Нашёл инструмент под названием Logsensor. Это утилита на Python, которая помогает находить логин-панели и проверять POST-формы на SQL-инъекции.

Работает не только по одному сайту, а умеет гонять сразу пачку хостов. Есть поддержка таргет-сканов отдельных форм и прокси. 🛡

Выглядит как полезная штука для тестеров безопасности, CTF-наблюдателей и тех, кто любит ковырять веб-уязвимости.

Репозиторий тут: https://github.com/Mr-Robert0/Logsensor

👉 @PythonPortal

Нашлась полезная штука для тех, кто хочет наконец-то подружиться с Git — бесплатная онлайн-книга "Pro Git"

Она не просто перечисляет команды, а нормально объясняет как Git живёт внутри, почему он работает именно так и как это использовать с умом. Подача простая, начинаешь с базовых вещей, а потом плавно переходишь к продвинутым сценариям и внутренней логике системы. ✏️

👉 @PythonPortal

17-летний парень собрал протез руки с управлением через мозг за 300 долларов.

Да, за 300.

Вещь, которая обычно стоит около 450 тысяч.

Просто вдумайся.

Школьник, у себя дома, с помощью AI, дешевых компонентов и 23 тысяч строк кода сделал устройство, которое читает сигналы мозга без операций, без имплантов и без ценника в полмиллиона.

Это не милая вдохновляющая история.

Это сигнал.

Как вообще ученик старшей школы смог собрать что-то в 1500 раз дешевле индустриального стандарта?

Что это говорит об инновациях?

О ценообразовании?

О том, кто реально получает доступ к технологиям, меняющим жизнь?

Конечно, медицинские протезы дорогие не просто так:
материалы, тесты, сертификация, кастомизация.

Но если честно, не все это тянет на ценник в полмиллиона.

Эта история показывает простой факт:

Будущее доступных технологий придет не от системы.

Оно придет от тех, кто готов ее ломать и переизобретать.

Если 17-летний школьник может приблизиться к топовым протезам за копейки…

почему такие решения недоступны миллионам, которые в них нуждаются?

Как считаешь — это момент прорыва или только начало большой революции? 😕

👉 @PythonPortal

Я - это другое

👉 @PythonPortal

Прокачай логику программирования с этим ресурсом 🥹

Разрули 24 челленджа на JavaScript, TypeScript и Python

✓ Каждый день декабря открывается новый челлендж
✓ Ачивки, рейтинг и фидбек
✓ Финальный подарок, который можно забрать
✓ Бесплатно

→ adventjs.dev

👉 @PythonPortal

Подсказка по Python.

Декоратор @dataclass сам генерирует стандартные методы вроде init, repr и eq на основе атрибутов класса.

Пример 👇

# с dataclass
from dataclasses import dataclass

@dataclass
class Point:
    x: int
    y: int

А вот как это выглядело бы без @dataclass:

class Point:
    def __init__(self, x: int, y: int):
        self.x = x
        self.y = y

    def __repr__(self):
        return f"Point(x={self.x}, y={self.y})"

    def __eq__(self, other):
        return (self.x, self.y) == (other.x, other.y)

dataclass экономит время и избавляет от шаблонного кода, когда класс просто хранит данные.

👉 @PythonPortal

Кто-то явно готовит что-то мощное для Python 3.15. Похоже, нас ждёт очень крутой новый профайлер

👉 @PythonPortal

Когда решил прочитать документацию к библиотеке прямо во время деплоя:

👉 @PythonPortal

Алгоритм Луна, созданный Хансом Петером Луном в 50-х, это математический способ проверить, корректно ли сформирован номер карты перед тем, как система его обработает. Он не проверяет баланс и не подтверждает реальное существование аккаунта, а просто ловит опечатки и отсеивает номера, которые в принципе не могут быть валидными.

