Как создать простую капчу с использованием библиотеки captcha

Как создать простую капчу с помощью библиотеки captcha

Капча — это маленький страж, который защищает формы на сайте от ботов: регистрация, вход, отправка заявки. Давай разберёмся, как всего за несколько строк на Python сделать свою простую капчу в виде картинки с текстом.

### Установка библиотеки

Нам понадобится модуль captcha:

pip install captcha

Основной класс, с которым будем работать, — ImageCaptcha.

### Генерация изображения капчи

Сгенерируем картинку с кодом и сохраним её в файл:

from captcha.image import ImageCaptcha
import random
import string

def generate_code(length: int = 5) -> str:
    symbols = string.ascii_uppercase + string.digits
    return ''.join(random.choice(symbols) for _ in range(length))

def generate_captcha(image_path: str = "captcha.png") -> str:
    image_captcha = ImageCaptcha(width=200, height=80)
    code = generate_code()
    image = image_captcha.generate_image(code)
    image.save(image_path)
    return code

if __name__ == "__main__":
    correct_code = generate_captcha()
    print("Captcha code:", correct_code)

Что здесь происходит:

- generate_code создаёт случайный набор из букв и цифр.
- ImageCaptcha рисует картинку с этим кодом.
- Картинка сохраняется как captcha.png, а правильный код возвращается для дальнейшей проверки.

### Проверка ответа пользователя

Обычно логика следующая: мы генерируем капчу, сохраняем код в сессии (или временно в памяти), затем сравниваем его с вводом пользователя.

Упрощённый пример без веб-фреймворка:

def verify_captcha(user_input: str, correct_code: str) -> bool:
    return user_input.strip().upper() == correct_code.upper()

if __name__ == "__main__":
    correct_code = generate_captcha()
    user_input = input("Enter captcha from image: ")
    if verify_captcha(user_input, correct_code):
        print("Access granted")
    else:
        print("Access denied")

### Идеи для улучшения

- Увеличить длину кода (length=6–7), чтобы усложнить перебор.
- Генерировать разные размеры картинок (width, height) под дизайн сайта.
- Хранить коды не в памяти, а, например, в Redis или сессии веб-фреймворка.

Такая капча не заменит сложные промышленные решения, но для учебных проектов, pet-проектов и внутренних инструментов этого более чем достаточно и прекрасно показывает связку: генерация данных → создание изображения → валидация ввода пользователя.

Реализация счетчика посещений сайта с использованием flask и sql

Реализация счетчика посещений сайта на Flask и SQLite

Иногда самый полезный функционал — самый простой. Счётчик посещений показывает, что сайт “живой”: им пользуются, к нему возвращаются. Давай сделаем минималистичный, но “правильный” вариант на Flask + SQLite.

### Архитектура идеи

Нам нужно:
1. Веб-приложение на Flask.
2. База данных SQLite с таблицей visits.
3. Логика: при заходе на страницу увеличиваем число посещений и показываем пользователю.

Почему SQLite?
- Ничего устанавливать отдельно не нужно — база хранится в одном файле.
- Для маленьких проектов и пет-проектов более чем достаточно.

### Создаём базу и таблицу

Файл init_db.py:

import sqlite3

def init_db():
    conn = sqlite3.connect("stats.db")
    cursor = conn.cursor()
    cursor.execute(
        """
        CREATE TABLE IF NOT EXISTS visits (
            id INTEGER PRIMARY KEY CHECK (id = 1),
            counter INTEGER NOT NULL
        )
        """
    )
    cursor.execute("INSERT OR IGNORE INTO visits (id, counter) VALUES (1, 0)")
    conn.commit()
    conn.close()

if __name__ == "__main__":
    init_db()

Этот скрипт:
- создаёт файл stats.db,
- гарантирует единственную строку с id = 1, где живёт наш счётчик.

Запусти его один раз: python init_db.py.

