📕 Веб-приложения: Что это такое и почему они важны

➡️ Что такое веб-приложение?

Веб-приложение - это программное обеспечение, которое работает в веб-браузере. Основные характеристики веб-приложений включают:

- Независимость от платформы
- Работа на любом устройстве, включая мобильные
- Зависимость от интернет-соединения (как минимум для начальной загрузки)
- Динамический контент с частыми обновлениями

➡️ Технологии, лежащие в основе веб-приложений

Веб-приложения создаются с использованием различных технологий:

- Фронтенд: HTML, CSS и JavaScript
- Бэкенд: Node.js, Python (с Django или Flask), Java и другие
- Базы данных: SQL и NoSQL варианты (например, MongoDB, PostgreSQL)

➡️ Примеры веб-приложений

Многие популярные сервисы, которые мы используем ежедневно, являются веб-приложениями:

- Gmail
- Google Документы
- Trello
- Slack
- Онлайн-банкинг

➡️ Безопасность в веб-приложениях

Веб-приложения имеют преимущество в виде встроенных функций безопасности, таких как HTTPS для шифрования передаваемых данных. Это освобождает разработчиков от необходимости создавать меры безопасности с нуля.

➡️ Время загрузки веб-приложений

Типичное время загрузки веб-приложений:

- Первая загрузка: около 7-8 секунд
- Последующие загрузки: около 1 секунды (благодаря кэшированию)

➡️ Гибридный подход

Многие компании используют гибридный подход:

- Веб-сайт для презентации и продажи идеи (оптимизирован для SEO)
- Веб-приложение для основного продукта (оптимизировано для удобства пользователей)

➡️ Почему веб-приложения важны?

Веб-приложения имеют ряд преимуществ, которые делают их важными в современном мире:

- Доступность с любого устройства с браузером
- Не требуют установки и обновления на устройстве пользователя
- Легко обновляются и поддерживаются разработчиками
- Обеспечивают единообразный пользовательский опыт на разных платформах


Источник: Python Hub - сборище Питонистов 👩‍💻

📕 Интеграция React с шаблонами Django: Эффективный подход

В этой статье мы рассмотрим, как можно эффективно интегрировать React с Django, не создавая полноценное SPA-приложение.

➡️ Проблема традиционного подхода

Многие статьи рекомендуют создавать полноценный React SPA и использовать Django только как REST API. Однако такой подход имеет ряд недостатков, особенно для небольших проектов:

- Дублирование кода (маршрутизация, аутентификация, авторизация)
- Необходимость создания отдельных страниц ошибок
- Дублирование состояний и моделей данных

Хотя для некоторых проектов это может быть приемлемым решением, для моего небольшого приложения такой подход кажется излишним.

➡️ Альтернативное решение: React как шаблонизатор

Идея заключается в том, чтобы использовать React не как полноценный фронтенд-фреймворк, а как шаблонизатор для Django. Это позволит нам сохранить преимущества обоих инструментов.

➡️ Реализация

1. Точки монтирования React

React имеет удобное свойство: он монтируется не просто в body DOM или случайное место, а именно в указанный вами элемент. Мы можем использовать это для реализации маршрутизации, используя одну точку монтирования для каждой страницы:

ReactDOM.render(
  <h1>Страница 1!</h1>,
  document.getElementById('page-1')
);

ReactDOM.render(
  <h1>Страница 2!</h1>,
  document.getElementById('page-2')
);

2. Маршрутизация на стороне Django

На стороне Django нам нужно только отрендерить <div> с соответствующим идентификатором:

{% extends "base.html" %}
{% load static %}

{% block content %}
  <div id="{{ element_id }}"></div>
  <script src="{% static 'index.js' %}"></script>
{% endblock %}

3. Оптимизация размера пакета

Чтобы не загружать JavaScript для неиспользуемых страниц, мы можем использовать встроенную функцию React - Code Splitting:

let Page1 = React.lazy(() => import('./page1'))
let Page2 = React.lazy(() => import('./page2'))

ReactDOM.render(
  <Suspense fallback={<></>}>
    <Page1/>
  </Suspense>,
  document.getElementById('page-1')
);

4. Передача контекстных данных

Для передачи данных из Django в React мы можем использовать встроенный в Django тег json_script:

