Создание простого файлового менеджера на консоли

Создаем простой консольный файловый менеджер на Python

Файловый менеджер — отличный мини-проект для прокачки работы с файловой системой, модуля os и аргументами командной строки. Без GUI, только консоль и код.

Идея: написать скрипт, который умеет:

- показывать текущую папку и её содержимое
- переходить по каталогам
- создавать и удалять файлы/папки
- копировать и переименовывать файлы

Основные инструменты:

- os — работа с путями и директориями
- shutil — копирование и перемещение
- sys.argv — обработка команд, переданных при запуске

---

### Структура команд

Сделаем формат:

python fm.py ls
python fm.py cd new_folder
python fm.py touch notes.txt
python fm.py rm notes.txt
python fm.py mkdir projects
python fm.py cp src.txt backup.txt
python fm.py mv old.txt new.txt

Теперь реализуем ядро менеджера.

import os
import sys
import shutil

def list_dir():
    print("Current dir:", os.getcwd())
    for name in os.listdir():
        mark = "/" if os.path.isdir(name) else ""
        print(f"- {name}{mark}")

def change_dir(path):
    try:
        os.chdir(path)
        print("Changed dir to:", os.getcwd())
    except FileNotFoundError:
        print("Path not found")

def make_file(name):
    if os.path.exists(name):
        print("File already exists")
        return
    with open(name, "w", encoding="utf-8") as f:
        pass
    print("File created:", name)

def remove_path(path):
    if os.path.isdir(path):
        shutil.rmtree(path)
        print("Directory removed:", path)
    elif os.path.isfile(path):
        os.remove(path)
        print("File removed:", path)
    else:
        print("Nothing to remove")

def make_dir(name):
    os.makedirs(name, exist_ok=True)
    print("Directory created:", name)

def copy_file(src, dst):
    if not os.path.isfile(src):
        print("Source file not found")
        return
    shutil.copy2(src, dst)
    print(f"Copied {src} -> {dst}")

def move_file(src, dst):
    if not os.path.exists(src):
        print("Source not found")
        return
    shutil.move(src, dst)
    print(f"Moved {src} -> {dst}")

def main():
    if len(sys.argv) < 2:
        print("Usage: fm.py [ls|cd|touch|rm|mkdir|cp|mv] ...")
        return

    cmd = sys.argv[1]
    args = sys.argv[2:]

    if cmd == "ls":
        list_dir()
    elif cmd == "cd" and args:
        change_dir(args[0])
    elif cmd == "touch" and args:
        make_file(args[0])
    elif cmd == "rm" and args:
        remove_path(args[0])
    elif cmd == "mkdir" and args:
        make_dir(args[0])
    elif cmd == "cp" and len(args) == 2:
        copy_file(args[0], args[1])
    elif cmd == "mv" and len(args) == 2:
        move_file(args[0], args[1])
    else:
        print("Unknown or invalid command")

if __name__ == "__main__":
    main()

---

Что можно улучшить дальше:

- добавить цветной вывод (colorama)
- историю команд
- безопасное удаление (перемещение в «корзину»)
- конфиг с «домашней» директорией

Такой мини-проект одновременно тренирует работу с модулями, аргументами, обработкой ошибок и структурой кода — идеальный шаг от учебных задачек к реальным утилитам.

Построение простой системы рекомендаций на основе анализа покупок

Построение простой системы рекомендаций на основе покупок

Представим, что у нас есть небольшой онлайн‑магазин, и мы хотим показывать покупателю блок «С этим товаром часто покупают». Звучит как магия, но на базовом уровне это можно сделать несколькими строками кода на Python.

Базовая идея:
если товары A и B часто встречаются в одной корзине, то покупателям товара A можно рекомендовать B (и наоборот).

