⚙️ Библиотека Python: globre

globre — это небольшая, но мощная библиотека для гибкой фильтрации путей и строк с помощью расширенных glob-шаблонов, включая **, *, ? и группы ({a,b}).

Подходит для инструментов, которые обрабатывают файловые пути, конфигурации или фильтры — особенно когда стандартного fnmatch недостаточно.

⚙️ Пример использования

from globre import compile

# Скомпилируем шаблон
pattern = compile("src/**/tests/{test_*.py,test_*.txt}")

# Проверка соответствия путей
print(pattern.match("src/app/tests/test_utils.py"))     # True
print(pattern.match("src/lib/tests/test_data.txt"))     # True
print(pattern.match("src/lib/tests/test_data.json"))    # False

➕ Преимущества:

🟢 Поддержка ** и групп {a,b} как в bash
🟢 Компилируемые шаблоны с высокой производительностью
🟢 Идеально подходит для CLI-утилит и систем сборки

✔️ Установка

pip install globre

➡️ Ссылка на документацию

😎 PyLinux | #python_libs

⚙️ Библиотека Python: rich-click

rich-click — это библиотека для создания красивых и удобных командных интерфейсов на основе Click с поддержкой форматированного вывода и стилизованных сообщений.

Подходит для разработчиков CLI-приложений, которым важна эстетика и удобство использования команд.

⚙️ Пример использования

import click
from rich_click import rich_click

# Настройка rich-click
rich_click.STYLE_HELPTEXT = "bold cyan"
rich_click.STYLE_OPTION = "bold yellow"

@click.command()
@click.option("--name", help="Ваше имя", default="Пользователь")
def greet(name):
    """Простой приветственный скрипт."""
    click.echo(f"👋 Привет, {name}!")

if __name__ == "__main__":
    greet()

➕ Преимущества:

🟢 Эстетичный вывод командной помощи и ошибок
🟢 Поддержка тем и форматирования с Rich
🟢 Интуитивная интеграция с Click

✔️ Установка

pip install rich-click

➡️ Ссылка на документацию

😎 PyLinux | #python_libs

⚙️ Библиотека Python: diskcache

diskcache — это библиотека для кэширования данных на диске с поддержкой высокопроизводительных операций чтения и записи.

Она позволяет использовать диск как быстрый кэш при недостатке оперативной памяти или для долговременного хранения промежуточных данных.

⚙️ Пример использования

from diskcache import Cache

# Создаём кэш в указанной директории
cache = Cache('/tmp/mycache')

# Сохранение данных в кэше
cache['username'] = 'Alice'
cache['score'] = 42

# Извлечение данных из кэша
print(cache['username'])  # Alice
print(cache['score'])     # 42

# Удаление данных
del cache['username']

# Закрытие кэша
cache.close()

➕ Преимущества:

🟢 Поддерживает кэширование на диске, сохраняя данные между запусками
🟢 Лёгкая интеграция и минимальные зависимости
🟢 Высокая скорость записи и чтения благодаря внутренней оптимизации

✔️ Установка

pip install diskcache

➡️ Ссылка на документацию

😎 PyLinux | #python_libs

⚙️ Библиотека Python: pydash

pydash — это мощная утилита для работы с коллекциями, объектами и функциональным программированием в стиле JavaScript-библиотеки lodash.

Она упрощает манипуляцию данными благодаря богатому набору готовых функций.

