Вернуть деньги: Python для создания фронтенда

🛠️ Инструменты

pip-run – инструмент для временной установки пакетов

Установщик pip-run удобен для разовой установки зависимостей, которые нужны для запуска скриптов, экспериментов, тестирования, отладки и т. д. Он дополняет стандартные pip и virtualenv и обладает следующими преимуществами:

Автоматически скачивает недостающие зависимости пакетов и делает их доступными для импорта.
Устанавливает пакеты в специальное место, чтобы после завершения процесса они не оставались в системе.
Способен запускать исполняемых модули и пакеты с помощью runpy (аналогично вызову через python -m).
Использует кэш pip для повторного использования уже скачанных пакетов.
Не оставляет следов после запуска (кроме файлов в кэше pip).
При необходимости перезаписывает уже установленные версии пакетов.

uv – экстремально быстрая альтернатива pip и pip-compile

Коллекция Python-инструментов, написанных на супербыстром Rust, пополнилась еще одной ценной разработкой – менеджером пакетов uv. Это очень быстрая, удобная и функциональная альтернатива стандартным Python-инструментам для управления пакетами и виртуальными окружениями. Менеджер uv создан командой Astral, которая подарила питонистам суперскоростной линтер Ruff. Основные преимущества:

Как и любой другой инструмент на Rust, uv работает в 10-100 раз быстрее привычных pip и pip-tools.
Эффективно использует дисковое пространство за счет глобального кеша для дедупликации зависимостей.
Может быть установлен различными способами, включая curl, pip, pipx. Представляет собой статический бинарник без зависимостей от Rust или Python.
Протестирован на работоспособность с топ-10 000 пакетов из PyPI.
Поддерживает macOS, Linux и Windows.
Имеет продвинутые возможности – переопределение версий зависимостей и альтернативные стратегии разрешения.
Показывает подробные сообщения об ошибках и конфликтах при разрешении зависимостей.
Реализует все возможности pip, включая редактируемые установки, зависимости из Git, прямые URL, локальные зависимости и т. д.

uv работает быстрее Poetry

🐍 Больше полезных материалов вы найдете на нашем телеграм-канале «Библиотека питониста»

🛡️ Туториалы

Контейнеризация Django-приложения

Этот туториал подробно рассказывает обо всех тонкостях упаковки и запуска фуллстек-приложения на Django, PostgreSQL и Preact с использованием Docker и Docker Compose. Процесс настройки и объединения всех компонентов в единую систему выглядит так:

Подготовка – установка Docker, Docker Compose, Django, Node.js и npm.
Начало работы – создание и настройка нового проекта Django, установка нужных зависимостей в виртуальное окружение.
Контейнеризация Django и Preact – создание соответствующих файлов Dockerfile для бэкенда и фронтенда.
Упаковка приложений с помощью Docker Compose – создание файла docker-compose.yml, который определяет, как работать с контейнерами приложения и базы данных PostgreSQL.
Сборка и запуск контейнеров – использование команды docker-compose build и docker-compose up для сборки и запуска контейнеров.
Дополнительные настройки и тестирование – конфигурация базы данных и CORS, проверка работы всех компонентов с помощью простого API.

Разработка токенизатора

Токенизация – это отдельный этап в конвейере обработки текста в LLM, который преобразует строки в токены (фрагменты текста) и обратно. Токенизаторы имеют собственные обучающие наборы данных и алгоритмы обучения, например, кодирование байтовых пар (Byte Pair Encoding).

Андрей Карпатый рассказал о пошаговой реализации токенизатора, используемого в моделях GPT от OpenAI. Оказывается, многие странные эффекты и проблемы в работе LLM на самом деле возникают на этапе токенизации. В видео есть разбор деталей работы библиотек, используемых в LLM, и замечание о том, что в идеале в будущем этап токенизации должен быть убран из конвейера обработки текста. Но пока что это один из самых и одновременно проблемных этапов – хорошо, что есть у кого поучиться.

Тест скорости печати

MonkeyType – известное приложение для тестирования скорости печати. Автор этого туториала показывает, как сделать собственную версию теста для использования в терминале. Основные моменты:

Для создания CLI интерфейса используется модуль curses.
Основная логика находится в классе TypingTest – инициализация, получение текста для печати, отображение точности, скорости, вводимых символов, расчет точности и скорости.
Основной цикл программы запускается при помощи главного файла main.py, который создает экземпляр класса TypingTest.
Это в меру сложный, и главное – неизбитый проект для начинающих. Готовый код – в репозитории.

Алгоритмический арт

Это видео демонстрирует по-настоящему интересный проект – создание DSL (предметно-ориентированного языка) поверх SVG для генерации векторного арта на Python. Автор показывает, как определить вспомогательные функции для генерации SVG-разметки, а затем строить различные изображения с использованием этих базовых инструментов.

5 способов защиты учетных данных

Автор видео рассказывает об основных способах предотвращения утечки учетных данных в коде на GitHub. Важно:

Использовать переменные окружения вместо хранения учетных записей прямо в коде – креденшиалы следует хранить в отдельном .env файле или задавать при запуске скриптов.
Делать небольшие коммиты в Git, чтобы проще было отследить изменения и не допустить случайной утечки учетных данных.
Следовать принципу наименьших привилегий – выдавать минимально необходимый доступ в токенах и ключах для API.
Не передавать конфиденциальные данные в открытом виде в чатах и других незащищенных местах. Использовать менеджеры паролей в команде.
Применять инструменты сканирования креденшиалов в CI/CD конвейере, чтобы предотвратить их попадание в репозиторий.

🧩🐍 Интересные задачи по Python для практики можно найти на нашем телеграм-канале «Библиотека задач по Python»

🆕 Новые фреймворки для веб-разработки

CRUD API и аутентификация/авторизация на 100 строках кода

Фреймворк UtilMeta значительно упрощает работу по созданию REST API с использованием FastAPI, Django, Flask и Tornado. В этом туториале разработчик фреймворка демонстрирует, насколько просто и эффективно выглядит процесс создания пользовательской логики и API с помощью UtilMeta. Рассмотрены:

Установка UtilMeta и инициализация проекта на основе Django, настройка подключения к базе данных SQLite.
Создание модели User и Session для хранения данных пользователей и сессий, настройка аутентификации через сессии с использованием встроенных механизмов UtilMeta.
Написание API для регистрации, входа, выхода пользователей. Использование декларативного подхода UtilMeta для валидации и работы с данными.
Реализация CRUD API для получения, обновления данных пользователя с проверкой авторизации.
Запуск и тестирование работы API с помощью встроенного клиента.

Вот так просто выглядит создание API с UtilMeta

Реактивный UI-фреймворк для быстрой разработки фронтенда

Hyperdiv позволяет максимально упростить и ускорить процесс разработки интерактивных фуллстек-приложений, и не требует использования дополнительных языков, фреймворков или инструментов сборки. Среди основных возможностей Hyperdiv есть потрясающие фичи. Этот фреймворк:

Использует только Python без необходимости компиляции в JavaScript.
Автоматически управляет сетевым взаимодействием фронтенда и бекенда.
Имеет встроенную библиотеку готовых UI-компонентов.
Реализует реактивный подход – при изменении состояния приложения происходит автоматическая перерисовка фронтенда.
Отправляет в браузер только разницу виртуального DOM, которая затем патчит реальный DOM.
Предоставляет декларативный и эргономичный API для построения пользовательского интерфейса в режиме немедленного отображения.
Использует фиксированный, неизменный JavaScript-код в браузере, благодаря чему логика приложения и данные остаются полностью скрытыми от злоумышленников – в отличие от обычных SPA-приложений.