💻 В комментариях просили рассказать про работу с некоторыми типами БД, ну так что, делаем 😉

0️⃣ Пример работы с PostgreSQL

import psycopg2

conn = psycopg2.connect(
    database="your_db",
    user="your_user",
    password="your_password",
    host="localhost",
    port="5432"
)

cursor = conn.cursor()

# Примерчик создания таблицы
cursor.execute("""
CREATE TABLE IF NOT EXISTS users (
    id SERIAL PRIMARY KEY,
    name VARCHAR(100),
    age INT
)
""")
conn.commit()

# Пример по добавлению данных
cursor.execute("INSERT INTO users (name, age) VALUES (%s, %s)", ("Alice", 30))
conn.commit()

# Забор данных из БД
cursor.execute("SELECT * FROM users")
rows = cursor.fetchall()
for row in rows:
    print(row)

# В конце закрываем соединение
cursor.close()
conn.close()

1️⃣ Пример работы с MongoDB

from pymongo import MongoClient

client = MongoClient('localhost', 27017)
db = client['your_db']
collection = db['users']

# Вставка документа
collection.insert_one({"name": "Alice", "age": 30})

# Запрос документов
users = collection.find()
for user in users:
    print(user)

# Закрытие соединения
client.close()

2️⃣ Пример работы с Redis

import redis

r = redis.Redis(host='localhost', port=6379, db=0)

# Установка значения ключа
r.set('name', 'Alice')

# Получение значения ключа
name = r.get('name')
print(name.decode('utf-8'))  # Декодируем байты в строку

# Работа со списком в Redis 
r.lpush('users', 'Alice')
r.lpush('users', 'Bob')

# Получение всех пользователей из списка (как пример)
users = r.lrange('users', 0, -1)
for user in users:
    print(user.decode('utf-8'))

3️⃣ Пример работы с ClickHouse

from clickhouse_driver import Client

client = Client(host='localhost')

# Создание таблицы 
client.execute("""
CREATE TABLE IF NOT EXISTS users (
    id UInt32,
    name String,
    age UInt32 
) ENGINE = MergeTree() ORDER BY id;
""")

# Вставка данных 
data = [(1, 'Alice', 30), (2, 'Bob', 25)]
client.execute("INSERT INTO users (id, name, age) VALUES", data)

# Запрос данных 
rows = client.execute("SELECT * FROM users")
for row in rows:
    print(row)

✈️ Пишите свои идеи и пожелания, про что нам еще рассказать, в комментариях 👇

PythonDev
✔️Boost
Сотрудничество - @mistcoder, @ALRU8
➡️Донат

#обучение

Модуль HUMANIZE

Модуль humanize в Python предоставляет удобные функции для преобразования чисел, дат и других данных в более "человекочитаемый" формат. Это может быть полезно, например, для отображения времени, размеров файлов, чисел и других данных в более понятной форме.

import humanize
import datetime

# Преобразование числа
print(humanize.intcomma(1234567))  # 1,234,567

# Преобразование времени
now = datetime.datetime.now()
past = now - datetime.timedelta(minutes=10)
print(humanize.naturaltime(past))  # 10 minutes ago

# Преобразование размера файла
print(humanize.naturalsize(1024))  # 1.0 KB

✈️ Пишите свои идеи и пожелания, про что нам еще рассказать, в комментариях 👇

PythonDev
✔️Boost
Сотрудничество - @mistcoder, @ALRU8
➡️Донат

#обучение

itertools.groupby()
Эта функция позволяет группировать последовательности по ключу, что может быть очень полезно при обработке данных.


