Находим файлы по шаблону

Основной фишкой модуля glob является удобная и лаконичная работа с поиском файлов по паттернам. Более того, можно даже пройтись по директориям рекурсивно.

В одноименный метод glob передаётся шаблон для поиска файлов, а возвращается список с результатами. Все методы следуют механизму и правилам сопоставления паттернов в стиле Unix.

Вообще модуль является встроенным, но в некоторых ситуациях импорт может выдать исключение. В таком случае надо просто его переустановить через пакетный менеджер pip.

#glob

Работа с датами

Модуль python-dateutil предоставляет мощное расширение для стандартного datetime. Устанавливается он следующим образом:

pip3 install python-dateutil

#Python

validate_email — это простой модуль для валидации email-адресов.

Модуль предоставляет одну основную одноименную функцию, предназначенную для валидации адреса, с помощью уже написанных регулярных выражений. Также в функции реализована проверка mx-записи у сервера и существования переданного адреса, за это отвечают необязательные параметры-флаги функции verify и check_mx.

Функция validate_email проверяет не на существование email-адреса, а возможность на его существования. На фото выше приведён пример.

Модуль отлично подойдёт для различных форм регистрации/входа и в различных других проектах.

Стоит отметить, что при обращении validate_email к DNS записям необходимо предварительно установить модуль py3dns.

Ставится командой ⚙ pip install validate_email
Простенькая документация и примеры кода здесь.

Именованные кортежи

Кортежи tuple, по своей сути, являются неизменяемыми списками. Структура данных удобная, но мы можем получать данные, используя только числовые индексы.

Нет возможности дать имена отдельным элементам, сохранённым в кортеже. Это может повлиять на читаемость кода. И в таком случае используют именованные кортежи namedtuple из collections.

Каждый объект в именованном кортеже может быть доступен через уникальный, удобный для чтения человеком, идентификатор. При этом вся функциональность от обычных кортежей сохраняется.

#namedtuple

Совет для всех: учите Python

Средняя зарплата Python-кодера 150 000 рублей, а выучить его можно всего за 1-2 месяца. Главное, чтобы объяснили доступно.

Этим и занимается разработчик Google с @PythonAA. Он укомплектовал инфу в простые уроки, чтобы любой научился кодить и получил работу через месяц.

Никаких занудных учебников и бесполезных туториалов.

Теперь научиться программировать можно ПРЯМО в Телеграме. Без смс и регистрации. Дерзайте: @PythonAA

Собрали много алгоритмов на Python в одном месте https://github.com/TheAlgorithms/Python

Собрали много алгоритмов на Python в одном месте https://github.com/TheAlgorithms/Python

Полное руководство по декораторам в Python
🎯 Telegram Чат: @python_scripts
🎯 Канал: @pip_install

Декораторы придают вашему коду лаконичную и понятную структуру. По этой причине большинство расширений Flask и многие другие пакеты в Python следуют одному и тому же шаблону и раскрывают основные части своей функциональности через декораторы.

1. Регистрация функции
https://python-scripts.com/decorators-one

2. Изменение поведения функции
https://python-scripts.com/decorators-function-behavior

3. Декораторы с аргументами
https://python-scripts.com/decorators-with-arguments

🔥 Переменное количество аргументов Функции в Python

Наш чат: @python_scripts

Мы можем использовать специальный синтаксис *args и **kwargs внутри функции для передачи переменного количества аргументов.

Использование *args и **kwargs по сути обеспечивает читабельность и удобство, но их следует использовать с осторожностью.

Подробнее: https://python-scripts.com/def-args-kwargs

[Перевод] Лямбда-функция в Python простыми словами
https://habr.com/ru/post/674234/?utm_source=habrahabr&utm_medium=rss&utm_campaign=674234
Tags: Блог компании Издательский дом «Питер», Python, Программирование, ООП, Функциональное программирование, python, лямбда-выражения, списки, математические операции
Author ph_piter #habr

🪢Пара библиотек для модульного тестирования Python-скриптов
Модульное тестирование позволяет разработчику убедиться, что код работает должным образом на атомарном уровне. Суть модульного тестирования сводится к проверке того, что каждая отдельная функция делает то, что она должна делать. Для этого можно использовать следующие инструменты:
• Pytest — это платформа для написания небольших читаемых тестов, которую можно масштабировать для поддержки сложного функционального тестирования приложений и библиотек. Требуется: Python 3.7+ или PyPy3. https://docs.pytest.org/en/7.1.x/
• Сhispa предоставляет быстрые вспомогательные методы тестирования PySpark, которые выводят описательные сообщения об ошибках. Эта библиотека упрощает написание высококачественного кода PySpark. Интересно, что chispa в переводе с испанского означает искра, т.е. Spark по-английски. https://github.com/MrPowers/chispa

​«Недавно Google изменил политику по отношению к доступу к аккаунту из неизвестных источников. Давно приходили предупреждения, но я до последнего надеялся, что обойдётся и не коснётся меня. Наивный»

Полковнику никто не пишет: отправка писем по SMTP после изменения политики Google с примером на Python

​​«Всем привет! Сегодня хочу поделиться с вами хорошими новостями, которые связаны с производительностью Python в грядущем релизе 3.11 и тем, что нас ожидает в будущем!»

Ускорение производительности Python в 3.11

​​Как изменилась стандартная библиотека Python за последние годы

Когда выходит очередная версия Python, много пишут о моржовом операторе, слиянии словарей, паттерн-матчинге, изменениях в асинхронной работе и типизации. Остальным модулям достаётся незаслуженно мало внимания. Давайте это исправим и посмотрим, что интересного появилось в версиях 3.8-3.10.

​​«Асинхронное программирование традиционно относят к темам для продвинутых. <…> Но будь я автором самого толстого в мире учебника по Python, я бы рассказывал читателям про асинхронное программирование уже с первых страниц»

Асинхронный Python без головной боли

​​Добавляйте единицы измерения в имена

Есть одна ловушка читаемости кода, которой легко избежать, если вы о ней знаете; тем не менее она встречается постоянно: это отсутствующие единицы измерения. Рассмотрим три фрагмента кода на Python, Java и Haskell.

​​Кто за всех решил, что Python удобен для «гражданской» аналитики?

Элементарные технологические тесты и оценка экономической эффективности частенько дают неопровержимые доказательства, что DS питон является безответным поглотителем доли ИТ-бюджета компаний. Взглянем более пристально на отдельные моменты.

​​«В процессе написания очередной программы задумался над тем, какой способ создания списков в Python работает быстрее. Большинство моих знакомых используют квадратные скобки. А некоторые совсем забыли о существовании функции list(). Предлагаю вашему вниманию небольшое исследование. Узнаем, правы ли коллеги»

Кто быстрее создаёт списки в Python

​​«Это история о том, как я писал код на Python 3, который собирает и систематизирует данные по избирательным комиссиям в моём родном городе Санкт-Петербурге. Ну, и про то, что я там накопал в извлечённых данных»

Начинающий программист vs. Избирком СПб