⚙️ Пример использования

import pydash

# Группировка данных по ключу
data = [{"name": "Alice", "age": 30}, {"name": "Bob", "age": 25}, {"name": "Charlie", "age": 30}]
grouped = pydash.group_by(data, "age")
print(grouped)  
# {30: [{'name': 'Alice', 'age': 30}, {'name': 'Charlie', 'age': 30}], 25: [{'name': 'Bob', 'age': 25}]}

# Глубокое получение значений из вложенных структур
nested = {"user": {"profile": {"name": "Alice"}}}
name = pydash.get(nested, "user.profile.name")
print(name)  # Alice

# Функциональные цепочки (Chaining)
result = (
    pydash.chain([1, 2, 3, 4])
    .map(lambda x: x * 2)
    .filter(lambda x: x > 4)
    .value()
)
print(result)  # [6, 8]

➕ Преимущества:

🟢 Лёгкая работа с коллекциями и вложенными структурами
🟢 Интуитивные методы для работы с данными и цепочками
🟢 Поддержка функционального программирования

✔️ Установка

pip install pydash

➡️ Ссылка на документацию

😎 PyLinux | #python_libs

⚙️ Библиотека Python: dirtyjson

dirtyjson — это небольшая, но удобная библиотека для парсинга "грязного" JSON, который не соответствует стандарту (например, с одинарными кавычками, запятыми на конце или комментариями).

Полезна при работе с логами, конфигами и API, которые возвращают невалидный JSON.

⚙️ Пример использования

import dirtyjson

# Некорректный JSON (одинарные кавычки, запятая на конце)
raw_data = """
{
    'name': 'Alice',
    'age': 30,
}
"""

# Преобразование в Python-словарь
parsed = dirtyjson.loads(raw_data)
print(parsed)  # {'name': 'Alice', 'age': 30}

➕ Преимущества:

🟢 Поддерживает парсинг JSON с синтаксическими ошибками
🟢 Удобно при обработке конфигов, логов и нестандартизированных API
🟢 Заменяет ручную чистку строк перед json.loads()

✔️ Установка

pip install dirtyjson

➡️ Ссылка на документацию

😎 PyLinux | #python_libs

⚙️ Библиотека Python: PySnooper

PySnooper — это простая отладочная библиотека, которая автоматически логирует выполнение функций построчно.

Полезна для отслеживания значений переменных без необходимости вручную расставлять print() или запускать полноценный отладчик.

⚙️ Пример использования

import pysnooper

@pysnooper.snoop()
def calculate_total(prices):
    total = 0
    for price in prices:
        total += price
    return total

result = calculate_total([10, 20, 30])
print("Итог:", result)

📋 Вывод в терминал будет включать:

• Текущее значение переменных,
• Каждую выполняемую строку,
• Финальный результат функции.

➕ Преимущества:

🟢 Автоматический трейс без необходимости менять логику функции
🟢 Удобен для отладки чужого кода или при работе с циклами и рекурсией
🟢 Можно логировать в файл (@snoop("log.txt"))

✔️ Установка

pip install pysnooper

➡️ Ссылка на документацию

😎 PyLinux | #python_libs

⚙️ Библиотека Python: icecream

icecream — это минималистичная библиотека для отладки, которая выводит переменные и выражения вместе с их именами.

Полезна при быстрой проверке значений без написания дополнительных print() и форматирования.

⚙️ Пример использования

from icecream import ic

def divide(a, b):
    ic(a, b)
    return a / b

result = divide(10, 2)
ic(result)

ic| a: 10, b: 2
ic| result: 5.0

➕ Преимущества:

🟢 Отображает не только значение, но и имя переменной
🟢 Можно включать/отключать вывод без удаления кода
🟢 Работает с любыми типами данных и выражений

✔️ Установка

pip install icecream

➡️ Ссылка на документацию

😎 PyLinux | #python_libs

⚙️ Библиотека Python: sorcery

sorcery — это удобная отладочная библиотека, которая позволяет печатать переменные с их именами с помощью магического print(expr) — без необходимости вручную писать имена.

Полезна, когда нужно быстро выводить значения переменных для отладки, но лень писать f"{var=}" или использовать ic().