Предположим, у нас есть список объектов, и мы хотим сгруппировать их по какому-то критерию. Например, у нас есть список людей с их возрастами, и мы хотим сгруппировать их по возрасту.

from itertools import groupby

# Исходные данные
people = [
    {'name': 'Alice', 'age': 25},
    {'name': 'Bob', 'age': 30},
    {'name': 'Charlie', 'age': 25},
    {'name': 'David', 'age': 30},
    {'name': 'Eve', 'age': 35},
]

# Сортируем список по возрасту, так как groupby требует отсортированных данных
people.sort(key=lambda x: x['age'])

# Группируем по возрасту
grouped_people = groupby(people, key=lambda x: x['age'])

# Выводим результат
for age, group in grouped_people:
    print(f'Age: {age}')
    for person in group:
        print(f'  Name: {person["name"]}')

Вывод:

Age: 25
Name: Alice
Name: Charlie
Age: 30
Name: Bob
Name: David
Age: 35
Name: Eve



✈️ Пишите свои идеи и пожелания, про что нам еще рассказать, в комментариях 👇

PythonDev
✔️Boost
Сотрудничество - @mistcoder, @ALRU8
➡️Донат

#обучение

Перевод чисел между системами счисления

В Python можно легко осуществить перевод чисел между различными системами счисления с помощью встроенных функций и методов

Перевод из десятичной системы в другие системы
Для перевода числа из десятичной системы в двоичную, восьмеричную или шестнадцатеричную можно использовать функции bin(), oct() и hex() соответственно.

# Десятичное число
decimal_number = 42

# Перевод в двоичную систему
binary_number = bin(decimal_number)  # '0b101010'
print(binary_number)

# Перевод в восьмеричную систему
octal_number = oct(decimal_number)   # '0o52'
print(octal_number)

# Перевод в шестнадцатеричную систему
hexadecimal_number = hex(decimal_number)  # '0x2a'
print(hexadecimal_number)

Перевод из других систем в десятичную
Для перевода числа из двоичной, восьмеричной или шестнадцатеричной систем в десятичную можно использовать функцию int(), указав основание системы счисления.

# Двоичное число
binary_string = '101010'
decimal_from_binary = int(binary_string, 2)
print(decimal_from_binary)  # 42

# Восьмеричное число
octal_string = '52'
decimal_from_octal = int(octal_string, 8)
print(decimal_from_octal)  # 42

# Шестнадцатеричное число
hex_string = '2a'
decimal_from_hex = int(hex_string, 16)
print(decimal_from_hex)  # 42

Перевод числа в произвольную систему счисления
Если вам нужно перевести число в систему счисления с произвольным основанием (например, от 2 до 36), можно написать свою функцию:

def convert_to_base(n, base):
    if n < 0:
        return '-' + convert_to_base(-n, base)
    elif n == 0:
        return '0'
    
    digits = []
    while n:
        digits.append(int(n % base))
        n //= base
    
    # Для систем счисления выше 10 используем буквы
    digits = digits[::-1]
    return ''.join(str(x) if x < 10 else chr(x - 10 + ord('A')) for x in digits)

# Пример использования
number = 42
base = 16
converted = convert_to_base(number, base)
print(f"{number} в системе счисления с основанием {base} равно {converted}")

✈️ Пишите свои идеи и пожелания, про что нам еще рассказать, в комментариях 👇

PythonDev
✔️Boost
Сотрудничество - @mistcoder, @ALRU8
➡️Донат

#обучение

Генератор — это функция, которая возвращает итератор. Вместо return она использует ключевое слово yield, приостанавливая своё выполнение до следующего обращения.

Простой генератор

def countdown(n):
    while n > 0:
        yield n
        n -= 1

for num in countdown(5):
    print(num)

Вывод:

5
4
3
2
1

👉 Здесь countdown(5) не создаёт список [5, 4, 3, 2, 1], а генерирует числа по одному при каждом вызове next().

👨‍💻 Пишите свои идеи и пожелания, про что нам еще рассказать, в комментариях 👇

PythonDev
✔️Boost
Сотрудничество - @mistcoder, @ALRU8
➡️Донат

#обучение

🔥10 мощных Python-трюков, которые сделают ваш код лучше

📌 Обмен значений без временной переменной:

a, b = 5, 10
a, b = b, a  # Теперь a=10, b=5

Работает с любым количеством переменных!