{% extends "base.html" %}
{% load static %}

{% block content %}
  <div id="{{ element_id }}"></div>
  {{ page_context | json_script:'page-context' }}
  <script src="{% static 'index.js' %}"></script>
{% endblock %}

На стороне React мы можем получить эти данные с помощью пользовательского хука:

export let usePageContext = <T = any>() => {
  let [pageContext, setPageContext] = useState<T | undefined>(undefined)
  useEffect(() => {
    let pageContext = document.getElementById('page-context').textContent
    setPageContext(JSON.parse(pageContext))
  }, [])
  return pageContext as T
}

const TodosIndexPage = memo(() => {
  let pageContext = usePageContext<{ todos: Todo[] }>()
  let todos = pageContext?.todos
  return <>
    <h1>React todos page</h1>
    <ul>
      {todos?.map(todo => <li key={todo.id}>{todo.title}</li>)}
    </ul>
  </>
})

➡️ Заключение

Этот подход позволяет использовать React как шаблонизатор для Django, сохраняя при этом простоту разработки и избегая дублирования кода. Основные шаги для реализации:

- Создание отдельных точек монтирования для React
- Настройка разделения кода для оптимизации производительности
- Реализация маршрутизации на стороне Django
- Передача контекста страницы из Django в React
- Получение и использование контекста страницы на стороне React

Рабочий пример этого подхода можно найти на GitHub в репе этого парня:
https://github.com/kozlovzxc/djangoReactTemplates


Источник: Python Hub - сборище Питонистов 👩‍💻

📕 Добавление многоязычности в Django


Добавление поддержки нескольких языков в Django может быть сложной задачей для новичков. В этой статье мы рассмотрим пошаговый процесс реализации многоязычности в вашем Django-проекте.

➡️ 1. Настройка проекта

Если у вас еще нет готового проекта Django, вы можете создать новый, выполнив следующие шаги:

virtualenv .env
source .env/bin/activate
pip install django
django-admin startproject languages
cd languages
python manage.py migrate

➡️ 2. Включение i18n и l10n

Убедитесь, что в вашем файле [settings.py](http://settings.py) включены следующие настройки:

USE_I18N = True
USE_L10N = True

➡️ 3. Перевод в шаблонах

Для перевода текста в шаблонах используйте тег {% trans %}:

{% load i18n %}
{% trans "Hello world! This is an HTML5 Boilerplate." %}

➡️ 4. Перевод в представлениях

Для перевода текста в представлениях используйте функцию gettext:

from django.utils.translation import gettext as _

def index(request):
    text = _("this is some random text")
    return render(request, 'home.html', {'text': text})

➡️ 5. Создание файлов перевода

Создайте каталог для хранения переводов и выполните команду для создания файлов перевода:

mkdir -p locale
django-admin makemessages --ignore="static" --ignore=".env" -l nl

➡️ 6. Редактирование файлов перевода

Отредактируйте файл django.po в созданном каталоге locale, добавив переводы для каждой строки:

#: home/templates/home.html:19
msgid "Hello world! This is an HTML5 Boilerplate."
msgstr "Hallo wereld! Dit is een HTML5 Boilerplate."

➡️ 7. Компиляция файлов перевода

После редактирования файлов перевода, скомпилируйте их:

django-admin compilemessages

➡️ 8. Настройка языка на основе пользовательских предпочтений

Добавьте поле для выбора языка в модель пользователя:

LANGUAGE_CHOICES = (
    ('en-us', 'English'),
    ('nl', 'Dutch'),
)
language = models.CharField(default='en-us', choices=LANGUAGE_CHOICES, max_length=5)

В представлении активируйте язык на основе настроек пользователя:

from django.utils import translation

def index(request):
    if request.user.is_authenticated:
        translation.activate(request.user.language)
    return render(request, 'home.html')

➡️ Заключение

Следуя этим шагам, вы сможете добавить поддержку нескольких языков в ваш Django-проект. Не забывайте обновлять файлы перевода при добавлении нового текста и компилировать их после внесения изменений.

Оригинал статьи на английском

Источник: Python Hub - сборище Питонистов 👩‍💻

✍️ Рисование с помощью Tkinter в Python


Tkinter - это мощный модуль Python для создания графических пользовательских интерфейсов (GUI). Хотя он часто используется для создания стандартных элементов интерфейса, таких как кнопки и текстовые поля, Tkinter также предоставляет возможности для создания приложений для рисования, подобных Paint.