### Flask-приложение

Файл app.py:

from flask import Flask
import sqlite3

app = Flask(__name__)

def get_db_connection():
    conn = sqlite3.connect("stats.db")
    conn.row_factory = sqlite3.Row
    return conn

def increment_counter():
    conn = get_db_connection()
    cursor = conn.cursor()
    cursor.execute("UPDATE visits SET counter = counter + 1 WHERE id = 1")
    conn.commit()
    cursor.execute("SELECT counter FROM visits WHERE id = 1")
    row = cursor.fetchone()
    conn.close()
    return row["counter"]

@app.route("/")
def index():
    visits = increment_counter()
    return f"<h1>Welcome!</h1><p>This page was visited {visits} times.</p>"

if __name__ == "__main__":
    app.run(debug=True)

Что здесь важно:

- Отдельная функция get_db_connection() — хороший тон, код легче масштабировать.
- increment_counter() инкапсулирует всю работу с базой: обновление и чтение.
- В index() мы просто вызываем логику и выводим результат.

### Возможные улучшения

- Сохранять IP пользователя, User-Agent и дату визита в отдельной таблице visits_log.
- Добавить отдельную админ-страницу /stats, где показывать не только общее число, но и статистику по дням.
- Вынести конфиг базы и пути в отдельный файл настроек.

С таким минимальным примером у тебя уже есть полноценный счётчик посещений, который не сбросится при перезапуске сервера и не зависит от сторонних сервисов.

Сравнение объектов и реализация собственных методов eq и lt

Сравнение объектов в Python: магия __eq__ и __lt__

Пока мы сравниваем только числа и строки, все просто: ==, <, >, и жизнь удалась. Проблемы начинаются, когда у нас появляются собственные классы: User, Order, Point и т.д. Как Python должен решать, что два объекта равны? Или какой из них “меньше”? По умолчанию — никак полезно для нас.

---

### Базовое сравнение: что делает Python по умолчанию

Если у класса не определен __eq__, выражение a == b для двух объектов одного класса проверяет, один и тот же ли это объект в памяти. Два разных, но “по смыслу” одинаковых объекта будут считаться неравными:

class Point:
    def __init__(self, x, y):
        self.x = x
        self.y = y

p1 = Point(1, 2)
p2 = Point(1, 2)

print(p1 == p2)  # False

---

### Даем объектам смысл: реализуем __eq__

Сделаем так, чтобы точки считались равными, если равны их координаты:

class Point:
    def __init__(self, x, y):
        self.x = x
        self.y = y

    def __eq__(self, other):
        if not isinstance(other, Point):
            return NotImplemented
        return (self.x, self.y) == (other.x, other.y)

p1 = Point(1, 2)
p2 = Point(1, 2)
p3 = Point(2, 3)

print(p1 == p2)  # True
print(p1 == p3)  # False

Ключевой момент — возвращать NotImplemented, если объект другого типа. Тогда Python попробует обратное сравнение или корректно вернёт False.

---

### Порядок имеет значение: реализуем __lt__

Метод __lt__ (“less than”) нужен для операторов < и для сортировки. Например, хотим сортировать точки по расстоянию от начала координат:

import math

class Point:
    def __init__(self, x, y):
        self.x = x
        self.y = y

    def distance(self):
        return math.hypot(self.x, self.y)

    def __eq__(self, other):
        if not isinstance(other, Point):
            return NotImplemented
        return self.x == other.x and self.y == other.y

    def __lt__(self, other):
        if not isinstance(other, Point):
            return NotImplemented
        return self.distance() < other.distance()

points = [Point(3, 4), Point(1, 1), Point(0, 5)]
points.sort()
for p in points:
    print(p.x, p.y)

Теперь sort() понимает, как сравнивать объекты Point.

---

### functools.total_ordering: меньше кода – больше порядка

Если реализовать все сравнения вручную (__lt__, __le__, __gt__, __ge__), код раздуется. Модуль functools умеет помочь:

from functools import total_ordering
import math

@total_ordering
class Point:
    def __init__(self, x, y):
        self.x = x
        self.y = y

    def distance(self):
        return math.hypot(self.x, self.y)

    def __eq__(self, other):
        if not isinstance(other, Point):
            return NotImplemented
        return (self.x, self.y) == (other.x, other.y)

    def __lt__(self, other):
        if not isinstance(other, Point):
            return NotImplemented
        return self.distance() < other.distance()

Достаточно реализовать __eq__ и один из методов порядка (__lt__, __le__, __gt__ или __ge__) — остальные создат total_ordering.