📌 Распаковка последовательностей с *

first, *middle, last = [1, 2, 3, 4, 5]
# first=1, middle=[2,3,4], last=5

Идеально для обработки строк и логов:

date, *metrics = "2023-05-15 100 200 300".split()

📌 Тернарный оператор с or для fallback-значений

name = user_input or "Гость"

Работает быстрее, чем if-else, когда нужно значение по умолчанию


📌 Слияние словарей (Python 3.9+)

dict1 = {'a': 1}
dict2 = {'b': 2}
merged = dict1 | dict2  # {'a':1, 'b':2}

Для старых версий: {**dict1, **dict2}


📌 Быстрое создание списка из строки

chars = [*"Hello"]  # ['H','e','l','l','o']

Альтернатива list("Hello"), но с возможностью фильтрации:

[*filter(str.isupper, "HeLLo")]  # ['H','L','L']

📌 Обратный порядок с [::-1]

numbers = [1, 2, 3]
reversed = numbers[::-1]  # [3,2,1]

Работает для строк, кортежей и любых последовательностей!


📌 enumerate с начальным индексом

for i, item in enumerate(items, start=1):
    print(f"{i}. {item}")

Полезно для нумерации вывода в консоли


📌 Проверка нескольких условий через in

if status in ("success", "pending", "processing"):
    # Вместо status=="success" or status=="pending"...

Для больших множеств используйте set — проверка O(1)


📌 Генераторы словарей с условиями

users = {u.id: u for u in users if u.active}

Можно комбинировать с zip:

{key: value for key, value in zip(keys, values) if value}

📌 Дебаг через = (Python 3.8+)

print(f"{user_id=} {timestamp=}")
# Выведет: user_id=42 timestamp=1689876543

Избавляет от ручного форматирования логов


👨‍💻 Пишите свои идеи и пожелания, про что нам еще рассказать, в комментариях 👇

PythonDev
✔️Boost
Сотрудничество - @mistcoder, @ALRU8
➡️Донат

#обучение

👩‍💻 Пошаговый обучающий урок по работе с Excel через Python

————————

📚Шаг 1: Установка библиотеки
Установите библиотеку openpyxl, которая позволяет работать с Excel файлами:

pip install openpyxl

————————

📚Шаг 2: Открытие файла
Откройте существующий Excel файл:

import openpyxl

workbook = openpyxl.load_workbook('example.xlsx')
sheet = workbook.active

————————

📚Шаг 3: Запись данных в ячейку
Запишите значение в ячейку:

sheet['A1'] = 'Пример текста'
workbook.save('example.xlsx')  # Сохранение изменений в тот же файл

————————

📚Шаг 4: Запись формулы
Запишите формулу в ячейку:

sheet['B1'] = "=SUM(A2:A10)"  # Пример формулы для суммы диапазона
workbook.save('example.xlsx')  # Сохранение изменений в тот же файл

Важно: Формулы вычисляются только в Excel, а не Python.

————————

📚Шаг 5: Считывание данных из ячейки
Считайте данные из конкретной ячейки, например, A1:

cell_value = sheet['A1'].value
print(f"Значение в ячейке A1: {cell_value}")

————————

📚Шаг 6: Считывание значения после выполнения формулы
Чтобы считать значение формулы, откройте файл с параметром data_only=True:

workbook = openpyxl.load_workbook('example.xlsx', data_only=True)
sheet = workbook.active
result = sheet['B1'].value
print(f"Результат формулы: {result}")

————————

👩‍💻 Более подробно обо всех функциях данной библиотеки вы можете прочитать в официальной документации: тык