➡️ Создание холста для рисования

Основой для рисования в Tkinter является виджет Canvas (холст). Вот как можно создать простое окно с холстом:

from tkinter import *

class Application(Frame):
    def __init__(self, master):
        super().__init__(master)
        self.master = master
        self.pack()
        self.create_widget()

    def create_widget(self):
        self.canvas = Canvas(self, width=200, height=200, bg='white')
        self.canvas.pack()
        self.canvas.bind('<B1-Motion>', self.draw)

    def draw(self, event):
        self.canvas.create_oval(event.x, event.y, event.x+1, event.y+1)

root = Tk()
root.geometry('200x200')
app = Application(root)
root.mainloop()

➡️Как работает рисование

Ключевой метод для рисования - это функция draw:

def draw(self, event):
    self.canvas.create_oval(event.x, event.y, event.x+1, event.y+1)

Этот метод создает маленький овал (фактически, точку) в позиции курсора мыши. Метод вызывается каждый раз, когда пользователь перемещает мышь с зажатой левой кнопкой (событие <B1-Motion>).

➡️ Настройка размера кисти

Вы можете легко изменить размер "кисти", увеличив размер создаваемого овала:

def draw(self, event):
    brush_size = 5
    x1, y1 = (event.x - brush_size), (event.y - brush_size)
    x2, y2 = (event.x + brush_size), (event.y + brush_size)
    self.canvas.create_oval(x1, y1, x2, y2, fill='black')

➡️ Добавление функциональности

Вы можете расширить функциональность вашего приложения для рисования, добавив следующие возможности:

- Выбор цвета кисти
- Изменение размера кисти
- Очистка холста
- Сохранение рисунка

Источник: Python Hub - сборище Питонистов 👩‍💻

☝️ Полиморфизм в Python: перегрузка и переопределение методов


Полиморфизм - ключевой принцип объектно-ориентированного программирования (ООП), позволяющий объектам различных классов иметь одинаковый интерфейс. Термин "полиморфизм" происходит от греческого слова, означающего "множество форм". В Python полиморфизм реализуется двумя основными способами: перегрузкой методов и их переопределением.

⏩ Перегрузка методов

Перегрузка методов - это возможность класса иметь несколько методов с одинаковым именем, но разными параметрами. В Python прямая перегрузка методов не поддерживается, но похожего эффекта можно достичь с помощью параметров по умолчанию и аргументов переменной длины.

⏩ Пример перегрузки метода

class MathOperations:
    def add(self, a, b, c=0):
        return a + b + c

math_op = MathOperations()
print(math_op.add(10, 20))       # Вывод: 30
print(math_op.add(10, 20, 30))   # Вывод: 60

В этом примере метод add() может принимать два или три аргумента, имитируя перегрузку метода.

⏩ Переопределение методов

Переопределение методов - это механизм, позволяющий подклассу предоставить свою реализацию метода, уже определенного в родительском классе. Это позволяет изменять или расширять поведение унаследованных методов.

## Пример переопределения метода

class Animal:
    def sound(self):
        return "Какой-то звук"

class Dog(Animal):
    def sound(self):
        return "Гав"

class Cat(Animal):
    def sound(self):
        return "Мяу"

dog = Dog()
cat = Cat()
print(dog.sound())  # Вывод: Гав
print(cat.sound())  # Вывод: Мяу

В этом примере классы Dog и Cat переопределяют метод sound(), унаследованный от класса Animal.

⏩ Практическое применение полиморфизма

Рассмотрим пример использования полиморфизма в системе обработки платежей:

class Payment:
    def process(self, amount):
        raise NotImplementedError("Подклассы должны реализовать этот метод")

class CreditCardPayment(Payment):
    def process(self, amount):
        return f"Обработан платеж кредитной картой на сумму {amount}."

class PayPalPayment(Payment):
    def process(self, amount):
        return f"Обработан платеж через PayPal на сумму {amount}."

credit_card = CreditCardPayment()
paypal = PayPalPayment()

print(credit_card.process(100))
print(paypal.process(200))

Этот пример демонстрирует, как полиморфизм позволяет работать с разными типами платежей через единый интерфейс.