---

### Итог

1. По умолчанию объекты сравниваются по идентичности, а не по содержимому.
2. __eq__ отвечает за смысл равенства, __lt__ — за порядок (и сортировку).
3. Возвращайте NotImplemented при сравнении с чужими типами.
4. Используйте functools.total_ordering, чтобы не писать все методы сравнения вручную.

Когда объекты начинают “понимать”, как им сравниваться, код становится проще, а данные — значительно умнее.

Получение системной информации: имя компьютера, IP, ОС

Python для начинающих: узнаём имя компьютера, IP и ОС

Иногда хочется, чтобы программа знала, где она вообще запущена: как зовут компьютер, какой у него IP-адрес и под какой ОС всё это работает. Это важно для логирования, сетевых скриптов, настройки путей и просто для самодиагностики.

Сегодня разберём три стандартных модуля: socket, platform и os. Никаких сторонних библиотек, всё есть «из коробки».

---

## Имя компьютера и IP-адрес

Модуль socket умеет работать с сетью и при этом спокойно подскажет, как зовут машину и какой у неё IP.

import socket

hostname = socket.gethostname()
ip_address = socket.gethostbyname(hostname)

print(f"Hostname: {hostname}")
print(f"IP address: {ip_address}")

Проблема: gethostbyname иногда возвращает 127.0.0.1, если система так настроена. Более надёжный способ — открыть «фальшивое» соединение наружу и посмотреть, с какого адреса мы выходим:

import socket

def get_local_ip():
    with socket.socket(socket.AF_INET, socket.SOCK_DGRAM) as s:
        s.connect(("8.8.8.8", 80))
        return s.getsockname()[0]

print("Local IP:", get_local_ip())

Интернет реально не используется, но сокету нужно «представиться» и он раскрывает наш реальный адрес в сети.

---

## Определяем операционную систему

Здесь король — модуль platform. Он даёт как короткую, так и детальную информацию.

import platform

print("System:", platform.system())       # 'Windows', 'Linux', 'Darwin'
print("Release:", platform.release())     # версия системы
print("Version:", platform.version())     # детальная строка
print("Machine:", platform.machine())     # архитектура (x86_64, arm64...)

Если нужна «человеческая» строка одним махом:

import platform

info = platform.platform()
print("Platform info:", info)

---

## Немного о пользователе и окружении

Модуль os помогает заглянуть в окружение: путь к пользователю, имя юзера и прочие системные переменные.

import os

user = os.getenv("USERNAME") or os.getenv("USER")
home_dir = os.path.expanduser("~")

print(f"User: {user}")
print(f"Home directory: {home_dir}")

---

## Собираем всё вместе

Мини-скрипт системной самодиагностики:

import socket
import platform
import os


def get_local_ip():
    with socket.socket(socket.AF_INET, socket.SOCK_DGRAM) as s:
        s.connect(("8.8.8.8", 80))
        return s.getsockname()[0]


def get_system_info():
    hostname = socket.gethostname()
    ip_address = get_local_ip()
    system = platform.system()
    release = platform.release()
    user = os.getenv("USERNAME") or os.getenv("USER")

    return {
        "hostname": hostname,
        "ip": ip_address,
        "system": system,
        "release": release,
        "user": user,
    }


if __name__ == "__main__":
    info = get_system_info()
    for key, value in info.items():
        print(f"{key}: {value}")

Такой скрипт можно встроить в любой проект: логировать среду запуска, подстраивать поведение под ОС или просто использовать как первый шаг к более серьёзным инструментам администрирования и мониторинга.