⚙️ Пример использования

from sorcery import spell

@spell
def test():
    name = "Alice"
    age = 30
    print(name, age)  # Автоматически напечатает: name='Alice', age=30

test()

name='Alice', age=30

➕ Преимущества:

🟢 Не требует вручную писать имена переменных
🟢 Работает как print() — просто и быстро
🟢 Можно использовать как декоратор или контекстный менеджер

✔️ Установка

pip install sorcery

➡️ Ссылка на документацию

😎 PyLinux | #python_libs

⚙️ Библиотека Python: cloup

cloup — это расширение для Click, добавляющее поддержку группировки опций, взаимных зависимостей и контекстных ограничений.

Полезно, если ты создаёшь сложные CLI-инструменты с множеством параметров и хочешь сделать интерфейс логичным и защищённым от ошибок пользователя.

⚙️ Пример использования

import cloup
from cloup import option_group

@cloup.command()
@option_group(
    "Авторизация",
    cloup.option("--user", help="Имя пользователя"),
    cloup.option("--token", help="API токен")
)
@option_group(
    "Настройки вывода",
    cloup.option("--verbose", is_flag=True),
    cloup.option("--json", is_flag=True)
)
def cli(user, token, verbose, json):
    print(f"👤 User: {user}, Token: {token}")
    print(f"🔧 Verbose: {verbose}, JSON: {json}")

if __name__ == "__main__":
    cli()

➕ Преимущества:

🟢 Группировка опций по смыслу прямо в --help
🟢 Валидация зависимых и исключающих опций
🟢 Поддержка ограничений и логических условий

✔️ Установка

pip install cloup

➡️ Ссылка на документацию

😎 PyLinux | #python_libs

⚙️ Библиотека Python: PyFunctional

PyFunctional — это мощная библиотека для декларативной обработки коллекций в стиле функционального программирования. Позволяет применять map, filter, reduce и другие операции к потокам данных с лаконичным синтаксисом.

Идеально подходит, если ты хочешь работать с данными в цепочках и писать код, близкий к Scala или LINQ.

⚙️ Пример использования

from functional import seq

# Работа с коллекцией: фильтрация, преобразование, агрегация
data = seq([1, 2, 3, 4, 5]) \
    .filter(lambda x: x % 2 == 0) \
    .map(lambda x: x * 10) \
    .reduce(lambda x, y: x + y)

print(data)  # 60

# Обработка строк и списков словарей
names = seq(["Alice", "Bob", "Charlie"]).map(str.upper).to_list()
print(names)  # ['ALICE', 'BOB', 'CHARLIE']

users = [
    {"name": "Alice", "age": 30},
    {"name": "Bob", "age": 20},
    {"name": "Charlie", "age": 25}
]

youngest = seq(users).min_by(lambda u: u["age"])
print(youngest)  # {'name': 'Bob', 'age': 20}

➕ Преимущества:

🟢 Цепочки обработки данных без промежуточных переменных
🟢 Поддержка генераторов, списков, JSON и CSV
🟢 Функции как в Scala: filter, map, group_by, sum, reduce, flatten

✔️ Установка

pip install PyFunctional

➡️ Ссылка на документацию

😎 PyLinux | #python_libs

👩‍💻 Библиотека Python: yaspin

yaspin — это легковесная и мощная библиотека для отображения текстовых спиннеров в терминале во время длительных операций.

Отлично подходит для CLI-приложений — улучшает UX, показывает, что скрипт активно работает, и при этом не усложняет код.

⚙️ Пример использования

import time
from yaspin import yaspin

# Начало спиннера с текстом и цветом
with yaspin(text="Загрузка...", color="cyan") as spinner:
    time.sleep(2)  # длительная операция
    spinner.ok("✅ ")  # смена иконки при успешном завершении

Или как декоратор:

from yaspin import yaspin

@yaspin(text="Обработка данных...")
def process():
    time.sleep(3)
    return "done"

process()

➕ Преимущества:

🟢 Более 70 анимаций (включая “shark”, “earth”) для визуального оформления
🟢 Полный контроль над стилем, цветом и положением спиннера
🟢 Яркий индикатор активности без зависимости от GUI
🟢 Безопасен при перенаправлении stdout/stderr — шрифты не слетают

✔️ Установка

pip install yaspin

➡️ Ссылка на документацию

😎 PyLinux | #python_libs

👩‍💻 Библиотека Python: python-box

python-box — это удобная библиотека, которая превращает обычные словари в объекты с доступом по точке (dot notation). Позволяет обращаться к полям как к атрибутам, что упрощает чтение и работу с конфигами или API-ответами.

