تبدیل فایل PY به EXE با Pyinstaller

در پست‌های قبلی، به تبدیل فایل پایتون به EXE با استفاده از ابزار cx_Freeze پرداختیم. این بار، می‌خوایم با ابزار Pyinstaller فایل‌مون رو به اجرایی تبدیل کنیم.

در مرحله اول که کاملا مشخصه، کافیه Pyinstaller رو نصب کنید.

pip install pyinstaller

وارد همون پوشه‌‌ای که فایل پایتون داخل‌ش قرار داره بشید. سپس دستور زیر رو وارد کنید:

pyinstaller --onefile name.py

به جای name.py، اسم فایل پایتون خودتون رو وارد کنید.
سوییچ --onefile باعث می‌شه یک فایل نهایی تولید بشه.

پس از اجرای دستور، پوشه‌ای به اسم dist ایجاد میشه که EXE در این پوشه قرار می‌گیره.

🧸 وقتی برنامه‌ی شما گرافیکی باشه، بعد از تبدیل به EXE یک کنسول هم همراه با برنامه باز می‌شه. اگه نمی‌خواید این پنجره نمایش داده بشه، می‌تونید از سوییچ --noconsole استفاده کنید.

کافیه دستور رو این‌طوری وارد کنید:

pyinstaller --onefile --noconsole name.py

🎉 برای مطالعه و امکانات بیشتر Pyinstaller، می‌توانید به وب‌سایت رسمی‌ش مراجعه کنید:
https://pyinstaller.org

🔖 #Python, #پایتون

👤 𝐏𝐫𝐨𝐠𝐫𝐚̷𝐦𝐦̷𝐞̷𝐫̷

💎 Channel: @DevelopixPython

تبدیل فایل PY به EXE با auto-py-to-exe

در قسمت‌های قبل با روش‌های تبدیل فایل پایتون به فایل اجرایی ویندوز آشنا شدیم. این بار می‌خوایم با استفاده از auto-py-to-exe این کار رو انجام بدیم.

🚀 اول از همه، ابزار رو نصب کنید:

pip install auto-py-to-exe

🖥️ بعد با دستور زیر برنامه رو اجرا کنید:

auto-py-to-exe

🎨 بعد از اجرا، براتون بازش می‌کنه. در قسمت اول هم باید مسیر فایل پایتون خودتون رو مشخص کنید.

📦 گزینه Onefile مشخص می‌کنه که خروجی یک فایل باشه یا دایرکتوری شامل چند فایل.

🖥️ در قسمت Console می‌تونید تعیین کنید که هنگام اجرای EXE کنسول باز بشه یا نه.

🔮 می‌تونید آیکون دلخواه رو هم برای فایل اجرایی انتخاب کنید.

⚙️ در بخش‌های بعدی امکان تنظیم فایل‌ها و تنظیمات پیشرفته وجود داره.

🔓 وقتی تنظیمات رو انجام دادید، روی دکمه Convert کلیک کنید تا فرایند ساخت فایل شروع بشه.

📂 بعد از اتمام داخل پوشه Output فایل EXE ساخته میشه.

⚠️ توجه:
ابزار auto-py-to-exe در واقع رابط گرافیکی Pyinstaller هست و برای کارکرد نیاز به نصب Pyinstaller داره.

⏳ در پایین صفحه هم کدی که نوشته شده همون دستور Pyinstaller هست که می‌تونید اجراش کنید.

🔖 #Python, #پایتون

👤 𝐏𝐫𝐨𝐠𝐫𝐚𝐦𝐦̷𝐞̷𝐫̷

💎 Channel: @DevelopixPython

خروجی تابع hello چیست؟

def make_bold(fn):
    return lambda : "<b>" + fn() + "</b>"

def make_italic(fn):
    return lambda : "<i>" + fn() + "</i>"

@make_bold
@make_italic
def hello():
  return "hello world"

🔖 #Python, #پایتون

👤 Yasin

💎 Channel: @DevelopixPython

🔢 تبدیل عددهای نوشته‌شده با حروف به عدد واقعی در پایتون!