Создание текстовых отчетов и логов с записью в файл день за днем

Создание текстовых отчетов и логов с записью в файл день за днем

Рано или поздно любой скрипт вырастает до состояния: «Хочу понимать, что он делал вчера ночью». Тут на сцену выходят отчеты и логи. Давайте разберем пару рабочих приемов: ежедневные файлы логов и простые текстовые отчеты.

---

## Ежедневный лог-файл

Частая практика — один файл лога на день: log_2025-01-21.txt, log_2025-01-22.txt и т.д.

Сделаем простую функцию-логгер:

from datetime import datetime
from pathlib import Path

LOG_DIR = Path("logs")
LOG_DIR.mkdir(exist_ok=True)

def get_log_file_path() -> Path:
    today_str = datetime.now().strftime("%Y-%m-%d")
    return LOG_DIR / f"log_{today_str}.txt"

def log_message(level: str, message: str) -> None:
    log_file = get_log_file_path()
    time_str = datetime.now().strftime("%H:%M:%S")
    line = f"[{time_str}] [{level.upper()}] {message}\n"
    with log_file.open("a", encoding="utf-8") as f:
        f.write(line)

# Пример использования
log_message("info", "Script started")
log_message("warning", "Low disk space")
log_message("error", "Failed to connect to server")

Что здесь важно:
- Path из pathlib удобнее обычных строк для путей.
- Режим "a" — дозапись в конец файла, не стирая старые логи.
- Имя файла зависит от даты — архив логов сам формируется по дням.

---

## Простой текстовый отчет по результатам работы

Представим скрипт, который что-то обрабатывает и в конце дня создает итоговый отчет: сколько задач прошло, сколько упало, какой процент успеха.

from datetime import datetime
from pathlib import Path

REPORT_DIR = Path("reports")
REPORT_DIR.mkdir(exist_ok=True)

def save_daily_report(total: int, success: int, failed: int) -> Path:
    today_str = datetime.now().strftime("%Y-%m-%d")
    report_path = REPORT_DIR / f"report_{today_str}.txt"
    success_rate = (success / total * 100) if total else 0

    lines = [
        f"Report date: {today_str}",
        f"Total tasks: {total}",
        f"Successful: {success}",
        f"Failed: {failed}",
        f"Success rate: {success_rate:.2f}%",
    ]

    with report_path.open("w", encoding="utf-8") as f:
        f.write("\n".join(lines))

    return report_path

# Пример
report_file = save_daily_report(total=120, success=110, failed=10)
log_message("info", f"Daily report saved to {report_file}")

Фишки:
- Отчет — обычный текстовый файл, его легко открыть в любом редакторе или отправить по почте.
- Формат предельно простой, но уже дает картину дня.
- Логгер и отчет связаны: лог фиксирует факт создания отчета.

---

## Идея для развития

Дальше можно:
- добавлять в отчет «ТОП-5 ошибок дня»;
- архивировать старые логи в zip;
- использовать модуль logging, чтобы прокачать формат и уровни логов.

Но фундамент один: аккуратная, ежедневная запись в файлы с понятными именами и структурой. Это уже делает ваш код ближе к «боевому» уровню.

Изучение itertools: комбинации, перестановки и бесконечные итераторы

Изучение itertools: комбинации, перестановки и бесконечные итераторы

Модуль itertools — это чемоданчик с инструментами для работы с последовательностями. Он не шумит, не требует сложной настройки, но иногда одним-двумя его вызовами можно заменить десяток строк кода с циклами.

Разберём три ключевые группы: комбинации, перестановки и бесконечные итераторы.

---

## Комбинации и перестановки

### combinations

combinations(iterable, r) перебирает все уникальные наборы по r элементов без повторов и без учёта порядка.

from itertools import combinations

items = ['a', 'b', 'c', 'd']

for combo in combinations(items, 2):
    print(combo)

Результат: ('a', 'b'), ('a', 'c'), ... — но не будет ('b', 'a'), потому что порядок не важен.

Полезно для перебора возможных пар/наборов параметров, команд, вариантов выбора.