⏩ Заключение

Полиморфизм в Python, реализуемый через переопределение методов и имитацию перегрузки, обеспечивает гибкость и возможность повторного использования кода. Эти концепции позволяют создавать более модульные, расширяемые и легко поддерживаемые программы. Эффективное использование полиморфизма - ключ к написанию чистого и элегантного кода на Python.


Источник: Python Hub - сборище Питонистов 👩‍💻

Разбор 👨‍💻

Метод find() возвращает индекс первого вхождения указанного символа или подстроки в строке. Если символ или подстрока не найдены, метод find() возвращает -1

Регистр тоже играет важную роль! Помни, что "a" - это не то же самое что "A"

⭐️ Гооооооооо!

⭐️⭐️⭐️ Полезный видос про оплату телеграм старсами в вашем боте

+ допом хостинг ✨

https://youtu.be/Pu40gtIaJmE

🔥 Эффекты сообщений message_effect_id в Telegram Bot API

message_effect_id - это уникальный идентификатор, используемый в Telegram Bot API для определения конкретного визуального эффекта, который можно применить к сообщению. Эти эффекты представляют собой анимированные реакции, которые пользователи могут добавлять к сообщениям.

➡️ Основные характеристики message_effect_id:

Уникальность: Каждый эффект имеет свой уникальный числовой идентификатор.Формат: Идентификаторы представлены в виде строк, содержащих длинные числовые значения.Связь с эмодзи: Каждый message_effect_id соответствует определенному эмодзи, которое визуально представляет эффект.

➡️Примеры message_effect_id:

{
    '🔥': "5104841245755180586",
    '👍': "5107584321108051014",
    '👎': "5104858069142078462",
    '❤️': "5044134455711629726",
    '🎉': "5046509860389126442",
    '💩': "5046589136895476101"
}

➡️Использование в Telegram Bot API:

Применение эффектов: Боты могут использовать эти идентификаторы для добавления анимированных реакций к сообщениям.Интерактивность: Позволяет создавать более динамичные и интерактивные взаимодействия в чатах.Кастомизация: Разработчики могут выбирать конкретные эффекты для различных сценариев использования бота.

➡️ Значение для разработчиков:

Понимание и правильное использование message_effect_id позволяет разработчикам ботов создавать более привлекательные и интерактивные интерфейсы, улучшая пользовательский опыт в Telegram.

Источник: Python Hub - сборище Питонистов 👩‍💻

👩‍💻 Итерируемый счетчик в Python

➡️ Что такое итерируемый счетчик?

Итерируемый счетчик в Python - это объект, который можно использовать в цикле for и других итерационных контекстах. Он позволяет последовательно получать значения, обычно числовые, в заданном диапазоне или по определенному правилу.

➡️ Реализация итерируемого счетчика

Давайте рассмотрим пример реализации простого итерируемого счетчика:

class IterableCounter:
    def __init__(self, start, end):
        self.current = start
        self.end = end

    def __iter__(self):
        return self

    def __next__(self):
        if self.current > self.end:
            raise StopIteration
        else:
            self.current += 1
            return self.current - 1

В этом примере:

- init инициализирует счетчик начальным и конечным значениями.
- iter возвращает сам объект, делая его итератором.
- next определяет логику получения следующего значения.

➡️ Использование итерируемого счетчика

Теперь мы можем использовать наш счетчик в цикле for:

counter = IterableCounter(1, 5)
for num in counter:
    print(num)

Этот код выведет числа от 1 до 5.

➡️ Преимущества итерируемого счетчика

- Гибкость: можно легко изменить логику генерации значений.
- Экономия памяти: значения генерируются по мере необходимости.
- Интеграция с циклами: легко использовать в стандартных конструкциях Python.

➡️ Альтернативы

В Python есть встроенные альтернативы для простых случаев:

- range(): для последовательностей целых чисел.
- enumerate(): для нумерации элементов итерируемого объекта.

➡️ Заключение

Итерируемые счетчики в Python - мощный инструмент для создания пользовательских последовательностей. Они особенно полезны, когда стандартные функции не удовлетворяют специфическим требованиям вашей задачи.

Источник: Python Hub - сборище Питонистов 👩‍💻

🔥 Изучение хэш-функций в Python: распределение, коллизии и производительность

Хэш-функции играют важную роль в компьютерных науках, особенно в структурах данных и криптографии. В этой статье мы рассмотрим различные типы хэш-функций, реализованные на Python, и проанализируем их характеристики.

