💡 Как сделать сложные regex читаемыми с помощью Pregex

Регулярные выражения вроде:

[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}

работают отлично… но читать и поддерживать их — то ещё удовольствие.

Особенно тяжело, если:
🔛 код смотрит не автор,
🔛 в команде есть люди без опыта с regex,
🔛 нужно что-то быстро поправить или расширить.

Pregex решает эту проблему, превращая регулярки в понятный Python-код из описательных блоков.

Установка:

pip install pregex

Если регулярно сталкиваетесь с regex в проде — стоит посмотреть.

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

❓ Как вывести веб-приложение в продакшн

Подкаст о том, как запускать свои Python-проекты масштабируемо и эффективно — минимальный overhead, максимум контроля и разумная стоимость.

🎧 Слушать

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

⚡️ psp — быстрый старт Python-проекта

psp (Python Scaffolding Projects) — ультрабыстрый CLI-инструмент для создания структуры Python-проектов.

Написан на Rust, поэтому работает в разы быстрее привычных scaffolding-тулов.

Что умеет:
✅ в 1–100 раз быстрее аналогов
✅ сразу работает с pyproject.toml и Python 3.14
✅ генерирует файлы и структуру проекта
✅ поддержка unittest, pytest, tox и CI
✅ генерирует Dockerfile / Containerfile
✅ инициализация git, .gitignore, GitHub/GitLab
✅ README, LICENSE, CONTRIBUTING и прочая база

Подходит, если хочется быстро и аккуратно начать Python-проект, без ручной возни с шаблонами и конфигами.

🔗 Проект: https://clc.to/ZDiQfA

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

🐸 Библиотека питониста

#развлекалово

ℹ️ Как `@dataclass` работает внутри — с примерами

В статье автор шаг за шагом пересобирает упрощённый @dataclass, показывая ключевые идеи.

➡️ Dataclass не оборачивает класс

В отличие от обычных декораторов, он:
— читает метаданные класса
— добавляет методы прямо в этот же класс
— возвращает тот же объект

def dataclass(cls):
    # модифицируем cls
    return cls

➡️ Поля берутся из __annotations__

Все поля dataclass — это просто type hints:

class User:
    name: str
    age: int

print(User.__annotations__)
# {'name': str, 'age': int}

Именно этот словарь используется для генерации __init__, __repr__ и других методов.

➡️ Генерация методов через exec

Одна из самых неочевидных частей: dataclass генерирует код как строки и выполняет его через exec.

Пример простейшего __init__, созданного динамически:

def __init__(self, name, age):
    self.name = name
    self.age = age

Этот код сначала собирается как строка, затем превращается в функцию и добавляется в класс через setattr.

➡️ Как работает frozen=True

Чтобы сделать объект неизменяемым:
— переопределяются __setattr__ и __delattr__
— любые попытки изменить поле → ошибка

def __setattr__(self, name, value):
    raise Exception("Cannot assign to frozen dataclass")

Но есть нюанс: __init__ тоже использует __setattr__.

Поэтому внутри __init__ приходится писать так:

object.__setattr__(self, "age", age)

➡️ Автогенерация __repr__

__repr__ строится из self.__dict__:

def __repr__(self):
    return f"User(name={self.name!r}, age={self.age!r})"

Флаг !r гарантирует, что значения форматируются через их __repr__, а не __str__.

➡️ Итоговая минимальная версия dataclass

В итоге кастомный @dataclass:
— читает __annotations__
— через exec создаёт __init__, __repr__
— опционально блокирует изменения (`frozen`)
— не создаёт новых объектов, а модифицирует существующий класс

⚠️ Отдельно отмечается: если нужны валидации типов — лучше смотреть в сторону Pydantic, который использует те же аннотации, но идёт дальше.

📖 Полный разбор — по ссылке.

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

📱 Python новости за последние 7 дней

Python (FastAPI) vs Go: нагрузочный тест и анализ производительности
FastAPI снова сравнили с Go — цифры, графики, честный бенчмарк.

Мало кто знает, но в Python есть switch/case
Подробный гид по match/case: не только «красивый if», но и мощный инструмент для парсинга структур данных.

Как устроено управление памятью в Python и зачем нужны слабые ссылки
Разбор GC, reference counting и weakref. После прочтения становится чуть понятнее, почему «утечки» бывают даже в языке с автоматическим управлением памятью.

5 ключевых изменений в Python 3.14 глазами инженера
Хорошее напоминание, что Python медленно, но методично взрослеет, а не просто добавляет синтаксический сахар.