### Данные

Допустим, у нас есть список заказов, и каждый заказ — это набор купленных товаров:

transactions = [
    ["milk", "bread", "eggs"],
    ["bread", "butter"],
    ["milk", "bread"],
    ["beer", "chips"],
    ["beer", "chips", "nuts"],
    ["milk", "eggs"],
]

### Считаем совместные покупки

Используем collections.Counter, чтобы посчитать, какие пары товаров встречаются вместе чаще всего:

from collections import Counter
from itertools import combinations

pair_counter = Counter()

for basket in transactions:
    # все уникальные пары товаров из одной корзины
    for item1, item2 in combinations(sorted(set(basket)), 2):
        pair_counter[(item1, item2)] += 1

print(pair_counter.most_common(5))

Так мы получаем «рейтинг дружбы» товаров: чем больше счётчик, тем чаще товары покупают вместе.

### Строим простые рекомендации

Сделаем функцию, которая по товару отдаёт список рекомендаций:

from collections import defaultdict

def build_recommendations(pair_counter, min_support=1):
    related = defaultdict(list)
    for (item1, item2), count in pair_counter.items():
        if count < min_support:
            continue
        related[item1].append((item2, count))
        related[item2].append((item1, count))
    # сортируем по популярности совместной покупки
    for item in related:
        related[item].sort(key=lambda x: x[1], reverse=True)
    return related

recommendations = build_recommendations(pair_counter, min_support=1)

def recommend_for(item, top_n=3):
    return [x for x, _ in recommendations.get(item, [])[:top_n]]

print("For 'milk':", recommend_for("milk"))
print("For 'beer':", recommend_for("beer"))

Теперь для любого товара мы можем быстро получить список «часто покупаемых вместе».

### Что можно улучшить

1. Учесть частоту самого товара — нормировать по общему числу покупок товара (меры вроде lift, confidence).
2. Фильтровать редкие пары с помощью min_support, чтобы не советовать то, что встретилось один раз случайно.
3. Сохранить модель (словарь recommendations) в файл через json или pickle и подгружать в вашем веб‑приложении.

Это ещё не «умный» AI, но уже рабочая рекомендательная система, которую легко встроить в учебный проект интернет‑магазина и постепенно усложнять: добавлять веса, категории, сезонность и, конечно, больше данных.

Работа с переводом и интернационализацией: модуль gettext на примерах

Python для начинающих: перевод и интернационализация с модулем gettext

Когда приложение начинает жить дольше пары недель, внезапно выясняется: пользователи не обязаны знать английский. А переписывать все строки под каждый язык — боль. Для этого в Python есть стандартный модуль gettext, который превращает ваш код в многоязычную машину.

---

## Базовая идея

Вы пишете код один раз, помечая фразы для перевода. Реальные тексты для разных языков хранятся в отдельных файлах. Программа выбирает нужный язык «на лету».

Классический паттерн:

import gettext

lang = gettext.translation(
    domain="messages",
    localedir="locale",
    languages=["es"],  # например, испанский
    fallback=True
)
lang.install()
_ = lang.gettext  # сокращение

print(_("Hello, world!"))

Если есть перевод, на экране окажется что-то вроде Hola, mundo!. Если нет — исходная фраза.

---

## Структура проекта

Сделаем минимальный каркас:

project/
    app.py
    locale/
        es/
            LC_MESSAGES/
                messages.po
                messages.mo

domain="messages" → имя файла переводов messages.po/.mo.
localedir="locale" → корневая папка с переводами.
languages=["es"] → нужный язык (ISO-код).

---

## Подготовка шаблона переводов

В коде достаточно помечать строки через _():

# app.py
import gettext

gettext.bindtextdomain("messages", "locale")
gettext.textdomain("messages")
_ = gettext.gettext

user_name = "Alex"
print(_("Welcome, {user}!").format(user=user_name))
print(_("Exit"))

Далее нужно сгенерировать список фраз. Обычно это делается внешней утилитой xgettext, но принцип такой:

1. Собираем все строки внутри _("") в шаблон .pot.
2. Для каждого языка создаём .po.
3. Компилируем .po в .mo.

Пример содержимого messages.po (упрощённо):

msgid "Welcome, {user}!"
msgstr "¡Bienvenido, {user}!"

msgid "Exit"
msgstr "Salir"

После компиляции (через msgfmt или инструменты IDE) появится messages.mo, который читает gettext.

