🐍 Вышли Python 3.14.3 и 3.13.12

Это уже третий технический релиз в ветке 3.14. Внутри — почти 300 исправлений багов и доработок.

Но если вы пропустили старт 3.14, напомню, почему эта серия — большой шаг вперед:

📌 Free-threaded Python: Теперь «многопоточность без GIL» (Global Interpreter Lock) официально поддерживается. Это историческое событие для производительности.

📌 t-strings (PEP 750): Помните f-строки? Теперь появились t-строки для кастомной обработки строк.

📌 Zstandard в «коробке»: В стандартную библиотеку добавили модуль compression.zstd. Больше никаких лишних зависимостей для быстрой компрессии.

📌 Улучшенный C API и JIT: Официальные сборки для Windows и macOS теперь включают экспериментальный JIT-компилятор.

А что с 3.13.12?

Это двенадцатое (!) техническое обновление ветки 3.13. Около 250 исправлений. Эта ветка сейчас считается «рабочей лошадкой» для тех, кому важна стабильность, но хочется использовать современные фичи (например, улучшенный REPL или официальную поддержку Android-сборок).

⚠️ Важный нюанс для Windows

Команда Python постепенно меняет привычный инсталлятор на новый Install Manager (можно взять в Windows Store). Старый добрый .exe пока останется с нами в версиях 3.14 и 3.15, но пора потихоньку привыкать к новому инструменту.

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#свежак

🤖 7 библиотек Python для автоматизации

Вот ваш стартовый набор «ленивого» (читай: эффективного) разработчика:

🖱 Экран и ввод

PyAutoGUI — управление мышью и клавиатурой. Идеально для кликеров и заполнения форм в софте, где нет API.
Pyperclip — программная работа с буфером обмена. Можно встроить автозамену или парсинг текста прямо в Ctrl+C.

🌐 Веб и Сеть

Requests — база для работы с API. Скачать данные, проверить статус сервиса или отправить уведомление.
Selenium — полноценный контроль браузера. Поможет там, где нужно залогиниться, проскроллить страницу или нажать на хитрую кнопку.

📊 Таблицы и Файлы

Openpyxl — если нужно создавать или редактировать именно .xlsx файлы с формулами и стилями.
Shutil — ваш программный файловый менеджер. Копирование, перемещение и бэкап папок по расписанию.

⏱ Планирование

Schedule — простой и понятный планировщик. Превращает скрипт в мини-сервис, который сам запускает отчеты в 9:00 или чистит кэш каждый час.

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

👀 Почему ваш кастомный range «одноразовый»

На собеседованиях по Python любят давать задачу: реализовать класс, который ведет себя как встроенный range.

❌ В чем ошибка?

Чаще всего реализуют класс, который является одновременно и итерируемым объектом (`Iterable`), и итератором (`Iterator`):

class RangeLike:
    def __init__(self, start, stop):
        self.start, self.stop = start, stop
        self.current = start

    def __iter__(self):
        return self  # Возвращаем сам объект

    def __next__(self):
        if self.current < self.stop:
            val = self.current
            self.current += 1
            return val
        raise StopIteration

Проблема: При первом проходе list(r) состояние self.current доходит до максимума. Так как объект «хранит» свой прогресс внутри себя, второй вызов вернет пустой список. Итераторы в Python — одноразовые.

✅ Как сделать правильно?

Нужно разделить контейнер (который хранит границы) и итератор (который хранит текущее состояние обхода). При каждом вызове __iter__ контейнер должен создавать новый экземпляр итератора:

class RangeIterator:
    def __init__(self, start, stop):
        self.current, self.stop = start, stop

    def __iter__(self): return self

    def __next__(self):
        if self.current < self.stop:
            val = self.current
            self.current += 1
            return val
        raise StopIteration

class RangeLike:
    def __init__(self, start, stop):
        self.start, self.stop = start, stop

    def __iter__(self):
        # Каждый раз создаем свежий итератор
        return RangeIterator(self.start, self.stop)

В Python существует четкое разделение ролей:

1. Iterable (Итерируемый объект): Это «записная книжка». В ней есть данные, но она не знает, на какой странице вы сейчас читаете. Пример: list, dict, range.
2. Iterator (Итератор): Это «палец», который указывает на текущую строку. У него есть состояние, и он движется только вперед.