با استفاده از کتابخونه‌ی numerizer می‌تونید عددهایی که به صورت متنی نوشته شدن (مثل four hundred and sixty one) رو به عدد واقعی تبدیل کنید 🔥

مثلاً:

from numerizer import numerize

print(numerize('four hundred and sixty one'))
# '461'

print(numerize('four hundred sixty one'))
# '461'

print(numerize('four sixty one'))
# '461'

print(numerize('four sixty-one'))
# '461'

📘 این کتابخونه به‌صورت خودکار انواع حالت‌های نوشتاری عددها رو تشخیص میده و اون‌ها رو به عدد صحیح تبدیل می‌کنه.
خیلی کاربردیه وقتی کارتون با پردازش متن (NLP) یا ورود داده‌های متنی هست.

کتابخونه‌ی numerizer فقط با عددهای انگلیسی کار می‌کنه (مثل “four hundred and sixty one”)
ولی برای اعداد فارسی یا متنی فارسی (مثل «چهارصد و شصت و یک») هنوز کتابخونه‌ی مستقیمی مثل numerizer وجود نداره که دقیق و کامل کار کنه.
با این حال، چند تا روش و راه‌حل کاربردی هست:

🧩 روش ۱: استفاده از کتابخونه‌ی آماده برای فارسی

pip install text2numfa

سپس:

from text2numfa import text2num

print(text2num("چهارصد و شصت و یک"))  # 461
print(text2num("دوازده هزار و پانصد و چهل"))  # 12540

✅ پشتیبانی از اعداد فارسی
✅ دقیق و ساده
❌ نسبتاً کمتر شناخته‌شده و ممکنه در بعضی حالت‌ها خطا بده

🧩 روش ۲: استفاده از مدل‌های NLP (اگر خواستی هوشمندتر باشه)
مثلاً با مدل‌های فارسی HuggingFace می‌تونی متن رو تجزیه و معنی عدد رو پیدا کنی، ولی این برای پروژه‌های پیشرفته‌تره (مثلاً چت‌بات یا پردازش زبان طبیعی).

🧩 روش ۳: ساخت تابع ساده خودت
برای پروژه‌های کوچک، می‌تونی خودت یک دیکشنری بنویسی:

numbers = {
    "یک": 1, "دو": 2, "سه": 3, "چهار": 4, "پنج": 5,
    "شش": 6, "هفت": 7, "هشت": 8, "نه": 9, "ده": 10,
    "صد": 100, "هزار": 1000
}

def text_to_num_fa(text):
    parts = text.split(" و ")
    total = 0
    for part in parts:
        for key, value in numbers.items():
            if key in part:
                total += value
    return total

print(text_to_num_fa("چهارصد و شصت و یک"))

البته این نسخه‌ی ساده است و میشه خیلی حرفه‌ای‌ترش کرد تا عددهای ترکیبی رو درست محاسبه کنه.

🔖 #Python, #پایتون

👤 Charisma

💎 Channel: @DevelopixPython

کنفرانس: پایتون و هوش مصنوعی 🤖🐍

🤔 تا حالا برات سوال شده که چطوری با پایتون میشه وارد دنیای هوش مصنوعی شد؟
یا چرا تقریباً همه از پایتون برای AI استفاده می‌کنن؟

🔥 این فایل دقیقاً برای توئه!
توی این کنفرانس، با زبونی ساده و خودمونی درباره‌ی مسیر یادگیری 📚،
کاربردهای واقعی 🌍
و آینده‌ی شغلی 💼 در دنیای هوش مصنوعی صحبت کردیم.

🔖 #Python #پایتون

👤 Charisma

💎 Channel: @DevelopixPython

پایتون برای کارهای روزمره سیستم‌عامل 🧰✨

خیلی وقت‌ها پشت سیستم چند تا کار تکراری داریم: جابه‌جا کردن فایل‌ها، عوض کردن اسم‌ها، پیدا کردن فایل‌های قدیمی و پاک کردن لاگ‌ها. این چیزها اگر دستی انجام بشن هم وقت می‌گیرن، هم احتمال خطا زیاده.