---

## Плюс форматирования: не ломаем код

Важно не «убивать» форматирование строк. Вы можете смело использовать format() или f-строки, главное — сохранять имена плейсхолдеров:

msg = _("You have {count} new message(s).").format(count=5)
print(msg)

В переводе:

msgid "You have {count} new message(s)."
msgstr "У вас {count} новых сообщений."

---

## Переключение языка на лету

Вы можете дать пользователю выбор:

import gettext

def get_translator(lang_code):
    translation = gettext.translation(
        "messages",
        localedir="locale",
        languages=[lang_code],
        fallback=True
    )
    return translation.gettext

lang_code = "es"  # например, пришло из настроек
_ = get_translator(lang_code)

print(_("Settings"))
print(_("Profile"))

Таким образом, ваш код не «привязан» к конкретному языку — он зависит только от файлов перевода.

---

gettext — это не магия, а аккуратное разделение текста и логики. Один раз настроили структуру и процесс генерации .po/.mo — и дальше добавление нового языка сводится к переводу строк, без переписывания кода.

Простое создание QR-кодов с помощью qrcode: как закодировать информацию

Простое создание QR-кодов с помощью qrcode: как закодировать информацию

QR-коды давно вышли из мира маркетинга и стали удобным способом быстро передавать ссылки, Wi‑Fi‑пароли, визитки и любую короткую текстовую информацию. А с Python сделать свой QR-код можно буквально в несколько строк.

---

## Установка библиотеки

Для начала установим библиотеку:

pip install qrcode[pil]

[pil] добавляет поддержку изображений через Pillow, чтобы сразу сохранять QR-код в PNG/JPEG.

---

## Самый простой QR-код

Сделаем QR-код с ссылкой:

import qrcode

data = "https://python.org"

img = qrcode.make(data)
img.save("python_org_qr.png")

Готово: python_org_qr.png можно открыть, распечатать или вставить в презентацию.

---

## Больше контроля: размер, цвет, ошибка

Для тонкой настройки используем класс QRCode:

import qrcode
from qrcode.constants import ERROR_CORRECT_H

qr = qrcode.QRCode(
    version=2,  # размер: 1–40 (чем больше, тем больше данных)
    error_correction=ERROR_CORRECT_H,  # до ~30% восстановления
    box_size=8,  # размер "квадратика" в пикселях
    border=4,  # рамка (минимум 4)
)

qr.add_data("WiFi password: MySecretPass123")
qr.make(fit=True)

img = qr.make_image(fill_color="black", back_color="white")
img.save("wifi_qr.png")

Параметр error_correction важен, если QR-код будут печатать маленьким или частично закрывать (наклейка, логотип). Уровень ERROR_CORRECT_H даст максимальный шанс всё равно считать код.

---

## Закодируем виртуальную визитку

QR-код может содержать не только ссылки, но и, например, vCard:

import qrcode

vcard = """BEGIN:VCARD
VERSION:3.0
N:Smith;John;;;
FN:John Smith
EMAIL:john@example.com
TEL:+123456789
END:VCARD
"""

img = qrcode.make(vcard)
img.save("vcard_qr.png")

Смартфон при сканировании предложит сохранить контакт сразу в адресную книгу.

---

## Идеи для применения

- Быстрый доступ к документации проекта.
- Генерация бэджей участников мероприятия.
- Маркировка оборудования: QR-код с номером и ссылкой на карточку в системе учёта.
- Генерация временных ссылок и токенов в админ-интерфейсе.

QR-коды — отличный пример того, как несколько строк Python превращаются в инструмент, который можно применить и в проектах, и в реальной «офлайновой» жизни.

Модуль pathlib: современная работа с файловой системой

Модуль pathlib: современная работа с файловой системой

Если вы всё ещё склеиваете пути к файлам через os.path и плюсики — самое время познакомиться с pathlib. Это «современный» способ работы с путями в Python: объектно-ориентированный, удобный и кроссплатформенный.