👨‍💻 Пишите свои идеи и пожелания, про что нам еще рассказать, в комментариях 👇

PythonDev
✔️Boost
Сотрудничество - @mistcoder, @ALRU8
➡️Донат

#обучение

👩‍💻 Clean Code in Python
Автор: Mariano Anaya (2021)

————————

👩‍💻Чистый код в Python
Автор: Мариано Анайя (2021)

👨‍💻 Пишите свои идеи и пожелания, про что нам еще рассказать, в комментариях 👇

PythonDev
✔️Boost
Сотрудничество - @mistcoder, @ALRU8
➡️Донат

#книга

💼ИИ на каждый день

⚡️ Cutout — инструмент для удаления размытия и улучшения качества фотографий. Он автоматически исправляет размытые изображения, повышая их четкость и детализацию.

⚡️ Riffusion — нейросеть для обработки музыкальных треков, позволяющая заменять вокал, менять инструментал, генерировать новые композиции и редактировать готовые треки.

⚡️ Vecto3D — бесплатный сервис для преобразования SVG-изображений в 3D-модели.

👨‍💻 Пишите свои идеи и пожелания, про что нам еще рассказать, в комментариях 👇

PythonDev
✔️Boost
Сотрудничество - @mistcoder, @ALRU8
➡️Донат

#сервис

🐍 5 Python-фишек, о которых знают не все

➡️ Однострочные if-выражения

x = 10
print("Чётное") if x % 2 == 0 else print("Нечётное")

Когда хочется лаконичности 👌

➡️ Словари из двух списков

keys = ['name', 'age']
values = ['Alice', 25]
data = dict(zip(keys, values))
print(data)

➡️ {'name': 'Alice', 'age': 25}

➡️Множественное присваивание

x, y, z = 1, 2, 3
x, y = y, x  # меняем местами

➡️ Современная работа с путями через pathlib

from pathlib import Path
p = Path("/home/user")
print(p / "file.txt")  # /home/user/file.txt

Более читаемо и современно 🔥

➡️ Подсчёт элементов с collections.Counter

from collections import Counter
print(Counter("hello world"))

➡️ {'l': 3, 'o': 2, ...}

#обучение

🧰 Полезные Python‑библиотеки для пентеста

📶Сетевые:
socket — низкоуровневое создание и работа с TCP/UDP‑сокетами.
ssl — TLS/SSL‑контексты и обёртки для защищённых соединений.
scapy — конструирование, отправка и анализ сетевых пакетов.
pyshark — разбор pcap/Live‑трафика (обёртка над tshark).
netifaces — информация об интерфейсах, адресах и шлюзах.
dnspython — гибкая работа с DNS‑запросами и записями.

🌐HTTP и веб:
requests — простой и удобный HTTP-клиент.
urllib3 — низкоуровневый HTTP/HTTPS клиент с управлением соединениями.
bs4 (BeautifulSoup) — парсинг и извлечение данных из HTML/XML.
selenium — автоматизация браузера для динамических сайтов.
mechanize — автоматизированная работа с формами и сессиями (headless).
aiohttp — асинхронные HTTP‑клиент и сервер на asyncio.

🧐Сканирование и аудит:
python-nmap (nmap) — интерфейс к nmap для запуска сканов и парсинга результатов.
masscan (bindings) — быстрый сканер портов (bindings для интеграции).
sslyze — проверка конфигурации TLS/SSL и уязвимостей сертификатов.
mitmproxy — интерактивный прокси для перехвата и модификации HTTP(S)-трафика.

✅Удалённый доступ и протоколы:
paramiko — SSH‑клиент и SFTP для удалённого выполнения и работы с файлами.
ftplib — стандартная библиотека для работы с FTP‑серверами.
telnetlib — простая работа с Telnet‑серверами.
smtplib — отправка почты через SMTP.
pysnmp — работа с SNMP для опроса сетевого оборудования.