Встроенный range — это именно Iterable. Когда вы запускаете цикл for, Python вызывает iter(range_obj), который генерирует новый «палец»-итератор. Именно поэтому по range можно проходить бесконечное количество раз.

💡 Лайфхак: Самый простой способ сделать объект ре-итерируемым в современном Python — использовать генератор внутри __iter__:

def __iter__(self):
    curr = self.start
    while curr < self.stop:
        yield curr
        curr += 1

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

а на какой стадии ты 😆

🐸 Библиотека питониста

#развлекалово

📱 Python новости за последние 7 дней

Python 3.14.3 и 3.13.12
Минорные релизы.

Как Python управляет памятью под капотом
Разбор того, что на самом деле происходит с объектами, ссылками и GC.

unihttp — библиотека для работы с API
Попытка упростить жизнь там, где у сервиса нет нормального SDK. Хорошо заходит в микросервисной реальности, где API больше, чем документации.

Plotly для визуализации данных
База по интерактивным графикам на Python. Отличный инструмент для дашбордов и отчётов.

sys.settrace и внутренняя кухня инструментов
Как работают дебаггеры, coverage и профайлеры на уровне интерпретатора.

🚧 Вакансии

Middle+ / Senior Backend Developer (Python + SQL)
от 250 000 до 350 000 ₽
Удалёнка

ML Engineer (LLM)
от 300 000 до 450 000 ₽
Удалёнка

Python-разработчик
200 000 —‍ 300 000 ₽/‍мес на руки
Офис/Гибрид (Москва)

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#свежак

⚙️ CPython Internals: как всё устроено на самом деле

Если вам надоело гадать, как работают объекты, потоки и сборщик мусора, то этот репозиторий — настоящий клад.

CPython Internals — это подробнейший гид по исходному коду Python. Автор буквально препарирует C-код интерпретатора и объясняет, как абстрактные конструкции превращаются в реальные байты.

🔗 Репозиторий здесь: https://clc.to/DO4Ldw

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

🧐 Функция или класс: почему в Python это часто одно и то же

Вы когда-нибудь задумывались, чем на самом деле являются привычные нам print, str или enumerate? Мы привыкли называть их «функциями», потому что мы их вызываем через круглые скобки.

Но в Python всё немного интереснее.

Попробуйте угадать, что из этого функция, а что — класс:
1. print()
2. str()
3. list()
4. sum()

Проверяем:
1. print — (Функция)
2. str —  (Класс!)
3. list —  (Тоже класс)
4. sum —  (Функция)

В Python и функции, и классы являются callable (вызываемыми) объектами.

Когда мы вызываем функцию, мы запускаем её код, чтобы она что-то сделала или вернула результат.

Когда мы вызываем класс, мы создаем его новый экземпляр (instance).

Например, вызывая str(4), мы технически создаем новый объект класса str. Но в повседневной речи мы почти всегда говорим «функция str». И это абсолютно нормально!

🦆 Утиная типизация в деле

То, что мы называем классы функциями — это классический пример duck typing:

«Если это выглядит как утка и крякает как утка, то это утка».

Для нас как для разработчиков часто неважно, как реализован инструмент «под капотом». Если мы можем его вызвать через (), значит для нас это функция.

Даже сама функция type() — это на самом деле класс!

>>> type
<class 'type'>

Но согласитесь, фраза «я вызвал класс type, чтобы узнать тип объекта» звучит максимально странно.

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

🔥Компактная шпаргалка по Big-O нотации

Незаменимый инструмент для оценки эффективности алгоритмов

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

🛡️ Django (Anti)patterns: как не выстрелить себе в ногу

Руководство Django Antipatterns — это концентрат опыта сообщества о том, как писать чистый и производительный код, избегая типичных ловушек.

В гайде также разобраны ключевые отличия, на которых часто валятся новички: ForeignKey vs OneToOneField и reverse vs redirect.

🔗 Весь список паттернов с примерами: https://clc.to/Fg21Tg

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

🐸 Библиотека питониста

#развлекалово

📸 inline-snapshot: хватит писать тесты вручную

Если вы хоть раз тратили полдня на то, чтобы вручную переписывать огромные JSON-словари в тестах после мелкого изменения в API — этот инструмент для вас.

Команда Pydantic вовсю использует inline-snapshot, чтобы навсегда забыть о ручном обновлении ассертов.