---

### Зачем нужен pathlib

pathlib решает несколько болезненных мест:

- Не нужно думать о слэше: / под Linux и \ под Windows.
- Пути становятся объектами, а не строками.
- Методы для чтения/записи файлов встроены прямо в объект пути.

Подключение модуля:

from pathlib import Path

---

### Создание и комбинирование путей

from pathlib import Path

base_dir = Path.home()          # Домашняя папка пользователя
project_dir = base_dir / "my_project" / "data"  # Склеивание через /

print(project_dir)
print(project_dir.exists())     # Проверяем, существует ли путь
print(project_dir.is_dir())     # Это папка?

Оператор / перегружен и безопасно соединяет части пути с учётом ОС.

---

### Поиск файлов по маске

Найдем все .txt в директории:

data_dir = Path("data")

for txt_file in data_dir.glob("*.txt"):
    print(txt_file.name, txt_file.stat().st_size, "bytes")

glob() поддерживает маски (*, **) и позволяет быстро обходить дерево каталогов.

---

### Чтение и запись файлов

Необязательно открывать файл через open:

file_path = Path("data") / "notes.txt"

# Запись текста
file_path.write_text("Hello, pathlib!\nSecond line.")

# Чтение текста
content = file_path.read_text()
print(content)

Есть и бинарные варианты: write_bytes() и read_bytes().

---

### Создание директорий и безопасная работа

logs_dir = Path("logs")
logs_dir.mkdir(exist_ok=True, parents=True)  # Создаст все недостающие папки

log_file = logs_dir / "app.log"

if not log_file.exists():
    log_file.write_text("Log start\n")
else:
    with log_file.open("a", encoding="utf-8") as f:
        f.write("New log line\n")

parents=True создаст всю цепочку директорий, а exist_ok=True не вызовет ошибку, если папка уже есть.

---

### Абсолютные пути и нормализация

p = Path("data") / ".." / "data" / "file.txt"
print(p)               # Относительный "кривой" путь
print(p.resolve())     # Нормализованный абсолютный путь

resolve() приводит путь к каноничному виду и показывает, куда он реально ведет.

---

pathlib хорошо ложится на мышление «объект пути + действия с ним», избавляя от ручной возни со строками. Если вы начинаете с Python сегодня — имеет смысл сразу привыкать именно к такому стилю работы с файловой системой.

Как использовать модуль statistics для вычислений: среднее, медиана и мода

Как использовать модуль statistics: среднее, медиана и мода без боли в мозге

Когда вы считаете средние оценки, анализируете продажи или смотрите на результаты эксперимента — без базовой статистики далеко не уедешь. В Python для этого есть готовый инструмент — модуль statistics. Он избавляет от самописных циклов и формул и помогает считать всё в одну строку.

---

## Подготовка

Модуль встроен в стандартную библиотеку, поэтому никаких установок не нужно:

import statistics as stats

Для примеров возьмём список чисел:

data = [10, 12, 13, 15, 15, 17, 18]

---

## Среднее (mean)

Среднее арифметическое — сумма всех значений, делённая на их количество. В statistics это делается так:

import statistics as stats

data = [10, 12, 13, 15, 15, 17, 18]
avg = stats.mean(data)
print(avg)  # 14.285714285714286

Круто то, что модуль сам обрабатывает int и float, не нужно думать о типах.

---

## Медиана (median)

Медиана — это «середина» отсортированных данных. Она устойчивее к выбросам. Если в выборке внезапно появится «сумасшедшее» значение, среднее уедет, а медиана — почти нет.

import statistics as stats

data = [10, 12, 13, 1000]  # явный выброс
mean_value = stats.mean(data)
median_value = stats.median(data)

print(mean_value)   # 258.75
print(median_value) # 12.5

Медиана сразу показывает, что «нормальные» значения всё ещё где-то около 12–13, а не 258.75.

