| کانال توسعه‌دهندگان پایتون |

چرا متود copy همیشه کپی واقعی نمی‌سازه؟ یکی از باگ‌هایی که حتی برنامه‌نویس‌های با تجربه هم گاهی باهاش روبه‌رو میشن، تفاوت بین Copy و Deep Copy هست فرض کنید این لیست رو داریم: data = [ ["Yasin", "Ali"], ["Math", "Science"] ] حالا ازش کپی می‌گیریم: new_data = data.copy() خیلی‌ها فکر می‌کنن new_data کاملاً مستقل از data شده اما اینطور نیست اگر این کار رو انجام بدیم: new_data[0].append("Sina") نتیجه: print(data) # خروجی 👇🏻 # [['Yasin', 'Ali', 'Sina'], ['Math', 'Science']] چرا لیست اصلی هم تغییر کرد؟ چون copy() فقط لیست بیرونی رو کپی می‌کنه، ولی عناصر داخلش همچنان به همون آبجکت‌های قبلی اشاره می‌کنن. به این میگن Shallow Copy -——————————————-- 🎈اما راه حل؟ وقتی ساختارهای تو در تو دارید با از از deepcopy استفاده کنید from copy import deepcopy new_data = deepcopy(data) حالا هر تغییری روی new_data بدید روی data اثری نداره 🔴 نکته مهم 🔴 اگر داده‌های شما تو در تو نیستند، copy کاملاً کافی و سریع‌تره اما اگر با لیست، دیکشنری یا آبجکت‌های تو در تو کار می‌کنید استفاده اشتباه از copy می‌تونه باگ‌ ایجاد کنه که وقتتون گرفته بشه 🔖 #Python #پایتون 👤 BʟᴀᴄᴋCᴀᴛ 💎 Channel: @DevelopixPython

خیلی وقت‌ها پوشه Downloads شبیه یک انباری شلوغ می‌شود؛ pdf، عکس، zip، هر چیزی قاطی هم 😅 امروز یک اسکریپت واقعی و ساده با Python می‌سازیم که فایل‌ها را بر اساس نوع، به پوشه‌های جدا منتقل کند. ایده از این آموزش الهام گرفته شده: Real Python - Working With Files in Python 🧠 ایده کلی Python برای کار با فایل‌ها و مسیرها کتابخانه‌های خیلی خوبی دارد، مخصوصاً pathlib و shutil. کاری که می‌کنیم: - پوشه Downloads را مانیتور نمی‌کنیم، فقط هر بار اسکریپت را اجرا کنیم - بر اساس پسوند فایل (مثلاً .pdf یا .jpg) تصمیم می‌گیریم کجا برود - اگر پوشه مقصد وجود نداشت، خودمان می‌سازیم این مدل اسکریپت‌ها برای مرتب‌ نگه‌داشتن سیستم شخصی یا سیستم‌های روی سرور خیلی کاربردی است. 🛠 کتابخانه‌های مورد نیاز همه چیز با کتابخانه‌های استاندارد Python انجام می‌شود: - pathlib برای کار راحت‌تر با مسیرها - shutil برای جابجا کردن فایل‌ها - os اگر خواستیم تنظیمات خاص‌تری انجام بدهیم (اینجا خیلی کم استفاده می‌شود) 📦 کد نمونه: مرتب‌سازی فایل‌ها بر اساس پسوند این یک مثال ساده و عملی است. مسیر DOWNLOADS_PATH را با مسیر سیستم خودتان عوض کنید 👇 from pathlib import Path import shutil # مسیر پوشه Downloads را مطابق سیستم خود تنظیم کنید DOWNLOADS_PATH = Path.home() / "Downloads" # مپ کردن پسوندها به پوشه‌های هدف EXTENSION_MAP = { ".pdf": "PDFs", ".jpg": "Images", ".jpeg": "Images", ".png": "Images", ".zip": "Archives", ".rar": "Archives", ".mp4": "Videos", ".mp3": "Music", } for item in DOWNLOADS_PATH.iterdir(): if item.is_file(): ext = item.suffix.lower() if ext in EXTENSION_MAP: target_dir = DOWNLOADS_PATH / EXTENSION_MAP[ext] target_dir.mkdir(exist_ok=True) target_path = target_dir / item.name # اگر فایلی با همین نام هست، نام را کمی عوض می‌کنیم if target_path.exists(): target_path = target_dir / f"{item.stem}_copy{ext}" shutil.move(str(item), str(target_path)) نکات کوچک اما مهم ✨ - قبل از اجرا، یک‌بار روی یک پوشه تستی امتحان شود تا مطمئن شوید مپ پسوندها را