🔺Системные и процесс‑утилиты:
psutil — мониторинг процессов, сетевых соединений и системных метрик.
shutil — высокоуровневые операции с файлами и папками (копирование, перемещение).
tempfile — безопасное создание временных файлов и директорий.
os — работа с файловой системой, средой и процессами.
subprocess — запуск внешних команд и взаимодействие с ними.

🌟Криптография и хэши:
hashlib — генерация MD5/SHA‑хешей и контрольных сумм.
hmac — создание HMAC‑подписей.
cryptography — современные криптографические примитивы и работа с ключами/сертификатами.
pyOpenSSL — обёртка для работы с OpenSSL и сертификатами.

🌟Парсинг и данные:
json — кодирование/декодирование JSON (стандартная библиотека).
lxml — быстрый и мощный парсер XML/HTML.
re — регулярные выражения для извлечения паттернов.
pandas — удобная обработка и анализ табличных данных.

🌟Параллелизм и асинхрон:
threading — многопоточность для I/O‑bound задач.
multiprocessing — параллельные процессы для CPU‑bound задач.
concurrent.futures — высокоуровневые пулы потоков/процессов.
asyncio — асинхронное программирование на уровне событийного цикла.

🌟Логирование и утилиты:
logging — централизованное логирование и настройка форматов/хендлеров.
tqdm — визуальные прогресс‑бары для итераций.
rich — красивый вывод в консоль (форматирование, таблицы, статус).

🌟Кодирование и форматы:
base64 — кодирование/декодирование base64.
binascii — низкоуровневые конверсии бинарных данных.
struct — упаковка/распаковка бинарных структур по форматам.

🌟Вспомогательные:
socketio — клиент/сервер Socket.IO для real‑time взаимодействия.
websocket-client — простой WebSocket‑клиент.
requests-toolbelt — расширения и утилиты для библиотеки requests.

🌟 Используйте эти инструменты только в рамках закона и с письменного разрешения владельцев тестируемых систем.

#сеть

🧠 Полезная библиотека: rich — красивые логи и интерфейсы прямо в консоли

Библиотека rich превращает обычный print() в мощный инструмент форматирования: цвета, таблицы, прогресс-бары, Markdown и даже живые логи прямо в терминале ⚡️

pip install rich

🔥 Что умеет rich:

💚 1. Красивый вывод текста

from rich import print

print("[bold green]Успешно![/bold green]")
print("[red]Ошибка:[/red] Что-то пошло не так.")

📊 2. Таблицы

from rich.table import Table
from rich.console import Console

table = Table(title="Рейтинг участников")
table.add_column("Имя")
table.add_column("Очки", justify="right")
table.add_row("Аня", "95")
table.add_row("Борис", "87")

Console().print(table)

⏳ 3. Прогресс-бары

from rich.progress import track
import time

for i in track(range(5), description="Обработка..."):
    time.sleep(0.5)

🧠 Полезная библиотека: asyncio — асинхронность, которая делает Python быстрее без потоков

asyncio позволяет выполнять десятки и сотни задач параллельно, не блокируя программу.
Идеально для работы с сетью, API, ботами, парсерами и любыми долгими ожиданиями.

asyncio ≠ многопоточность
Это просто умное переключение задач.


🔥 Что умеет asyncio:

🧠 1. Асинхронные функции

import asyncio

async def hello():
    await asyncio.sleep(1)
    print("Привет из async!")

⚙️ 2. Параллельный запуск задач

import asyncio

async def task(n):
    await asyncio.sleep(1)
    print(f"Задача {n} выполнена")

async def main():
    tasks = [asyncio.create_task(task(i)) for i in range(5)]
    await asyncio.gather(*tasks)

asyncio.run(main())

⏳ 3. Не блокирует поток

import asyncio

await asyncio.sleep(1)   # ✔️ не блокирует

Спасибо mister_coder за поздравления, ну а от себя пожелаю всем счастья, здоровья и успехов во всех начинаниях! Всех с 2026 годом! 🎄