---

## Мода (mode)

Мода — самое часто встречающееся значение. Полезно, когда нужно найти «типичный» элемент: самый популярный рейтинг, любимый номер, частый результат.

import statistics as stats

grades = [5, 4, 5, 3, 4, 5, 5, 4]
most_common = stats.mode(grades)
print(most_common)  # 5

Важно: если в данных несколько значений с одинаковой максимальной частотой, mode() в некоторых версиях Python может выбросить StatisticsError. Для таких случаев есть более гибкая функция multimode():

import statistics as stats

values = [1, 2, 2, 3, 3]
modes = stats.multimode(values)
print(modes)  # [2, 3]

---

## Быстрый мини-анализ набора данных

Соберём всё вместе:

import statistics as stats

data = [12, 15, 17, 15, 19, 21, 15, 18]

summary = {
    "mean": stats.mean(data),
    "median": stats.median(data),
    "mode": stats.mode(data),
    "min": min(data),
    "max": max(data)
}

print(summary)
# Пример вывода:
# {'mean': 16.5, 'median': 16.0, 'mode': 15, 'min': 12, 'max': 21}

Всего несколько строк — и вы уже видите «портрет» своих данных: где центр, где разброс и какое значение встречается чаще всего.

Модуль statistics — отличный первый шаг в сторону анализа данных, без pandas и сложной математики. Идеален для учебных задач, прототипов и маленьких утилит.

Создание простого HTTP-клиента с помощью http.client

### Создание простого HTTP‑клиента с помощью http.client

Большинство начинающих знакомятся с веб‑запросами через библиотеку requests. Удобно, но иногда полезно заглянуть на «низкий уровень» и понять, как все работает внутри. Для этого в стандартной библиотеке Python есть модуль http.client.

---

## Первый запрос: GET к публичному API

Сделаем простой GET‑запрос к публичному API и разберём шаги.

import http.client
import json

conn = http.client.HTTPSConnection("jsonplaceholder.typicode.com")

conn.request("GET", "/posts/1")
response = conn.getresponse()

print("Status:", response.status, response.reason)

data = response.read()
text = data.decode("utf-8")
post = json.loads(text)

print("Title:", post["title"])

conn.close()

Что тут важно:

- HTTPSConnection — шифрованное соединение (для http:// был бы HTTPConnection);
- request(method, url, body=None, headers={}) — отправка запроса;
- getresponse() — получение объекта ответа;
- read() — сырые байты, которые обычно нужно декодировать (decode) и парсить (JSON, HTML и т.д.).

---

## Отправка данных: простой POST

Теперь отправим JSON‑данные методом POST. Здесь уже нужны заголовки и тело запроса:

import http.client
import json

conn = http.client.HTTPSConnection("jsonplaceholder.typicode.com")

payload = {"title": "foo", "body": "bar", "userId": 1}
body = json.dumps(payload)

headers = {
    "Content-Type": "application/json",
    "Accept": "application/json",
}

conn.request("POST", "/posts", body=body, headers=headers)
response = conn.getresponse()

print("Status:", response.status)
print("Headers:", dict(response.getheaders()))

data = response.read().decode("utf-8")
created_post = json.loads(data)
print("Created ID:", created_post["id"])

conn.close()

Ключевые моменты:

- Тело запроса мы сериализуем через json.dumps;
- Обязательно указываем Content-Type;
- getheaders() возвращает список пар заголовков.

---

## Обработка ошибок и таймаут

Реальный клиент должен быть готов к сетевым ошибкам:

import http.client
import socket

try:
    conn = http.client.HTTPSConnection("example.com", timeout=3)
    conn.request("GET", "/")
    response = conn.getresponse()
    print("Status:", response.status)
    conn.close()
except (http.client.HTTPException, socket.timeout) as exc:
    print("Request failed:", exc)

Тут:

- timeout защищает от «вечного ожидания»;
- исключения HTTPException и socket.timeout помогают корректно отреагировать на проблемы сети.

---

Зная http.client, легче понимать, что делает любая высокоуровневая библиотека: устанавливает соединение, формирует запрос, отправляет тело, читает статус, заголовки и содержимое. Это отличный шаг к более глубокому пониманию сетевого кода в Python.