➡️ Типы хэш-функций

➡️1. Простая хэш-функция (simple_hash)

Эта функция суммирует ASCII-значения символов входной строки и применяет операцию модуля. Она проста в реализации, но может привести к неравномерному распределению.

def simple_hash(input_str, table_size):
    hash_value = 0
    for char in input_str:
        hash_value += ord(char)
    return hash_value % table_size

➡️ 2. Полиномиальный хэш (polynomial_hash)

Использует полиномиальное накопление ASCII-значений с простым числом, что позволяет придать больший вес символам в начале строки.

def polynomial_hash(input_str, table_size, prime=31):
    hash_value = 0
    for i, char in enumerate(input_str):
        hash_value += ord(char) * (prime ** i)
    return hash_value % table_size

➡️ 3. FNV-1a хэш (fnv1a_hash)

32-битная версия FNV-1a хэша, известная своими хорошими характеристиками распределения.

def fnv1a_hash(key, table_size):
    FNV_prime = 16777619
    FNV_offset_basis = 2166136261
    hash_value = FNV_offset_basis
    for char in key:
        hash_value ^= ord(char)
        hash_value *= FNV_prime
        hash_value &= 0xffffffff  # Обеспечивает 32-битный хэш
    return hash_value % table_size

➡️ 4. XXХэш (xx_hash)

Использует библиотеку xxhash для быстрого некриптографического хэширования, эффективного для больших объемов данных.

def xx_hash(input_str, table_size):
    return xxhash.xxh32(input_str).intdigest() % table_size

➡️ 5. SipHash (sip_hash)

Применяет HMAC с SHA-256 для повышенной безопасности, но может быть медленнее некриптографических хэшей.

def sip_hash(input_str, table_size, key=b'secretkey'):
    hash_value = hmac.new(key, input_str.encode(), digestmod='sha256').hexdigest()
    return int(hash_value, 16) % table_size

➡️ 6. MurmurHash (murmur_hash)

Быстрая некриптографическая хэш-функция, часто используемая в хэш-таблицах и фильтрах Блума.

def murmur_hash(input_str, table_size):
    hash_value = mmh3.hash(input_str) % table_size
    return hash_value

➡️ Тестирование хэш-функций

➡️ Генерация тестовых данных

Для тестирования используется функция generate_random_strings, которая создает случайные строки заданной длины.

➡️ Анализ распределения и коллизий

Функция test_distribution_and_collisions оценивает качество распределения элементов по хэш-таблице и подсчитывает количество коллизий.

➡️ Измерение времени выполнения

Функция test_execution_time измеряет время, необходимое для хэширования набора элементов, что позволяет сравнить производительность разных хэш-функций.

➡️ Проверка чувствительности

Функция test_sensitivity проверяет, насколько хэш-функция чувствительна к небольшим изменениям во входных данных.

➡️ Заключение

Выбор подходящей хэш-функции зависит от конкретных требований приложения. Простые хэш-функции могут быть достаточными для небольших наборов данных, в то время как для больших объемов данных или повышенных требований к безопасности могут потребоваться более сложные алгоритмы. Важно учитывать баланс между скоростью выполнения, качеством распределения и устойчивостью к коллизиям при выборе хэш-функции для конкретной задачи.

🙂 Реализация кучи на Python 💩

Куча [чего? Что на картинке?] (heap) - это элегантная структура данных, которая часто используется для реализации приоритетной очереди. В то время как приоритетная очередь - это абстрактная структура данных, определяющая поведение и интерфейс, куча - это конкретная реализация, определяющая, как эта структура работает.

➡️ Основные операции

Реализация приоритетной очереди обычно предоставляет следующие методы:

- Вставить(H, x): вставить элемент x в приоритетную очередь H
- Find(H): вернуть элемент с наивысшим приоритетом в очереди H
- Delete(H): удалить элемент с наименьшим (или наибольшим) значением в очереди H

➡️ Бинарная куча

В этой статье мы сосредоточимся на реализации бинарной кучи (Binary Heap), где каждый узел может иметь максимум двух потомков. В min-heap родительский узел всегда имеет меньшее значение, чем его потомки, а в max-heap - большее.

