# pip install fastapi uvicorn

from fastapi import FastAPI, HTTPException
import random
import string

app = FastAPI()


@app.get("/generate")
def generate_password(length: int = 12):
    if length < 6:
        raise HTTPException(status_code=400,
                            detail="Минимальная длина пароля"
                                   "– 6 символов")
    chars = string.ascii_letters + string.digits + string.punctuation
    password = "".join(random.choice(chars) for _ in range(length))
    return {"password": password}

from pathlib import Path
import shutil
import sqlite3


def get_chrome_history(output_file="history.txt"):
    # Определяем путь к файлу истории браузера Chrome
    history_db = Path.home() / "AppData/Local/Google/Chrome/User Data/Default/History"
    temp_db = Path("temp_history.db")  # Временная копия файла истории

    # Копируем файл истории, так как Chrome блокирует доступ к оригиналу
    shutil.copy2(history_db, temp_db)

    # SQL-запрос для извлечения данных: URL, заголовок, количество посещений
    query = """
    SELECT url, title, visit_count 
    FROM urls 
    ORDER BY last_visit_time DESC
    """
    
    # Определяем путь к выходному файлу
    output_path = Path(output_file)

    try:
        # Открываем соединение с копией базы данных
        conn = sqlite3.connect(temp_db)
        cursor = conn.execute(query)  # Выполняем SQL-запрос

        # Открываем файл для записи истории
        with output_path.open("w", encoding="utf-8") as f:
            for url, title, visit_count in cursor:
                # Записываем информацию о посещённых сайтах в файл
                f.write(f"URL: {url}\nTitle: {title}\nVisits: {visit_count}\n\n")

        conn.close()  # Явно закрываем соединение с базой данных

    finally:
        # Удаляем временный файл базы данных, даже если возникла ошибка
        temp_db.unlink(missing_ok=True)
    # Выводим сообщение об успешном сохранении
    print(f"История сохранена в {output_path}")


# Вызываем функцию
get_chrome_history()

import cv2
import torch


def detect_objects(image_path):
    # Загружаем предобученную модель YOLOv5s
    model = torch.hub.load("ultralytics/yolov5", "yolov5s", pretrained=True)

    # Считываем изображение с диска
    image = cv2.imread(image_path)

    # Преобразуем изображение из формата BGR в RGB, т.к. модель YOLOv5 работает с RGB
    image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)

    # Передаём изображение в модель для детекции объектов
    results = model(image)

    # Отображаем изображение с выделенными объектами
    results.show()


# Запрашиваем у пользователя путь к изображению
image_path = input("Введите путь к изображению: ")

# Вызываем функцию обнаружения объектов
detect_objects(image_path)

from moviepy.editor import *

# Загружаем видеофайл
video = VideoFileClip(r"Путь к видео")

# Извлекаем аудио из видео
audio = video.audio

# Сохраняем аудио
audio.write_audiofile("audio.mp3")