​Как разбить текст на абзацы с помощью Python

В этой статье будет представлен подход, использованный в проекте, посвящённом реферированию подкастов. Корректное реферирование текста всегда начинается с разделения его на смысловые части — абзацы. Делать вы это будете, разумеется, с помощью обработки естественного языка.

Подробнее:

https://nuancesprog.ru/p/16558/

#nlp

Best Python Concurrency Guides

- https://superfastpython.com/multiprocessing-in-python/
- https://superfastpython.com/python-asyncio/
- https://superfastpython.com/multiprocessing-pool-python/
- https://superfastpython.com/threadpool-python/

They are a bit bloated and explain the same concepts 10 times, but they try to explain the most unexplored parts of Python in detail in plain language with examples.

You can just read examples and intro.

Good stuff.

Top Python libraries `22
by @tryolabs

link: https://tryolabs.com/blog/2022/12/26/top-python-libraries-2022

#python #tools

Чат. Если бы 2022 был языком программирования, то каким и почему?

Давайте пофантазируем и обсудим каким бы был 2022 год языком программирования! Может сказать существующий или придумать свой! Но только чур с аргументацией своего выбора!

#чат

​Java против Python: базовый Python для разработчиков Java

В этой статье вы изучите Python с точки зрения Java. Прочитав её, вы сможете решить, является ли Python жизнеспособным вариантом для решения ваших задач и оценить, когда вы можете использовать Python в сочетании с Java для определённых кейсов:

https://realpython.com/java-vs-python/

Делюсь артефактом из нашего доклада с питерпая

​JSON и Python: есть контакт!

JSON представляет собой распространённый формат обмена данными между различными системами. Так, многие API возвращают результаты именно в этом формате.

В статье вы узнаете, в чём суть JSON и как его обрабатывать с помощью встроенного модуля json в Python:

https://nuancesprog.ru/p/15586/

#json

​Обзор и сравнение популярных в 2022 году линтеров для Python

Для Python существует множество инструментов компоновки. Некоторые из них имеют почти идентичные имена друг с другом, но всё же отличаются. Здесь рассмотрены популярные сегодня инструменты с точки зрения их плюсов и минусов.

Какие из них брать в свой арсенал, решать вам.

https://inventwithpython.com/blog/2022/11/19/python-linter-comparison-2022-pylint-vs-pyflakes-vs-flake8-vs-autopep8-vs-bandit-vs-prospector-vs-pylama-vs-pyroma-vs-black-vs-mypy-vs-radon-vs-mccabe/

​Субъективные итоги 2022 года в мире Python

Прошлый год был богат на события в мире Python. О том, что именно запомнилось в том году, и как это отразится на Python в этом рассказали тут:

https://tproger.ru/articles/subektivnye-itogi-2022-goda-v-mire-python/

Норм бот для изучения питона с интересной геймификацией))
https://t.me/devsbattlebot

Ленивое вычисление с использованием рекурсивных генераторов Python

➡️ Читать

Через 10 минут будем подводить итоги года в Python!
Подключайтесь - https://www.youtube.com/watch?v=Mq3Tkgrczi0
И не переключайте канал. :)

Что ж, пришла пора анонсировать наш почти юбилейный - 80-й митап.

Он состоится 24-го января в офисе компании Б1.
Нас ожидает 3 доклада:
- Александр Шишенко (ПГК Digital, Руководитель группы разработки). Как мы с Fastapi на Django перешли
- Алексей Панаэтов (Whoosh, Руководитель департамента). Зачем нужен и как использовать Dependency Injection в питонячих сервисах
- Дмитрий Гуськов (Б1, старший консультант). Нелинейное снижение размерности. Обзор алгоритмов, сравнение и немного математики

Регистрация и подробности: https://moscowdjango.timepad.ru/event/2282362/

Митап проходит при поддержке Geekfactor.io, Evrone.com и Б1 (b1.ru)

Онлайн-трансляция традиционно на moscowpython.ru

Михаил Корнеев запилил текстовую выжимку трансляции по итогам года в Python, которая прошла на прошлой неделе.
Если вам удобней читать, чем смотреть или слушать, велкам:

https://habr.com/ru/post/708204/

На мой взгляд, одной из больших проблем как у тех, кто приходит в разработку так и у тех, кто довольно давно в ней работает. Это умение не просто хорошо писать код, а умение структурировать проект. Понимать, чем хорошая архитектура отличается от плохой. В книгах часто описываются высокоуровневые абстрактные концепции и дальше возникает вопрос — все это хорошо, но вот у меня есть проект на условной Джанге, как все это применить?

На выходных я разбирал закладки и наткнулся на несколько неплохих практических "около архитектурных" гайдов, про которые хочу рассказать:

1. Django Styleguide - гайд который ребята из HackSoftware развивают уже несколько лет. Если вы не читали - очень рекомендую, много хорошего можно утащить для своего проекта. Там хорошо описано как структурировать проект так, чтобы код было легче развивать, поддерживать и тестировать. Гайд постоянно развивается и обновляется https://github.com/HackSoftware/Django-Styleguide

2. Django API Domains - пример применения некоторых принципов Domain-Driven Design в Django. Тут как и в предыдущем гайде использован довольно прагматичный подход - вместо того, чтобы тащить все что есть в DDD, автор предлагает достаточно простую, легко реализуемую и поддерживаемую структуру проекта. Это не "чистый DDD", но лично мне такой подход больше нравится своей простотой. Гайд небольшой и не очень активно развивается, но я все равно рекомендую потратить время и ознакомиться с ним https://phalt.github.io/django-api-domains/

Ну и подводя итог хочу повторить то, что написано в двух первых гайдах. Это не инструкции, которым надо в точности следовать. Это скорее набор подсказок и принципов, из которых имеет смысл выбрать то, что вам покажется разумным и полезным в своих проектах.

P.S. Я попробовал включить комментарии в канале, надеюсь сработает 🙂 Если у вас есть другие хорошие гайды по архитектуре python-веб-приложений - кидайте в комменты, я по итогам сделаю еще один пост.

Tryo Labs опубликовали ежегодный обзор "Top Python Libraries 2022". Обзор несколько субъективный и смещен в сторону анализа данных/машинного обучения, но все равно но его интересно посомтреть с точки зрения " какие из этих библиотек я знаю/пробовал?". Мне было интересно пробежаться по предыдущим выпуска - самый ранний вышел в 2015 году. https://tryolabs.com/blog/2022/12/26/top-python-libraries-2022