Изучаем модуль itertools: генерация комбинаций и продуктов

### Изучаем itertools: комбинации и декартовы произведения

Если вы хоть раз вручную писали вложенные циклы, чтобы перебрать все пары, тройки или варианты, — модуль itertools создан для вас. Он умеет генерировать комбинации и продукты «на лету», не занимая лишнюю память.

---

## Комбинации: выбираем без повторов

Комбинация — это выбор элементов без учета порядка. Из [1, 2, 3] пары такие: (1, 2), (1, 3), (2, 3).

from itertools import combinations

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

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

combinations(iterable, r):
- не повторяет элементы;
- (a, b) и (b, a) считаются одним вариантом;
- всё генерируется лениво (по мере запроса).

Полезно, когда перебираете возможные команды, наборы опций или подсеты признаков в задаче машинного обучения.

---

## Комбинации с повторениями

Иногда элемент можно брать несколько раз: монеты, кубики, вкусы мороженого.

from itertools import combinations_with_replacement

flavors = ['vanilla', 'chocolate', 'strawberry']

for combo in combinations_with_replacement(flavors, 2):
    print(combo)

('vanilla', 'vanilla') здесь вполне допустим.

---

## Декартово произведение: все возможные варианты

product — это как вложенные циклы, только в одну строку. Идеален для генерации всех комбинаций параметров.

from itertools import product

sizes = ['S', 'M', 'L']
colors = ['black', 'white']

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

Результат:
- ('S', 'black')
- ('S', 'white')
- ('M', 'black')
- и т.д.

Можно задать повторения:

for roll in product(range(1, 7), repeat=2):
    print(roll)

Это уже все возможные броски двух кубиков.

---

## Комбинации против продукта: что когда использовать?

- Нужен выбор из одного набора без повторов → combinations
- Нужен выбор из одного набора с возможными повторами → combinations_with_replacement
- Нужны все сочетания из нескольких наборов → product
- Хотите сымитировать несколько одинаковых наборов (кубики, пароли фиксированной длины) → product(..., repeat=n)

---

itertools экономит память и время разработки: вы получаете мощный генератор вариантов без километров вложенных циклов. Как только ловите себя на мысли «сейчас напишу ещё один for внутри for», сначала загляните в этот модуль.

Модуль uuid: генерация уникальных идентификаторов

Модуль uuid: генерация уникальных идентификаторов без боли и коллизий

Когда нужно что-то «уникальное» — многие программисты тянутся к времени, счётчикам или даже случайным числам. Проблема в том, что всё это легко пересекается, особенно в распределённых системах. Здесь в игру вступает модуль uuid — стандартный способ генерировать уникальные идентификаторы в Python.

UUID (Universally Unique Identifier) — это 128-битное число, обычно записываемое как строка вроде:

550e8400-e29b-41d4-a716-446655440000

Вероятность коллизии настолько мала, что их смело используют в базах данных, API, токенах и временных файлах.

---

### Базовая генерация UUID

import uuid

user_id = uuid.uuid4()
print(user_id)          # например: 3e7c0e78-9a8e-4b52-9780-4e1c23f57abc
print(type(user_id))    # <class 'uuid.UUID'>

uuid4() генерирует UUID на основе криптографически стойкого генератора случайных чисел. Это самый популярный вариант.

---

### Разные версии UUID

Модуль поддерживает несколько схем:

import uuid

# v1 — на основе MAC-адреса и времени
session_id = uuid.uuid1()

# v3 — хеш MD5 (детерминированный)
name_based_v3 = uuid.uuid3(uuid.NAMESPACE_DNS, "example.com")

# v5 — хеш SHA-1 (детерминированный, предпочтительнее v3)
name_based_v5 = uuid.uuid5(uuid.NAMESPACE_URL, "https://example.com")

print(session_id)
print(name_based_v3)
print(name_based_v5)

Где это полезно:

- uuid4() — когда нужна просто уникальность.
- uuid1() — когда порядок по времени важен (но может раскрывать MAC-адрес и время).
- uuid3() / uuid5() — когда один и тот же «вход» должен давать один и тот же UUID (идентификатор по имени, URL и т.п.).