Классы в Python: от основ ООП до продвинутых концепций
Большой материал для тех, кто вроде бы знает классы, но до сих пор не уверен, когда нужен __slots__, а когда — композиция вместо наследования. Полезно перечитать.

Топ-5 фишек Python, которые вы, скорее всего, упустили
Отличный способ прокачать язык без изучения очередного фреймворка.

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#свежак

🧠 Бесконечная память для Python за 3 шага

Когда Python-приложение внезапно упирается в память — обычно всё заканчивается плохо. Но есть способ этого избежать.

Как это работает:
1️⃣ Помечаете нужные классы декоратором @db0.memo — поддерживаются обычные типы, коллекции и ссылки на другие объекты.
2️⃣ Ограничиваете использование RAM через db0.set_cache_size() — лимит применяется ко всем объектам вместе.
3️⃣ Создаёте сколько угодно объектов: когда память заканчивается, они автоматически выгружаются в хранилище (диск, NAS и т.д.).

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

❓ Почему Python внезапно считает глобальную переменную локальной

Наверняка вы ловили UnboundLocalError: переменная читалась нормально, ты добавил присваивание ниже в функции — и всё сломалось.

Коротко, что происходит на самом деле 👇

🔹 Python не выполняет код построчно

Перед запуском функция компилируется. На этом этапе Python решает, какие переменные локальные, а какие глобальные.

🔹 Одно присваивание = локальная переменная

Если внутри функции есть x = ..., то x считается локальной во всей функции, даже выше по коду.

X = 10

def f():
    print(X)  # 💥 UnboundLocalError
    X = 5

Python заранее решает: X — локальная → глобальную он даже не проверяет.

🔹 Это видно в байткоде

* LOAD_GLOBAL — поиск в глобальном словаре (медленно)
* LOAD_FAST_CHECK — доступ к слоту локальной переменной (очень быстро)

Если переменная помечена как локальная, используется LOAD_FAST_CHECK.
Слот пуст → UnboundLocalError.

Почему так сделано:
🏮 Производительность — локальные переменные лежат в массиве, а не в dict
🏮 Предсказуемость (lexical scoping) — область видимости понятна по коду
🏮 Безопасность — нельзя случайно изменить глобальное состояние

Если нужна именно глобальная:

def f():
    global X
    print(X)
    X = 5

UnboundLocalError — не баг и не «Python сошёл с ума», а следствие компиляции и оптимизаций.
Если ошибка указывает на строку чтения — ищи присваивание ниже в функции.

👉 Подробный разбор с dis и байткодом — по ссылке.

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

🐸 Библиотека питониста

#развлекалово

🎁 Топ постов 2025 года в нашем канале

В этом году мы делились самыми интересными материалами про Python: от секретов dataclasses и bytecode до эффективного многопоточного Python и лайфхаков с библиотеками PyPi.

📌 В подборке:

✳️ Структуры данных: ТОП-30 вопросов и ответов для собеседований в 2025 году

✳️ 10 способов работы с большими файлами в Python, о которых ты не знал

✳️ Подборка курсов на выходные, чтобы прокачать навыки

✳️ Как написать пасьянс на Python

✳️ 10 хакерских скриптов на Python

✳️ Собираем идеальный GUI на Python: 8 библиотек 2025 года

✳️ Где «выстрелит» твой стартап: 8 площадок для запуска и продвижения IT-проекта

🎄 Спасибо, что были с нами в этом году! Пусть 2026 принесёт ещё больше знаний, открытий и вдохновения!

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

💡 Полезные Python-библиотеки, о которых многие забывают

Мы часто тратим часы на задачи, которые решаются одной библиотечной функцией. PyPi полон таких «скрытых сокровищ», но многие разработчики их игнорируют.

Вот библиотеки, которые реально экономят время:

🔛 Pyperclip – автоматизация буфера обмена. Забудьте о ручном копировании.

🔛 FireDucks – Pandas, но в 3–8 раз быстрее. Просто поменяйте импорт!

🔛 Rich – красивые терминальные таблицы, прогресс-бары, цвета.

🔛 Textual – терминальные интерфейсы, похожие на приложения.

🔛 Glom – безопасная работа с вложенными JSON.

🔛 Box – доступ к словарям через точечную нотацию.

🔛 Typer – создание CLI через type hints (без argparse).

🔛 Pipe – Unix-пайплайны в Python.

🔛 AnyIO – асинхронность без сложностей.