### permutations

permutations(iterable, r=None) — все возможные варианты с учётом порядка.

from itertools import permutations

letters = ['A', 'B', 'C']

for p in permutations(letters, 2):
    print(p)

Здесь и ('A', 'B'), и ('B', 'A') — уже разные результаты. Удобно, когда порядок критичен: генерация пароля, маршрута, очередности задач.

### product

product — декартово произведение. Можно представить как вложенные циклы.

from itertools import product

colors = ['red', 'green']
sizes = ['S', 'M', 'L']

for item in product(colors, sizes):
    print(item)

Это быстрый способ перебрать все сочетания параметров при тестировании, конфигурациях и т.п.

---

## Бесконечные итераторы

Иногда удобно иметь “бесконечный источник” данных, который вы сами ограничиваете.

### count

count(start=0, step=1) — бесконечный счётчик.

from itertools import count, islice

for n in islice(count(10, 2), 5):
    print(n)

islice здесь обрезает бесконечную последовательность до 5 элементов: 10, 12, 14, 16, 18.

### cycle

cycle(iterable) — крутит последовательность по кругу.

from itertools import cycle, islice

states = ['loading', 'processing', 'done']

for s in islice(cycle(states), 7):
    print(s)

Получаем повторяющийся цикл состояний, полезно для простых симуляций или циклических индикаторов.

### repeat

repeat(object, times=None) возвращает один и тот же объект много раз.

from itertools import repeat

for msg in repeat("ping", 3):
    print(msg)

В связке с map удобно передавать одинаковый аргумент множеству вызовов.

---

itertools хорош тем, что он “мысленно сокращает” код: когда вы видите combinations или product, сразу понятно, что именно происходит, без чтения вложенных циклов. Попробуйте заменить пару своих циклов этими функциями — и код станет и короче, и чище.

Как использовать pathlib для работы с путями и файлами

Pathlib: современный способ подружиться с путями и файлами в Python

Модуль pathlib — это попытка Python сказать: «Хватит мучиться со строками путей и os.path». Он даёт удобный объект Path, который понимает операционные системы, красиво соединяет части пути и умеет работать с файлами почти как с объектами.

---

### Создание путей

from pathlib import Path

# Текущая директория
current_dir = Path.cwd()

# Домашняя директория
home_dir = Path.home()

# Относительный путь
project_dir = Path("projects") / "my_app"

# Путь с "магическим" слэшем
config_file = project_dir / "config.yaml"
print(config_file)  # projects/my_app/config.yaml (или с \ на Windows)

Оператор / — это не деление, а аккуратное склеивание частей пути под вашу ОС.

---

### Проверка существования и свойств

from pathlib import Path

path = Path("data/example.txt")

print(path.exists())      # файл или папка существует?
print(path.is_file())     # это файл?
print(path.is_dir())      # это директория?
print(path.parent)        # родительская директория
print(path.name)          # имя файла с расширением
print(path.stem)          # имя без расширения
print(path.suffix)        # расширение (.txt)

---

### Чтение и запись файлов

Для текстовых файлов pathlib даёт очень лаконичный синтаксис:

from pathlib import Path

text_file = Path("notes/todo.txt")

# Запись
text_file.parent.mkdir(parents=True, exist_ok=True)
text_file.write_text("Learn pathlib\nUse it everywhere!", encoding="utf-8")

# Чтение
content = text_file.read_text(encoding="utf-8")
print(content)

Для бинарных данных есть методы write_bytes() и read_bytes().

---

### Обход директорий и поиск файлов

from pathlib import Path

logs_dir = Path("logs")

# Все .log-файлы в директории (без поддиректорий)
for log_file in logs_dir.glob("*.log"):
    print(log_file)

# Рекурсивно найти все .py-файлы
for py_file in Path(".").rglob("*.py"):
    print(py_file)

glob() и rglob() понимают шаблоны (*, ?), так что можно быстро фильтровать нужные файлы.

---

### Безопасные операции с файлами

from pathlib import Path

src = Path("data/raw/data.csv")
dst = Path("data/processed/data.csv")

# Создаём директорию, если её нет
dst.parent.mkdir(parents=True, exist_ok=True)

# Переименование или перенос
if src.exists():
    src.rename(dst)

---

pathlib заменяет кучу разрозненных функций из os, os.path и shutil единым, логичным интерфейсом. Стоит привыкнуть к Path — и строковые пути начнут казаться пережитком прошлого.