---

### UUID как строки и обратно

Чаще всего UUID хранят как строки (например, в базе):

import uuid

order_id = uuid.uuid4()

order_str = str(order_id)    # в строку
print(order_str)

restored = uuid.UUID(order_str)  # обратно в объект UUID
print(restored == order_id)      # True

Можно работать и с байтами:

token = uuid.uuid4()
token_bytes = token.bytes
restored_token = uuid.UUID(bytes=token_bytes)

---

### Практический мини-пример: генерация ключей для API

import uuid

def generate_api_key() -> str:
    return uuid.uuid4().hex  # без дефисов, 32 символа

keys = [generate_api_key() for _ in range(3)]
for k in keys:
    print(k)

Метод .hex возвращает компактное шестнадцатеричное представление, удобное для токенов.

---

Модуль uuid снимает головную боль с уникальностью: вместо придумывания схем и «умных» счётчиков достаточно вызвать одну функцию — и получить идентификатор, с которым комфортно работать и локально, и в распределённых системах.

Использование difflib для поиска различий между строками и файлами

Использование difflib: как Python видит отличия лучше нас

Когда файл «чуть-чуть поменяли», глазами искать отличия — то еще удовольствие. Python-модуль difflib умеет делать это аккуратно, наглядно и… очень гибко. Разберёмся, как сравнивать строки и файлы, будто у нас встроен мини-Git.

---

### 1. Быстро сравнить две строки

Начнем с простого: найти различия между двумя строками посимвольно.

import difflib

s1 = "Python is awesome!"
s2 = "Python is awesom?"

diff = difflib.ndiff(s1, s2)
print("\n".join(diff))

Результат покажет строки с префиксами:
- - — удалено
- + — добавлено
- ? — подсказка, какие именно символы отличаются

Это удобно, когда нужно понять, почему строки «почти одинаковы», но сравнение == возвращает False.

---

### 2. Похожесть строк в процентах

Иногда важно не чем строки отличаются, а насколько они похожи. Для этого есть SequenceMatcher.

from difflib import SequenceMatcher

a = "color"
b = "colour"

ratio = SequenceMatcher(None, a, b).ratio()
print(ratio)  # например, 0.91...

Значение от 0 до 1 — коэффициент похожести. Можно использовать для:
- поиска опечаток,
- подсказки «Вы имели в виду…»,
- фильтрации «почти одинаковых» записей.

---

### 3. HTML-отчет о различиях

Хотите красивый, наглядный diff в браузере? difflib.HtmlDiff как раз для этого:

import difflib

old_lines = [
    "def add(a, b):\n",
    "    return a + b\n",
]

new_lines = [
    "def add(a, b):\n",
    "    result = a + b\n",
    "    return result\n",
]

html = difflib.HtmlDiff().make_file(old_lines, new_lines,
                                    fromdesc="Old version",
                                    todesc="New version")

with open("diff.html", "w", encoding="utf-8") as f:
    f.write(html)

Откройте diff.html в браузере — увидите таблицу с подсветкой добавленных/удалённых строк. Мини-система контроля версий прямо в одном файле.

---

### 4. Сравнение файлов построчно

Классический сценарий — сравнить два текстовых файла:

import difflib

with open("old.txt", encoding="utf-8") as f:
    old = f.readlines()
with open("new.txt", encoding="utf-8") as f:
    new = f.readlines()

for line in difflib.unified_diff(old, new,
                                 fromfile="old.txt",
                                 tofile="new.txt"):
    print(line.rstrip())

Формат unified diff знаком всем, кто работал с Git: строки с +, - и контекстом вокруг изменений. Удобно для логов, конфигов, автопроверок.

---

difflib часто недооценивают, а зря. Это готовый швейцарский нож для работы с похожими текстами: от проверки орфографии до построения собственных дифф-отчетов. И всё это — в стандартной библиотеке, без единого pip install.