➡️ Представление данных

Куча может быть представлена в виде массива, где позиции левого и правого потомков можно вычислить с помощью простых формул. Для элемента с индексом k:

- Индекс левого потомка: 2*k + 1
- Индекс правого потомка: 2*k + 2
- Индекс родителя: (k - 1) // 2

➡️ Применение куч

Кучи находят широкое применение в различных алгоритмах и реальных сценариях:

- Сортировка: пирамидальная сортировка (Heapsort) имеет временную сложность O(n log n) в худшем случае
- Алгоритмы поиска на графах: A* и алгоритм Дейкстры используют кучи для хранения пар приоритет-узел
- Кодирование Хаффмана: кучи применяются для хранения и извлечения деревьев с наименьшей частотой

➡️ Реализация в Python

В стандартной библиотеке Python API для работы с кучами находится в модуле heapq. Вот пример использования:

import heapq

unsorted_array = [100, 230, 44, 1, 74, 12013, 84]
heapq.heapify(unsorted_array)
print(unsorted_array)
# [1, 74, 44, 230, 100, 12013, 84]

sorted_array = []
for _ in range(len(unsorted_array)):
    sorted_array.append(heapq.heappop(unsorted_array))
print(sorted_array)
# [1, 44, 74, 84, 100, 230, 12013]

➡️ Собственная реализация MinHeap

Ниже представлена базовая структура класса MinHeap с основными методами:

class MinHeap:
    def __init__(self):
        self.nodes = []

    def add(self, item):
        self.nodes.append(item)
        self.__heapify_up()

    def poll(self):
        if self.is_empty():
            return None
        removed_node = self.nodes[0]
        self.nodes[0] = self.nodes[-1]
        del self.nodes[-1]
        self.__heapify_down()
        return removed_node

    def peek(self):
        return self.nodes[0] if not self.is_empty() else None

    def is_empty(self):
        return len(self.nodes) == 0

    def __heapify_up(self):
        # Реализация метода подъема элемента

    def __heapify_down(self):
        # Реализация метода опускания элемента

➡️ Заключение

Кучи - это мощная и эффективная структура данных, которая находит применение во многих алгоритмах и реальных задачах. Понимание принципов работы куч и умение их реализовывать - важный навык для каждого программиста.

🫠 Python — жадные алгоритмы для задач оптимизации

Жадные алгоритмы полезны для решения задач оптимизации, делая ряд локально оптимальных выборов, которые приводят к глобально оптимальному решению. На каждом шаге они выбирают наилучший доступный вариант, не принимая во внимание последствия будущих выборов. Хотя они не гарантируют абсолютно наилучшего решения, они часто предоставляют быстрые и приемлемые решения.

➡️ Пример — жадный алгоритм для дробной задачи о рюкзаке на Python

def fractional_knapsack(items, capacity):
    # Sort items by their value-to-weight ratio in descending order
    items.sort(key=lambda x: x[1] / x[0], reverse=True)

    total_value = 0
    remaining_capacity = capacity

    for item in items:
        if remaining_capacity >= item[0]:
            total_value += item[1]
            remaining_capacity -= item[0]
        else:
            total_value += (remaining_capacity / item[0]) * item[1]
            break

    return total_value

# Example usage:
items = [(2, 10), (3, 5), (5, 15), (7, 7), (1, 6)]
knapsack_capacity = 10
max_value = fractional_knapsack(items, knapsack_capacity)
print(max_value)

➡️ Объяснение алгоритма

В этом примере мы используем жадный алгоритм для решения задачи о дробном рюкзаке. Учитывая набор элементов с весами и значениями, цель состоит в том, чтобы выбрать элементы, чтобы максимизировать общую стоимость, не превышая при этом определенный предел веса (емкость рюкзака). Алгоритм сортирует элементы по соотношению их стоимости к весу и выбирает элементы жадно, максимизируя общую стоимость в пределах ограничения емкости.

➡️ Применение жадных алгоритмов

Жадные алгоритмы особенно полезны, когда проблема демонстрирует свойство жадного выбора, что означает, что локально оптимальный выбор на каждом шаге приводит к глобально оптимальному решению. Однако важно отметить, что не все проблемы можно решить оптимально с помощью жадного подхода, поэтому требуется тщательный анализ, чтобы определить, когда целесообразно использовать этот метод.