Работа с модулем calendar: удобное отображение дат и событий

Работа с модулем calendar: удобное отображение дат и событий

Если вы когда‑нибудь пытались “вручную” вычислить день недели или красиво вывести календарь в консоль, то модуль calendar создан именно для того, чтобы вы перестали страдать.

### Быстрый старт: печатаем календарь месяца

import calendar

year = 2025
month = 3

cal = calendar.month(year, month)
print(cal)

Результат — готовый текстовый календарь марта 2025. Для целого года есть аналог:

print(calendar.calendar(2025))

Уже можно делать простенькие консольные планировщики.

### Как устроен месяц “внутри”

Чтобы работать с датами программно, удобен метод monthcalendar:

import calendar

year = 2025
month = 3

c = calendar.Calendar(firstweekday=0)  # 0 – понедельник
month_matrix = c.monthdayscalendar(year, month)

for week in month_matrix:
    print(week)

Каждая неделя — список из 7 чисел. Нули означают “нет дня” (ячейка принадлежит соседнему месяцу). Это удобно для логики, например, подсветки выходных или праздников.

### Добавляем события в календарь

Сделаем простую текстовую “раскраску” дат с событиями:

import calendar

events = {
    (2025, 3, 8): "Holiday",
    (2025, 3, 15): "Deadline",
}

year, month = 2025, 3
c = calendar.Calendar(firstweekday=0)

for week in c.monthdayscalendar(year, month):
    line = []
    for day in week:
        if day == 0:
            line.append("   ")
            continue

        key = (year, month, day)
        if key in events:
            # отмечаем события звездочкой
            line.append(f"{day:2d}*")
        else:
            line.append(f"{day:2d} ")
    print(" ".join(line))

Вы увидите сетку чисел, а дни с событиями будут помечены *. Такой вывод легко адаптировать под любой интерфейс: консоль, web, GUI.

### Дни недели и “рабочий” календарь

Модуль calendar знает всё о буднях и выходных:

import calendar

year, month = 2025, 3

workdays = []
for week in calendar.monthcalendar(year, month):
    for i, day in enumerate(week):
        if day == 0:
            continue
        # 0–4: понедельник–пятница
        if i < 5:
            workdays.append(day)

print("Workdays:", workdays)

Так можно быстро считать количество рабочих дней, искать все пятницы или строить графики дежурств.

### Дополнительно

- calendar.isleap(year) — проверка високосного года.
- calendar.weekday(year, month, day) — номер дня недели (0 — понедельник).
- setfirstweekday() — глобально изменить первый день недели.

calendar — отличный инструмент, чтобы перестать думать о том, на какой день недели падает 1 апреля, и сосредоточиться на логике приложения.

Создание и использование генераторов: yield в действии

Создание и использование генераторов: yield в действии

Когда цикл for в Python перебирает список, он хранит весь список в памяти. Удобно, но не всегда эффективно. Генераторы позволяют «лениво» выдавать значения по одному — экономя память и иногда ускоряя код.

### Что такое генератор?

Генератор — это объект, который «помнит», где он остановился, и при следующем запросе продолжает с этого места. Создать его можно двумя способами:

1. Функция с ключевым словом yield
2. Генераторное выражение: (x * 2 for x in range(10))

### Простейший пример с yield

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

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

Функция countdown не возвращает список. Она каждый раз «выдает» следующее значение через yield. Память тратится только на текущее состояние, а не на весь набор чисел.

### Генератор против списка

def squares_list(n):
    result = []
    for i in range(n):
        result.append(i * i)
    return result

def squares_gen(n):
    for i in range(n):
        yield i * i

print(sum(squares_list(10_000_000)))
print(sum(squares_gen(10_000_000)))

Оба варианта дадут одинаковый результат, но squares_list создаст огромный список в памяти, а squares_gen будет считать по одному значению. Разница станет особенно заметна при больших n или при обработке потоков данных (логов, файлов, сетевых запросов).