Зачем он нужен:

Быстро понять, что номер введён с ошибкой

Избежать лишних запросов в базу

Снизить нагрузку на сервис и количество фейлов при операций

По сути, Луна — это быстрый фильтр, который не даёт системе тратить ресурсы на заведомо невозможный номер.

Пример с вымышленным номером:

4539 1488 0343 6467

Переворачиваем цифры справа налево
7 6 4 6 3 4 3 0 8 8 4 1 9 3 5 4

Удваиваем каждую вторую цифру:

Первая цифра (7) остаётся как есть.
Вторая (6) удваивается и становится 12.
Вся последовательность получается такой:

7, 12, 4, 12, 3, 8, 3, 0, 8, 16, 4, 2, 9, 6, 5, 8

Все значения больше 9 уменьшаем на 9
(12 → 3, 12 → 3, 16 → 7)

Итоговый ряд:
7, 3, 4, 3, 3, 8, 3, 0, 8, 7, 4, 2, 9, 6, 5, 8

Складываем все числа
Сумма: 80

Проверка

Алгоритм Луна проходит, потому что сумма кратна 10 (заканчивается на 0).

Итог

Алгоритм Луна применяют не только в банковских картах, но и в любых идентификаторах, где важно быстро ловить ошибки. Его задача убедиться, что номер правильно сформирован перед обработкой, чтобы избежать лишних ошибок и не тратить ресурсы впустую.

👉 @PythonPortal

Иногда теряешься в большом Markdown-файле? Больше такого не будет.

treemd это интерактивный навигатор по Markdown с деревом заголовков, которое можно сворачивать.

Читаешь Markdown как код.

Два окна, навигация в стиле vim, живой поиск и синхронизированный скролл.

🦀Написан на Rust, собран на базе ratatui

GitHub: https://github.com/Epistates/treemd

👉 @PythonPortal

Это что-то на вайбкодерском

👉 @PythonPortal

Проверка использования оперативной памяти на Python

Импортируется psutil, затем через psutil.virtual_memory() берутся данные о памяти.

Функция convert_bytes переводит байты в гигабайты.

Дальше код вычисляет:

- общий объём RAM
- доступную RAM
- использованную RAM
- процент использования

И выводит это в консоль.

import psutil

memory = psutil.virtual_memory()

def convert_bytes(size):
    # Convert bytes to GB
    gb = size / (1024 ** 3)
    return gb

total_gb = convert_bytes(memory.total)
available_gb = convert_bytes(memory.available)
used_gb = convert_bytes(memory.used)

print(f"Total RAM: {total_gb:.3f} GB")
print(f"Available RAM: {available_gb:.3f} GB")
print(f"Used RAM: {used_gb:.3f} GB")
print(f"RAM Usage: {memory.percent}%")

Или просто жми CTRL + ALT + DELETE и открывай диспетчер задач. Работает ещё со времён Windows 95.

А показатель использования RAM вообще теряет смысл, если у тебя открыт Chrome — он сам всё сожрёт 😄

👉 @PythonPortal

Нашёл на GitHub свежий инструмент для ML-инженеров — MLE-Agent.

Это AI-ассистент, который сам собирает базовый ML-пайплайн, умеет разруливать ошибки, искать статьи на Arxiv/Papers with Code и даже проходить полный цикл Kaggle-соревнований. Работает через CLI и поддерживает OpenAI, Claude и Ollama. 🌟

Забираем: https://github.com/MLSysOps/MLE-agent

👉 @PythonPortal

5 МБ данных на 62 500 перфокартах в 1955 году.

👉 @PythonPortal

Ну хоть извинился

👉 @PythonPortal

Алготрейдинг, Python и машинное обучение имеют одну общую вещь:

PyBroker

Эта мощная библиотека позволяет вам:

• собирать ML-модели
• описывать торговые правила
• запускать walk-forward анализ

И всё это бесплатно.

Вот ссылка:

https://pybroker.com/en/latest/

👉 @PythonPortal