Вместо того чтобы придумывать «ожидаемый результат», вы просто пишете:

from inline_snapshot import snapshot

def test_api():
    data = fetch_data()
    assert data == snapshot({}) # Сначала оставляем пустым

Теперь запустите: pytest --inline-snapshot=fix.
Библиотека сама вставит актуальные данные прямо в ваш .py файл! Теперь ваш тест выглядит так:

def test_api():
    data = fetch_data()
    assert data == snapshot({
        "id": 123,
        "status": "active",
        "name": "Pydantic Fan"
    })

😎 Продвинутые хаки для профи

1. Динамические данные (dirty-equals)
Если в ответе есть поля, которые меняются при каждом запуске (ID, таймстампы), используйте dirty-equals. Они идеально работают в связке с инлайн-снимками:

from dirty_equals import IsInt, IsNow

assert user_data == snapshot({
    "id": IsInt(),          # Снепшот запомнит условие, а не число
    "created_at": IsNow(),  # Проверит время, близкое к текущему
    "status": "active"
})

2. Нормализация данных
Чтобы тесты не падали из-за того, что объект — это не словарь, а инстанс класса, используйте Pydantic для конвертации:

from pydantic import TypeAdapter
_adapter = TypeAdapter(object)

# Конвертируем всё в обычные dict/list перед сравнением
assert _adapter.dump_python(user_model) == snapshot(...)

🔗 Попробовать: https://clc.to/RHb6SA

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

🏗 Что под капотом у Python List

Многие думают, что list — это связный список. На самом деле это динамический массив указателей.

1. Как он хранится в памяти

В структуре PyListObject на языке C список состоит из трех ключевых полей:

— ob_item — указатель на массив, где лежат адреса объектов.
— ob_size — текущее количество элементов (то, что выдает `len()`).
— allocated — сколько ячеек памяти зарезервировано на самом деле.

2. Магия Append и «переезд» памяти

Python не выделяет память под каждый новый элемент. Он делает это «на вырост» (over-allocation). Если вы создаете пустой список и делаете append, Python выделит сразу 4 ячейки. Когда они закончатся — 8, потом 16, 24 и так далее.

Почему append быстрый? В 99% случаев вы просто записываете адрес в уже готовую ячейку ().
Что такое Resize? Когда лимит (`allocated`) исчерпан, Python ищет в памяти новый кусок побольше и копирует туда все указатели. Это , но из-за редких «переездов» амортизированная сложность остается .

3. Почему в списке может лежать «всё что угодно»

Размер самого списка не зависит от того, лежат там строки или другие списки. Массив ob_item хранит только указатели (адреса в памяти), а они всегда фиксированного размера — 8 байт на 64-битной системе.

Благодаря этому Python мгновенно находит любой элемент по индексу. Адрес -го элемента вычисляется по простой формуле:

адрес = начало_массива + i * 8 байт.

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

🏎 Pyrefly v0.52.0: проверка типов

Если вы когда-нибудь ждали по несколько секунд, пока Mypy или Pyright соизволят подсветить ошибку после сохранения файла, у меня для вас отличные новости. Вышел Pyrefly v0.52.0, и он чертовски быстрый.

Разработчики вдохновлялись скоростью лыжника на зимней Олимпиаде.

Что изменилось:

➡️ Обновление ошибок в 18 раз быстрее: Благодаря умному стримингу диагностики, ошибки в редакторе обновляются почти мгновенно. То, что раньше занимало секунды в больших проектах, теперь укладывается в 200 мс.

➡️ Холодный старт в 3 раза быстрее: Индексация проекта при открытии IDE теперь пролетает незаметно.

➡️ Экономия памяти на 40-60%: Языковой сервер (LSP) стал гораздо меньше «отъедать» оперативки. На тяжелых репозиториях типа PyTorch это буквально спасение для ноутбуков.

🔗 GitHub: https://clc.to/Qc8KBQ

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

⚡️ t-строки в Python: юзаем PEP 750, не дожидаясь релиза

Пока все только привыкли (или нет) к f-строкам, в Python 3.14 (который выйдет еще не скоро) готовят революцию — Template Strings (t-строки).

Но зачем ждать?

Пакет tstrings позволяет использовать этот синтаксис на версиях Python < 3.14 уже сейчас.

В отличие от f-строк, которые сразу превращаются в готовую строку, t-строки возвращают объект шаблона. Это позволяет «лениво» обрабатывать данные, защищаться от SQL-инъекций или генерировать HTML без риска XSS.

