляет простой и эффективный способ обнаружения и исправления опечаток и других орфографических ошибок в текстовых данных.

Основные возможности библиотеки:
🔵Обнаружение ошибок: Выявление слов с орфографическими ошибками.
🔵Исправление ошибок: Предложение корректных вариантов для слов с ошибками.
🔵Работа с несколькими языками: Поддержка различных языков, что позволяет использовать библиотеку для текстов на разных языках.
🔵Эффективность и быстродействие: Использование алгоритма Levenshtein Distance для эффективного поиска и исправления ошибок.

✅Пример кода

from spellchecker import SpellChecker

# Создание объекта SpellChecker для английского языка
spell = SpellChecker()

# Текст для проверки
text = "Ths is a smple txt with sme speling errors."

# Разделение текста на слова
words = text.split()

# Проверка каждого слова на ошибки
misspelled = spell.unknown(words)

# Исправление ошибок
for word in misspelled:
    # Получение наиболее вероятного исправления
    correct_word = spell.correction(word)
    print(f"'{word}' может быть исправлено на '{correct_word}'")

    # Получение списка возможных исправлений
    suggestions = spell.candidates(word)
    print(f"Возможные исправления для '{word}': {suggestions}")

➡️Установка библиотеки: pip install pyspellchecker

📱 Репозиторий
⚙️ Документация

➡️Справочник Программиста. Подписаться

Код для поиска и замены текста в Word на Python

Для работы с Word-документом в коде используется библиотека python-docx.

➡️Установка библиотеки: pip install python-docx

from docx import Document


def replace_text(doc, search, replace):
    # Проходимся по всем параграфам документа
    for p in doc.paragraphs:
        # Если в тексте параграфа есть искомое слово
        if search in p.text:
            # Заменяем искомое слово на новое
            p.text = p.text.replace(search, replace)
    # Проходимся по всем таблицам в документе
    for table in doc.tables:
        # Проходимся по всем строкам в таблице
        for row in table.rows:
            # Проходимся по всем ячейкам в строке
            for cell in row.cells:
                # Рекурсивно вызываем функцию replace_text для каждой ячейки
                replace_text(cell, search, replace)


doc = Document('example.docx')
# Вызываем функцию replace_text для замены слова 'old_text' на 'new_text' в документе
replace_text(doc, 'old_text', 'new_text')
# Сохраняем измененный документ под именем 'replaced_text.docx'
doc.save('replaced_text.docx')

➡️Справочник Программиста. Подписаться

Библиотека Mediapipe в Python

Библиотека Mediapipe позволяет реализовывать сложные алгоритмы обработки мультимедийных данных, таких как изображения и видео, в реальном времени.

Используется для выполнения таких задач, как обнаружение лиц, отслеживание движений, сегментация объектов и многое другое.

Основные возможности библиотеки:
🔵Обнаружение лица и отслеживание: Позволяет определять местоположение лица на изображении или видео, а также отслеживать его движения.
🔵Отслеживание рук: Позволяет обнаруживать и отслеживать положения рук и пальцев в реальном времени, что полезно для жестового ввода и других взаимодействий.
🔵Поза человека: Позволяет определять ключевые точки тела и отслеживать их, что полезно для приложений в области фитнеса и здравоохранения.
🔵Сегментация объектов: Разделяет изображение или видео на различные объекты или сегменты, такие как люди, транспортные средства, животные и т.д.
🔵Оценка глубины: Позволяет определять глубину объектов на изображении, что полезно для приложений дополненной реальности.

➡️Установка библиотеки: pip install mediapipe

📱 Репозиторий
⚙️ Документация

➡️Справочник Программиста. Подписаться

Код для размытия фона изображения на Python

Для обработки изображения в коде используется библиотека OpenCV, а для распознавания человека на изображении - Mediapipe. Также необходима установка numpy.

➡️Установка библиотек: pip install opencv-python mediapipe numpy

import cv2
import mediapipe as mp
import numpy as np

# Инициализация Mediapipe Selfie Segmentation
mp_selfie_segmentation = mp.solutions.selfie_segmentation

# Загрузка изображения
image_path = 'image.png'
image = cv2.imread(image_path)
height, width, _ = image.shape

# Создание копии изображения для размывания фона
blurred_image = cv2.GaussianBlur(image, (21, 21), 0)

# Инициализация Selfie Segmentation
with mp_selfie_segmentation.SelfieSegmentation(model_selection=1) as selfie_segmentation:
    # Обработка изображения
    results = selfie_segmentation.process(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))

    # Создание маски для области человека
    mask = results.segmentation_mask > 0.5
    mask = mask.astype(np.uint8) * 255

    # Инвертирование маски для фона
    background_mask = cv2.bitwise_not(mask)

    # Извлечение фона и размывание его
    background_blurred = cv2.bitwise_and(blurred_image, blurred_image, mask=background_mask)

    # Извлечение человека из исходного изображения
    person = cv2.bitwise_and(image, image, mask=mask)

    # Объединение размытого фона и человека
    final_image = cv2.add(background_blurred, person)

# Сохранение результата
output_path = 'output.jpg'
cv2.imwrite(output_path, final_image)

cv2.waitKey(0)
cv2.destroyAllWindows()

➡️Справочник Программиста. Подписаться

Код для извлечения таблиц из HTML-файла на Python

Для парсинга и работы с HTML-файлом в коде используется библиотека beautifulsoup4, а для удобного вывода таблицы - pandas.

➡️Установка библиотеки: pip install beautifulsoup4 pandas

from bs4 import BeautifulSoup
import pandas as pd

# Считываем содержимое HTML-файла
with open('index.html', 'r', encoding='utf-8') as file:
    html_content = file.read()

# Парсим содержимое HTML-файла
soup = BeautifulSoup(html_content, 'html.parser')

# Извлекаем все таблицы
tables = soup.find_all('table')

for i, table in enumerate(tables):
    # Извлекаем заголовки таблицы
    headers = [header.text for header in table.find_all('th')]

    # Извлекаем строки таблицы
    rows = []
    for row in table.find_all('tr')[1:]:
        cells = [cell.text for cell in row.find_all('td')]
        rows.append(cells)

    # Создаём DataFrame
    df = pd.DataFrame(rows, columns=headers)

    print(f"Таблица {i + 1}:")
    print(df)
    print("\n")

➡️Справочник Программиста. Подписаться

📄 Код для добавления нижнего колонтитула в Word на Python

Для работы с docx-файлами в коде используется библиотека python-docx.

➡️Установка модулей: pip install python-docx

from docx import Document
from docx.shared import Pt, Inches

# Открываем существующий документ
doc = Document('example.docx')

# Добавляем нижний колонтитул на первую секцию документа
section = doc.sections[0]
footer = section.footer

# Добавляем параграф с нижним колонтитулом
paragraph = footer.add_paragraph()

# Настраиваем текст нижнего колонтитула
run = paragraph.add_run('Это нижний колонтитул')
run.font.size = Pt(10)  # Размер шрифта
run.font.name = 'Times New Roman'  # Шрифт
paragraph.alignment = 1  # Выравнивание: 0 - левое, 1 - центр, 2 - правое

# Устанавливаем отступы
paragraph.paragraph_format.left_indent = Inches(0.5)
paragraph.paragraph_format.right_indent = Inches(0.5)

# Сохраняем изменения
doc.save('example_with_footer.docx')

➡️Справочник Программиста. Подписаться