### Бесконечные последовательности

Генераторы легко порождают бесконечные последовательности — такое невозможно в виде обычного списка:

def infinite_counter(start=0):
    current = start
    while True:
        yield current
        current += 1

counter = infinite_counter()
for _ in range(5):
    print(next(counter))

Функция никогда не завершится сама, но генератор выдает значения, пока вы их запрашиваете.

### Генераторные выражения

Краткая запись:

evens = (x for x in range(100) if x % 2 == 0)
print(sum(evens))

Здесь evens — генератор, а не список. Память используется минимально.

---

yield — это не просто «альтернатива return». Это способ думать о данных как о потоке значений: не «хранить всё», а «выдавать по запросу». Для обработки больших объемов данных и написания эффективного кода в Python это один из ключевых инструментов.

Модуль time: замер и имитация задержек в коде

### Модуль time: замер и имитация задержек в коде

Когда ваш код “летает”, это приятно. Но иногда нужно не только скорость, но и… паузы. Звучит странно, но без задержек и точного измерения времени не обойтись: от тестирования до симуляции медленных внешних сервисов.

Разберём модуль time: как измерять выполнение кода и как “тормозить” программу по собственному желанию.

---

## Базовая задержка: time.sleep

Функция sleep просто приостанавливает выполнение программы на указанное число секунд (можно дробное).

import time

print("Start")
time.sleep(2.5)  # пауза 2.5 секунды
print("End")

Полезно для:
- имитации долгих операций (запросов к БД, API),
- создания задержек между запросами (во избежание банов),
- тестирования поведения интерфейсов.

---

## Измеряем время выполнения кода

Наивный способ — time.time(). Он возвращает текущее время в секундах с начала эпохи (обычно 01.01.1970). Разница между двумя вызовами — затраченное время.

import time

start = time.time()
result = sum(range(10_000_000))
end = time.time()

print(f"Result: {result}")
print(f"Elapsed: {end - start:.4f} seconds")

Но у этого подхода есть минус: точность зависит от системных часов, которые могут “прыгать”.

---

## Более точный замер: time.perf_counter

Для профилирования (измерения скорости) лучше использовать perf_counter(). Это монотонный счётчик: не зависит от системного времени и даёт максимальную доступную точность.

import time

start = time.perf_counter()
data = [x ** 2 for x in range(1_000_000)]
end = time.perf_counter()

print(f"Elapsed: {end - start:.6f} seconds")

Используйте perf_counter везде, где важна точность измерений, особенно в тестах производительности.

---

## Имитируем “медленный” внешний сервис

Представьте, что вы пишете функцию, которая обращается к API, но настоящего API ещё нет. Можно сделать фейковую задержку:

import time
import random

def fake_api_call():
    delay = random.uniform(0.5, 1.5)
    time.sleep(delay)
    return {"status": "ok", "delay": delay}

start = time.perf_counter()
response = fake_api_call()
end = time.perf_counter()

print(response)
print(f"Real elapsed: {end - start:.3f} seconds")

Так удобно тестировать:
- обработку долгих ответов,
- таймауты,
- индикаторы загрузки.

---

## Мини-профайлер на коленке

Можно написать простый декоратор для измерения времени выполнения любой функции.

import time
from functools import wraps

def timeit(func):
    @wraps(func)
    def wrapper(*args, **kwargs):
        start = time.perf_counter()
        result = func(*args, **kwargs)
        end = time.perf_counter()
        print(f"{func.__name__} took {end - start:.5f} seconds")
        return result
    return wrapper

@timeit
def slow_function():
    time.sleep(1)
    return "done"

slow_function()

Так вы быстро находите “узкие места” без тяжёлых инструментов.

---

Модуль time кажется простым, но это мощный инструмент: с ним вы можете и измерять производительность, и контролировать темп выполнения программы. А это уже шаг от “просто работает” к “работает предсказуемо и управляемо”.

Модуль enum: создание читаемых и безопасных констант