با یک اسکریپت ساده پایتون می‌شه این کارها رو اتومات کرد. ایده‌ی کلی اینه: از ماژول‌های استاندارد مثل os و pathlib و shutil استفاده می‌کنیم تا بدون نیاز به هیچ کتابخونه اضافی، فولدرهامون رو مرتب کنیم.

یکی از آموزش‌های خوب برای شروع این فاز، بخش "File and Directory Access" توی مستندات رسمی پایتونه:
pathlib – Object-oriented filesystem paths

اینجا یک مثال واقعی: اسکریپتی که یک فولدر رو اسکن می‌کنه و فایل‌ها رو بر اساس پسوند، توی زیر‌فولدرهای جدا می‌ریزه (مثلا images، videos، documents). این دقیقا چیزی‌ه که تو خیلی از اسکریپت‌های مدیریت دانلود استفاده می‌شه.

from pathlib import Path
import shutil

BASE_DIR = Path.home() / "Downloads"

EXT_MAP = {
    "images": [".png", ".jpg", ".jpeg", ".gif"],
    "videos": [".mp4", ".mkv", ".avi"],
    "documents": [".pdf", ".docx", ".xlsx", ".pptx"],
    "archives": [".zip", ".rar", ".tar", ".gz"],
}

def get_category(ext: str) -> str | None:
    ext = ext.lower()
    for category, exts in EXT_MAP.items():
        if ext in exts:
            return category
    return None

for item in BASE_DIR.iterdir():
    if not item.is_file():
        continue

    category = get_category(item.suffix)
    if not category:
        continue

    target_dir = BASE_DIR / category
    target_dir.mkdir(exist_ok=True)

    target_path = target_dir / item.name
    print(f"Moving {item.name} -> {target_path}")
    shutil.move(str(item), str(target_path))

چند نکته‌ی کاربردی:

🔹 استفاده از Pathlib خیلی خواناتر از کار با os.path و رشته‌های خامه. کار با مسیرها رو شبیه Objectها می‌کنه.

🔹 قبل از اجرای اسکریپت روی فولدر اصلی، بهتره روی یک فولدر تست امتحان بشه تا مطمئن باشی چیزی اشتباه جابه‌جا نمی‌شه.

🔹 می‌شه این ایده رو گسترش داد: مثلا فایل‌های قدیمی‌تر از ۳۰ روز رو ببری داخل یک فولدر old یا لاگ‌های بالای یک حجم مشخص رو پاک کنی. همه‌ش با همین ماژول‌های استاندارد قابل انجامه.

مستندات رسمی پایتون برای کار با فایل‌سیستم خیلی تمیز و قابل اتکا هستن؛ هر وقت خواستی اسکریپت رو حرفه‌ای‌تر کنی، سر زدن به این صفحه‌ها واقعا کمک می‌کنه:
shutil – High-level file operations

یک بار این اسکریپت رو روی فولدر Downloads خودت اجرا کن، اگر مفید بود، تو پروژه‌های دیگه‌ات هم از همین الگو استفاده کن و با بقیه پایتونیست‌ها به اشتراک بذار 🚀

🔖 #Python #پایتون #Python #Automation #pathlib #shutil #Scripting

👤 Developix

💎 Channel: @DevelopixPython

📌 امروز یک اسکریپت کاملاً کاربردی می‌سازیم: اسکن یک پوشه، پیدا کردن فایل‌ها، و خروجی گرفتن یک گزارش CSV با Python.

سناریو واقعی 👇
فرض کن روی سرور یا سیستم خودت هزاران فایل داری و می‌خواهی:
- اسم همه‌ی فایل‌ها
- سایز هر فایل
- تاریخ آخرین تغییر
رو به‌صورت یک گزارش تمیز در یک فایل CSV داشته باشی تا بعداً با Excel یا pandas تحلیلش کنی.