Идеально подходит для тех, кто устал писать dict["key"] и хочет более лаконичный стиль кода.

⚙️ Пример использования

from box import Box

data = {
    "user": {
        "name": "Alice",
        "age": 30
    },
    "settings": {
        "theme": "dark"
    }
}

# Преобразуем в Box
box_data = Box(data)

# Доступ по точке
print(box_data.user.name)       # Alice
print(box_data.settings.theme)  # dark

# Изменения также работают
box_data.user.age = 31
print(box_data.user.age)        # 31

➕ Преимущества:

🟢 Удобный доступ к данным: obj.key вместо obj['key']
🟢 Поддержка вложенных структур — рекурсивно превращает dict в Box
🟢 Совместим с обычными словарями (можно обратно Box.to_dict())

✔️ Установка

pip install python-box

➡️ Ссылка на документацию

😎 PyLinux | #python_libs

👩‍💻 Библиотека Python: addict

addict — это минималистичная библиотека, превращающая обычные словари в объекты с доступом к ключам через точку (dot notation), создавая при этом вложенные поля на лету.

Идеальна, если ты хочешь создавать или модифицировать конфигурации, структуры данных или JSON-like объекты в удобной форме без лишней возни.

⚙️ Пример использования

from addict import Dict

config = Dict()

# Автоматически создаёт вложенные структуры
config.user.name = "Alice"
config.user.age = 30
config.theme.dark_mode = True

print(config)  # {'user': {'name': 'Alice', 'age': 30}, 'theme': {'dark_mode': True}}

# Обратная совместимость
print(config['user']['name'])  # Alice

➕ Преимущества:

🟢 Автоматически создаёт вложенные ключи при доступе
🟢 Работает как обычный словарь — можно использовать [] и методы dict
🟢 Отлично подходит для генерации конфигов и динамичных структур

✔️ Установка

pip install addict

➡️ Ссылка на документацию

😎 PyLinux | #python_libs

👩‍💻 Библиотека Python: glom

glom — это мощный инструмент для безопасного доступа, трансформации и извлечения данных из сложных вложенных структур (dict, list, JSON и др.).

Идеальна, если ты работаешь с вложенными данными из API, конфигов или сериализованных структур и хочешь избежать множества try/except и проверок ключей.

⚙️ Пример использования

from glom import glom

data = {
    "user": {
        "profile": {
            "name": "Alice",
            "contacts": {
                "email": "alice@example.com"
            }
        }
    }
}

# Извлекаем вложенное значение
name = glom(data, 'user.profile.name')
print(name)  # Alice

# Значение по умолчанию, если путь не существует
phone = glom(data, 'user.profile.contacts.phone', default='N/A')
print(phone)  # N/A

# Преобразование структуры
spec = {
    "username": "user.profile.name",
    "email": "user.profile.contacts.email"
}
user_info = glom(data, spec)
print(user_info)  # {'username': 'Alice', 'email': 'alice@example.com'}

➕ Преимущества:

🟢 Удобная работа с deeply nested структурами
🟢 Гибкие шаблоны и спецификации извлечения (dict, list, tuple, lambda)
🟢 Возможность задавать значения по умолчанию и валидировать структуру
🟢 Подходит для ETL, API data extraction и конфигураций

✔️ Установка

pip install glom

➡️ Ссылка на документацию

😎 PyLinux | #python_libs