🔛 Zict – умное кеширование (RAM + диск).

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

✔️ mprocs: запускайте все команды проекта сразу

Если у вас в проекте несколько долгоживущих процессов — веб-сервер, очередь задач, CSS-билдер и т.д. — запускать и следить за ними в разных терминалах становится утомительно.

mprocs решает эту проблему: это лёгкий менеджер процессов для разработчиков:

1️⃣ Создаёте mprocs.yaml в корне проекта и описываете команды:

procs:
  django: uv run manage.py runserver
  tailwind: npx @tailwindcss/cli -i input.css -o output.css -w
  huey: uv run huey_consumer.py my_app.huey -k process -w 4

2️⃣ Запускаете mprocs — и все процессы стартуют одновременно.
3️⃣ Вы получаете удобный TUI, где можно наблюдать за процессами.

Можно интегрировать с just для ещё более удобного управления:

procs:
  django: just runserver
  tailwind: just watch_css
  huey: just queue

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

🔢 Числа, которые должен знать каждый разработчик

Этот материал — компактная шпаргалка с практическими performance-цифрами.

✅ Таблицы, ключевые метрики и наглядные сравнения 👉 по ссылке.

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

➕ Python 3.15 на Windows может стать быстрее на ~15%

Хорошие новости для пользователей Python на Windows x86-64:

в Python 3.15 тестируется новый интерпретатор с tail-call dispatch, который даёт в среднем 15–20% ускорения.

CPython экспериментирует с третьим типом интерпретатора:
❌ switch-case
❌ computed goto
✅ tail-calling interpreter (каждый байткод — отдельная функция с обязательным tail-call)

Благодаря новым возможностям Visual Studio 2026 (MSVC 18) компилятор теперь гарантирует tail-call оптимизацию (`[[msvc::musttail]]`).

На Windows x86-64:
♾ +15–20% в среднем по pyperformance
♾ до +40% для небольших, долгоживущих скриптов
♾ ~14% ускорение для крупных pure-Python библиотек

1️⃣ Компилятору стало проще оптимизировать код

Раньше:
♾ один огромный eval loop (~12 000 строк)
♾ компилятор отказывался делать inlining

Теперь:
♾ логика разбита на функции
♾ inlining снова работает
♾ регистры используются эффективнее

🔗 Подробная новость

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

🦆 Daffy — валидация DataFrame прямо в коде

Ошибки в данных редко падают сразу. Чаще они «всплывают» дальше по пайплайну — когда уже поздно. Daffy решает это просто: валидирует входы и выходы функций через декораторы.

Без схем, без отдельного слоя валидации, без рефакторинга.

Пример:

from daffy import df_in, df_out

@df_in(columns=["price", "bedrooms", "location"])
@df_out(columns=["price_per_room", "price_category"])
def analyze_housing(houses_df):
    return analyzed_df

👉 Daffy падает сразу — на границе функции, с понятной ошибкой.

Установка:

pip install daffy

Работает с уже установленной DataFrame-библиотекой.
Поддержка Python 3.10–3.14.

Daffy — decorator-first подход:
✓ добавляется за 30 секунд
✓ не меняет архитектуру
✓ не требует инфраструктуры
✓ легко удалить, если не зашло

Идеален для функций, трансформаций и ML/ETL пайплайнов.

🔗 Ссылка на проект

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

🔐 Безопасность supply chain: как защитить зависимости в проектах

Сегодня pip install может означать установку бэкдора, даже если пакет выглядит легитимным.

За последний год:
➕ вредоносные обновления популярных библиотек
➕ typosquatting-пакеты с удалённым управлением
➕ фишинг аккаунтов мейнтейнеров и заражённые релизы

pip-audit — официальный инструмент PyPA для проверки зависимостей на известные уязвимости.

Что он делает:
— сканирует виртуальное окружение или requirements
— сверяется с официальной базой уязвимостей
— падает сразу, если найден риск

✔️ Лучший практический паттерн

Не только CI — запускать аудит прямо в unit-тестах.

Идея простая:
1. Добавить pip-audit в dev-зависимости
2. Написать тест, который:
— запускает pip-audit
— фейлит билд при проблемах

В итоге проверка выполняется:
— локально у разработчиков
— в CI
— в git hooks

➡️ Подробная статья по безопасным пакетам

📍 Навигация: Вакансии • Задачи • Собесы

🐸 Библиотека питониста

#буст

это было так давно... 😁

🐸 Библиотека питониста

#развлекалово