این کار را با ماژول‌های استاندارد os و pathlib و csv انجام می‌دهیم، کاملاً بدون وابستگی خارجی. برای جزئیات بیشتر هم می‌شود به مستندات رسمی Python سر زد:
os
pathlib
csv

💡 ایده کلی
یک مسیر ورودی می‌گیریم (مثلاً یک پوشه پروژه، یا فولدر logs سرور)، روی کل زیرپوشه‌ها loop می‌زنیم، اطلاعات هر فایل را می‌خوانیم و در یک فایل report.csv ذخیره می‌کنیم.

نمونه کد کامل:

import os
from pathlib import Path
import csv
from datetime import datetime


def scan_directory(root_dir: str, output_csv: str = "report.csv") -> None:
    root_path = Path(root_dir).expanduser().resolve()

    if not root_path.exists() or not root_path.is_dir():
        raise ValueError(f"مسیر نامعتبر است: {root_path}")

    rows = []
    for dirpath, dirnames, filenames in os.walk(root_path):
        for name in filenames:
            file_path = Path(dirpath) / name
            stat = file_path.stat()
            size_bytes = stat.st_size
            mtime = datetime.fromtimestamp(stat.st_mtime)

            rows.append({
                "path": str(file_path),
                "size_bytes": size_bytes,
                "modified_at": mtime.isoformat(timespec="seconds"),
            })

    with open(output_csv, "w", newline="", encoding="utf-8") as f:
        writer = csv.DictWriter(f, fieldnames=["path", "size_bytes", "modified_at"])
        writer.writeheader()
        writer.writerows(rows)

    print(f"گزارش ساخته شد: {output_csv} ({len(rows)} فایل)")


if __name__ == "__main__":
    # مثال: اسکن پوشه جاری
    scan_directory(".")

نکته‌ها و کاربردهای واقعی 🔍
- این اسکریپت روی هر سیستم دارای Python 3 اجرا می‌شود، بدون نصب پکیج اضافه.
- خروجی report.csv را می‌توانی مستقیم با pandas بخوانی و روی آن تحلیل اندازه فایل‌ها، پیدا کردن فایل‌های خیلی بزرگ، یا مانیتور کردن growth یک فولدر انجام بدهی.
- برای مسیرهای حجیم، بهتر است روی دیسک‌های شبکه‌ای کمی حوصله داشته باشی؛ os.walk همه چیز را می‌گردد.

یک بار روی پوشه پروژه‌ات اجرا کن، نتیجه‌اش معمولاً شگفت‌انگیز است 🤓
اگر مفید بود، برای بقیه پایتونیست‌ها هم بفرست تا آن‌ها هم از این اسکریپت ساده اما کاربردی استفاده کنند.

🔖 #Python #پایتون #Python #Automation #Filesystem #Script #CSV #pandas

👤 Developix

💎 Channel: @DevelopixPython

‏FastAPI یکی از محبوب‌ترین فریم‌ورک‌های مدرن برای ساخت REST API با Python است؛ سریع، تایپ‌محور و کاملا async-friendly 🚀

با FastAPI می‌شود خیلی سریع میکروسرویس، backend برای موبایل یا API برای مدل‌های ML ساخت؛ بدون این‌که درگیر boilerplate زیاد شد.

چرا FastAPI؟
• استفاده از type hints پایتون و تولید خودکار docs با OpenAPI و Swagger UI 📚
• پرفورمنس بالا (روی Starlette و Pydantic)
• اعتبارسنجی ورودی‌ها به‌صورت خودکار
• پشتیبانی عالی از async/await و dependency injection

نصب و مثال سریع

pip install fastapi uvicorn

# main.py
from fastapi import FastAPI

app = FastAPI()

@app.get("/hello")
async def read_hello(name: str = "dev"):
    return {"message": f"Hello {name}!"}

# اجرا:
# uvicorn main:app --reload

برای پروژه‌های جدیدی که نیاز به API سریع، تمیز و قابل توسعه دارند، امتحان FastAPI کاملا می‌ارزد ✨

مستندات رسمی:
Docs
GitHub

🔖 #Python #پایتون #Python #FastAPI #Backend #API #وب

👤 Developix

💎 Channel: @DevelopixPython