مدیریت درست resource مثل فایل، connection دیتابیس یا lock، کلی باگ و Memory Leak بالقوه را حذف می‌کند. پایتون برای این کار Context Manager دارد که با کلمهٔ کلیدی with استفاده می‌شود. 😌 ساده‌ترین مثال، کار با فایل است؛ بدون نیاز به close() یادت نرود: with open("data.txt", "r", encoding="utf-8") as f: content = f.read() بعد از تمام شدن بلاک، فایل به‌صورت خودکار بسته می‌شود؛ حتی اگر exception رخ بدهد. 👌 برای resourceهای خودت هم می‌شود Context Manager ساخت. راحت‌ترین راه در پروژه‌های کوچیک، استفاده از contextlib.contextmanager است: from contextlib import contextmanager @contextmanager def temp_change_dir(path): import os old = os.getcwd() os.chdir(path) try: yield finally: os.chdir(old) حالا هرجا لازم بود، فقط: with temp_change_dir("/tmp"): # کدهای وابسته به مسیر جدید ... این الگو، کد را خواناتر، امن‌تر و تست‌پذیرتر می‌کند. دفعهٔ بعد که نیاز به setup/cleanup داشتی، به یک Context Manager کوچک فکر کن. ✨ 🔗 رفرنس: Python docs - contextlib 🔖 #Python #پایتون #Python #context_manager #with #contextlib #best_practices #resources 👤 Developix 💎 Channel: @DevelopixPython

خیلی وقت‌ها با باگ‌های عجیب روبه‌رو می‌شویم که فقط به خاطر یک فاصلهٔ اضافی یا خط‌جدید ته رشته است؛ مخصوصاً وقتی ورودی از فایل، API یا فرم می‌آید. این‌جا استفادهٔ درست از متدهای خانوادهٔ strip واقعاً نجات‌دهنده است. ✨ نکتهٔ اصلی: همیشه قبل از مقایسه یا ذخیرهٔ رشته، آن را تمیز کن؛ ولی حواست باشد چه کاراکتری را پاک می‌کنی. raw = " ok\n" # تمیزکردن امن برای فضاهای خالی عمومی clean = raw.strip() # "ok" # فقط حذف خط‌جدید، نگه‌داشتن فاصله‌های وسط line = "value 42\n" line = line.rstrip("\n") # "value 42" # پاک‌کردن prefix یا suffix خاص url = "https://example.com/" url = url.rstrip("/") # "https://example.com" چند عادت خوب ✅ - روی دادهٔ ساختاریافته (مثل کدها، شناسه‌ها، توکن‌ها) قبل از ذخیره همیشه strip انجام بده. - برای حذف فقط کاراکترهای مشخص، آرگومان بده و بی‌گدار strip خالی استفاده نکن. برای جزئیات بیشتر: مستندات رسمی str.strip 🔖 #Python #پایتون #Python #string #strip #clean_input #tips 👤 Developix 💎 Channel: @DevelopixPython

تلاش دوباره با Tenacity، بدون حلقه‌های دستی وقتی یک سرویس موقتاً در دسترس نیست، شکست اولین درخواست نباید پایان کار باشد. کتابخانه Tenacity منطق retry را برای پایتون ساده می‌کند؛ بدون نوشتن حلقه و شمارنده در هر تابع. ‏🔧 می‌توانی تعداد تلاش‌ها، فاصلهٔ بین آن‌ها و نوع خطای قابل تکرار را مشخص کنی. از توابع async هم پشتیبانی می‌کند. نصب با pip install tenacity و یک نمونه: from urllib.request import urlopen from urllib.error import URLError from tenacity import retry, stop_after_attempt from tenacity import wait_exponential, retry_if_exception_type @retry( stop=stop_after_attempt(3), wait=wait_exponential(min=1, max=8), retry=retry_if_exception_type(URLError), reraise=True, ) def fetch(): with urlopen("https://www.python.org", timeout=5) as r: return r.status نکته: عملیات پرداخت را بدون تضمین idempotency تکرار نکن؛ ممکن است دوباره اجرا شود. مستندات رسمی روی یک درخواست خواندنی امتحانش کن 🌱 🔖 #Python #پایتون #Python #Tenacity #retry 👤 Developix 💎 Channel: @DevelopixPython