Django - 5.1.14
https://pypi.org/project/django/5.1.14/

Мощный web-фреймворк. Скачать можно по ссылке: https://pypi.python.org/pypi/Django/

Django - 5.2.8
https://pypi.org/project/django/5.2.8/

Мощный web-фреймворк. Скачать можно по ссылке: https://pypi.python.org/pypi/Django/

coverage - 7.11.1
https://pypi.org/project/coverage/7.11.1/

Утилита позволяющая измерить процент покрытия тестами. Скачать можно по ссылке: https://pypi.python.org/pypi/coverage/

pytest - 9.0.0
https://pypi.org/project/pytest/9.0.0/

Простой мощный инструмент тестирования в Python. Скачать можно по ссылке: https://pypi.python.org/pypi/pytest/

coverage - 7.11.2
https://pypi.org/project/coverage/7.11.2/

Утилита позволяющая измерить процент покрытия тестами. Скачать можно по ссылке: https://pypi.python.org/pypi/coverage/

Автоматический мониторинг Telegram-каналов
https://habr.com/ru/companies/amvera/articles/962974/

В этой статье узнаем, как создать систему мониторинга новостей из Telegram-каналов и чатов с интеллектуальной фильтрацией и отправкой в целевой канал. Прототип мы реализуем на примере анализа экономических новостей.Статья является логическим продолжением статей "Парсинг Телеграм-каналов, групп и чатов с обработкой в LLM" и "Парсинг pdf-отчётов публичных компаний для получения трейдерских инсайтов".

Regex, Pregex, or Pyparsing?
https://codecut.ai/regex-pregex-pyparsing-text-pattern-matching-guide/

Parsing messy support tickets? This post walks through real-world examples of Python techniques for extracting structured data from unstructured text. It compares the re module for classic pattern matching, pregex for cleaner and more readable regex construction, and pyparsing for more complex structures.

pytogether: Collaborative Python IDE in the Browser
https://github.com/SJRiz/pytogether

Делаем LLM-советника по акциям РФ как в Alfa Arena
https://habr.com/ru/articles/962182/

Недавно стартовал необычный эксперимент — Alfa Arena, где шесть лучших LLM моделей (Claude 4.5 Sonnet, DeepSeek V3.1, Gemini 2.5 Pro, GPT-5, Grok 4 и Qwen 3 Max) соревнуются между собой в реальном трейдинге. Каждой модели дали по $10,000, и они торгуют криптой на бирже.Что особенно интересно — это не просто шоу. Alfa Arena показывает принципиально новый подход в трейдинге. И хоть любопытно следить за тем, какая модель заработает больше денег или кто первый сольет, но настоящая ценность эксперимента совсем в другом.

BDD как клей между TDD и DDD
https://habr.com/ru/articles/963140/

Как превратить автотесты в живую документацию(как техническую, так и аналитическую).Как сделать так, чтобы они рассказывали о предметной области.И в конце концов, проверяли, что все это работает.

Как собрать платный AI-микро-SaaS (Next.js + Django + ЮKassa + Web Stories) и не застрять в пет-проекте
https://habr.com/ru/articles/963420/

Большинство наших «проектов мечты» умирают не потому, что идея плохая, а потому что мы останавливаемся на уровне «ну вот, фронт есть, бэк вроде тоже, как-нибудь допилю оплаты и выложу». Не допиливаем. Если у вас в голове крутится мысль «я бы запустил свою фичу, если бы была готовая дорожка к деньгам» — это она.

coverage - 7.11.3
https://pypi.org/project/coverage/7.11.3/

Утилита позволяющая измерить процент покрытия тестами. Скачать можно по ссылке: https://pypi.python.org/pypi/coverage/

#python #pydigest
IT-новости про Python перед вами.

Часть материалов из выпуска Python Дайджест:

- Regex, Pregex, or Pyparsing?
- Домашняя векторная БД + RAG
- Делаем LLM-советника по акциям РФ как в Alfa Arena
- Сначала логика, потом код: как писать программы для ESP на MicroPython
- [Видео] Релиз 3.14 и другие новости мира Python за октябрь 2025
- pytogether: Collaborative Python IDE in the Browser
- valuecell - multi-agent platform for financial applications
- Django security releases
- pytest - 9.0.0

Заходите в гости - https://pythondigest.ru/issue/621/

MarkItDown: Convert Documents Into LLM-Ready Markdown
https://realpython.com/python-markitdown/

The MarkItDown library lets you quickly turn PDFs, Office files, images, HTML, audio, and URLs into LLM-ready Markdown. In this tutorial, you’ll compare MarkItDown with Pandoc, run it from the command line, use it in Python code, and integrate conversions into AI-powered workflows.

10 Smart Performance Hacks For Faster Python Code
https://blog.jetbrains.com/pycharm/2025/11/10-smart-performance-hacks-for-faster-python-code/

Библиотека Python для доступа к данным ЦБ: cbrapi
https://habr.com/ru/companies/okama/articles/963262/

cbrapi - бесплатная библиотека с открытым исходным кодом на Python, которая превращает сложное взаимодействие с SOAP API Центрального банка Российской Федерации в простой и понятный инструмент.

Домашняя векторная БД + RAG
https://habr.com/ru/articles/963278/

Часто приходится искать в огромной куче документов какую нибудь частную, специфичную вещь. На данный момент, только лично у меня более 2Gb различных pdf файлов. Зачастую разбросанных не системно. И хотя обычно представляешь где искать, но это отнимает время. Захотелось иметь инструмент ускоряющий поиск.

Почему я отказался от ORM в пользу чистого SQL
https://habr.com/ru/companies/betboom/articles/959322/

Во время выполнения очередного проекта мне пришлось работать с Битрикс ORM, при этом параллельно в системе был инстанс Laravel. Две разные ORM работали с единой базой данных. Не буду вдаваться в причины, по которым был выбран такой подход, и воздержусь от его оценки. Суть в том, что мне приходилось одновременно работать с двумя принципиально разными системами. Этот опыт привел меня к фундаментальному выводу: ORM — не для меня.

Как не положить API: rate limiting в Python
https://habr.com/ru/articles/963880/

История о том, как я случайно устроил DDoS на внутренний API, обрабатывая 10 миллионов векторов. И как asyncio.Semaphore меня спас.

ATOM: автоматизация сети ЦОД начинается с решения рутинных задач
https://habr.com/ru/companies/rostelecom/articles/902694/

Это наша первая статья про нашу систему автоматизации. Мы активно занимаемся разработкой системой автоматизации и визуализации АТОМ для сетей ЦОД в компании, о которой пойдёт речь.