Как это выглядит сейчас (бэкпорт)

Вместо нативного синтаксиса t"..." мы используем функцию t():

from tstrings import t

name = "World"
tpl = t("Hello, {name}!")

print(tpl.strings)         # ("Hello, ", "!") — статические части
print(tpl.interpolations)  # (Interpolation(value="World", ...)) — данные

Что умеет tstrings-backport:
— String interpolation: Полная поддержка выражений внутри {}.
— Debug-режим: Старый добрый {var=}, как в f-строках.
— Спецификаторы: Поддержка форматов вроде :.2f и конвертаций !r, !s.
— Многострочность: Можно писать сложные выражения внутри шаблона.

⚠️ Ограничения

Поскольку это бэкпорт, мы не можем добавить новый литерал в синтаксис языка (нельзя написать просто t"..."`). Приходится оборачивать в функцию `t("..."). Также ошибки проверяются в рантайме, а не при компиляции.

🔗 Попробовать: pip install tstrings-backport

Как думаете, вытеснят ли t-строки привычные f-строки в будущем, или это инструмент только для узких задач типа SQL и HTML?

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

📱 Свой Android на ESP32: Обзор MicroPythonOS

На FOSDEM 2026 тут показали проект, который заставил меня по-другому взглянуть на разработку под микроконтроллеры.

Ребята выкатили MicroPythonOS.

Теперь на обычном ESP32 можно запустить систему с интерфейсом, который не стыдно показать людям.

Самое дикое — она целиком написана на MicroPython. Внутри стоит «тонкое» ядро для работы с железом, а всё остальное — это просто приложения.

Из интересного:

⏺️ Тачскрин как на смартфоне: Плавные жесты, виджеты и анимации через LVGL. Это реально ощущается как мини-iOS.
⏺️ Свой App Store: Не надо перепрошивать девайс каждый раз. Зашел в стор, скачал «приложение» (например, камеру или плеер), и оно работает.
⏺️ Обновления по воздуху (OTA): Система сама обновляется через Wi-Fi. Больше никаких проводов и мучений с драйверами.
⏺️ Разработка на компе: Можно запустить симулятор на Windows или Linux, отладить интерфейс и только потом закинуть на железку.

Проект идеально бегает на ESP32-S3 (особенно на платах с готовыми LCD-панелями) и на новом Raspberry Pi RP2350.

Можно придумать кучу применений: от крутых DIY-часов и пультов для умного дома до терминалов оплаты или обучающих гаджетов для детей.

🔗 Потыкать исходники: https://clc.to/SODsfQ

Как вам идея? Стали бы использовать Python для «серьезных» интерфейсов на железках, или всё-таки старый добрый C++ и ручные страдания — наше всё?

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

🐸 Библиотека питониста

#развлекалово

🐍 Python 3.15.0 alpha 6: что нового в будущем релизе

Опубликована шестая из восьми запланированных альфа-версий Python 3.15.

Главные изменения и фичи (на текущий момент):

⚡️ Новый профайлер (PEP 799): Включает высокочастотный статистический профайлер с низкими накладными расходами и выделенный пакет для профилирования.
⚡️ Распаковка в генераторах (PEP 798): Теперь можно использовать * и ** для распаковки данных прямо внутри comprehensions.
⚡️ UTF-8 по умолчанию (PEP 686): Python официально переходит на UTF-8 как кодировку по умолчанию.
⚡️ Улучшенный JIT-компилятор: Значительный апгрейд производительности — ускорение на 3-4% на x86-64 Linux и на 7-8% на AArch64 macOS по сравнению со стандартным и tail-calling интерпретаторами соответственно.
⚡️ Типизация (PEP 728): Поддержка TypedDict с типизацией дополнительных (extra) элементов.
⚡️ C API (PEP 782): Новый API PyBytesWriter для создания объектов bytes в Python.

График релизов:
— 3.15.0a7: Следующий релиз ожидается уже 10 марта 2026 года.
— Бета-фаза: Начнется 5 мая 2026 года.
— Release Candidate: Запланирован на 28 июля 2026 года.

🔗 Скачать и почитать подробнее: https://clc.to/XhtfQw

Какая из фич кажется вам самой полезной? Лично я жду возможность распаковки в генераторах — код станет ещё лаконичнее.

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст