آموزش کتابخانه Splinter در پایتون 🌐🐍 (پارت 1)

کتابخانه Splinter یکی از ابزارهای قدرتمند برای اتوماسیون و تعامل با مرورگرهای وب در پایتون است. Splinter اولین بار در سال 2011 معرفی شد و هدف اصلی آن ساده‌سازی فرآیند اتوماسیون مرورگرهای وب برای تست و استخراج اطلاعات است. این کتابخانه قابلیت کار با مرورگرهای مختلفی مثل Chrome، Firefox، Safari و حتی مرورگرهای بدون رابط گرافیکی مانند PhantomJS و zzzzz WebKit را دارد. با استفاده از Splinter، می‌توانیم به‌راحتی کارهایی مانند پر کردن فرم‌ها، کلیک بر روی دکمه‌ها و استخراج اطلاعات از وب‌سایت‌ها را انجام دهیم. در این آموزش، با نحوه نصب و استفاده از این کتابخانه آشنا خواهیم شد. 🚀

نصب Splinter 📦

برای شروع، ابتدا باید کتابخانه Splinter و مرورگری که قصد استفاده از آن را داریم (مثلاً Chrome) نصب کنیم. مراحل نصب به‌صورت زیر است:

# نصب Splinter
!pip install splinter

# نصب WebDriver برای Chrome
!pip install chromedriver-autoinstaller

استفاده اولیه از Splinter 🌟

در این بخش، به شما نشان خواهیم داد که چگونه یک مرورگر را راه‌اندازی کنید و یک وب‌سایت را باز کنید. در این مثال، از Chrome استفاده می‌کنیم:

from splinter import Browser
import chromedriver_autoinstaller

# نصب خودکار chromedriver
chromedriver_autoinstaller.install()

# راه‌اندازی مرورگر
with Browser('chrome') as browser:
    # باز کردن یک وب‌سایت
    browser.visit('https://example.com')
    
    # بررسی اینکه صفحه به‌درستی بارگذاری شده است
    if browser.is_text_present('Example Domain'):
        print("صفحه به‌درستی بارگذاری شد!")
    else:
        print("خطایی در بارگذاری صفحه رخ داده است.")

توضیحات:
1. نصب Splinter و chromedriver-autoinstaller:
- با استفاده از !pip install splinter، کتابخانه Splinter را نصب می‌کنیم.
- با استفاده از !pip install chromedriver-autoinstaller، ابزار نصب خودکار WebDriver برای Chrome را نصب می‌کنیم.

2. وارد کردن کتابخانه‌ها:
- from splinter import Browser: از کتابخانه Splinter برای وارد کردن کلاس Browser استفاده می‌کنیم.
- import chromedriver_autoinstaller: ابزار نصب خودکار chromedriver را وارد می‌کنیم.

3. نصب خودکار chromedriver:
- chromedriver_autoinstaller.install(): این خط کد بررسی می‌کند که آیا chromedriver نصب شده است یا نه، و در صورت نیاز آن را نصب می‌کند.

4. راه‌اندازی مرورگر:
- with Browser('chrome') as browser: مرورگر Chrome را باز می‌کنیم.
- browser.visit('https://example.com'): وب‌سایت مورد نظر را بازدید می‌کنیم.
- if browser.is_text_present('Example Domain'): بررسی می‌کنیم که آیا متن "Example Domain" در صفحه وجود دارد یا نه.
- print("صفحه به‌درستی بارگذاری شد!"): در صورت وجود متن، پیام موفقیت‌آمیز بودن بارگذاری را چاپ می‌کنیم.
- print("خطایی در بارگذاری صفحه رخ داده است."): در صورت عدم وجود متن، پیام خطا را چاپ می‌کنیم.

این مراحل پایه‌ای، به شما نشان می‌دهد که چگونه می‌توانید با Splinter یک مرورگر را باز کنید و یک وب‌سایت را بازدید کنید. در پارت بعدی، نحوه تعامل با عناصر وب‌سایت و استخراج اطلاعات را بررسی خواهیم کرد. 📄✨

(اینم کانال ما)

#پایتون #برنامه‌نویسی #اتوماسیون #وب

آموزش کتابخانه Splinter در پایتون 🌐🐍 (پارت 2)

در پارت قبلی، با نحوه نصب و استفاده اولیه از Splinter آشنا شدیم. در این بخش، نحوه تعامل با عناصر وب‌سایت و استخراج اطلاعات را بررسی خواهیم کرد.

تعامل با عناصر وب‌سایت 🖱️

یکی از قابلیت‌های مهم Splinter، امکان تعامل با عناصر مختلف وب‌سایت است. در این مثال، یک فرم ساده را پر می‌کنیم و دکمه‌ای را کلیک می‌کنیم:

# پر کردن یک فرم
browser.fill('username', 'your_username')
browser.fill('password', 'your_password')

# کلیک بر روی دکمه ورود
button = browser.find_by_name('login').first
button.click()

# بررسی موفقیت‌آمیز بودن ورود
if browser.is_text_present('Welcome'):
    print("ورود موفقیت‌آمیز بود!")
else:
    print("ورود ناموفق بود.")

توضیحات:
1. پر کردن فرم:
- browser.fill('username', 'your_username'): فیلد متنی با نام 'username' را با مقدار 'your_username' پر می‌کنیم.
- browser.fill('password', 'your_password'): فیلد متنی با نام 'password' را با مقدار 'your_password' پر می‌کنیم.

2. کلیک بر روی دکمه:
- button = browser.find_by_name('login').first: دکمه‌ای با نام 'login' را پیدا کرده و اولین مورد آن را انتخاب می‌کنیم.
- button.click(): بر روی دکمه کلیک می‌کنیم.

3. بررسی موفقیت‌آمیز بودن ورود:
- if browser.is_text_present('Welcome'): بررسی می‌کنیم که آیا متن 'Welcome' در صفحه وجود دارد یا نه.
- print("ورود موفقیت‌آمیز بود!"): در صورت وجود متن، پیام موفقیت‌آمیز بودن ورود را چاپ می‌کنیم.
- print("ورود ناموفق بود."): در صورت عدم وجود متن، پیام خطا را چاپ می‌کنیم.

استخراج اطلاعات از وب‌سایت 🕵️‍♂️

با استفاده از Splinter می‌توانیم اطلاعات مورد نظر خود را از وب‌سایت‌ها استخراج کنیم. در این مثال، تمام لینک‌های موجود در صفحه را استخراج می‌کنیم:

# استخراج تمام لینک‌های موجود در صفحه
links = browser.find_by_tag('a')

# چاپ متن و URL هر لینک
for link in links:
    print(link.text, link['href'])

توضیحات:
1. استخراج لینک‌ها:
- links = browser.find_by_tag('a'): تمام عناصر با تگ 'a' (لینک‌ها) را در صفحه پیدا کرده و در متغیری به نام links ذخیره می‌کنیم.

2. چاپ متن و URL هر لینک:
- for link in links: یک حلقه برای دسترسی به هر لینک در لیست links ایجاد می‌کنیم.
- print(link.text, link['href']): متن و URL هر لینک را چاپ می‌کنیم.

بستن مرورگر 🛑

در پایان کار با مرورگر، حتماً باید مرورگر را ببندیم تا منابع سیستم آزاد شوند:

browser.quit()

توضیحات:
- browser.quit(): این خط کد مرورگر را می‌بندد و منابع سیستم را آزاد می‌کند.

نتیجه‌گیری 🎉

با استفاده از کتابخانه Splinter، می‌توانیم به‌راحتی کارهای متنوعی را در وب‌سایت‌ها انجام دهیم. این کتابخانه امکانات بسیار زیادی را برای اتوماسیون وب فراهم می‌کند و یادگیری آن برای هر برنامه‌نویس پایتونی می‌تواند بسیار مفید باشد.

(اینم کانال ما)

#پایتون #برنامه‌نویسی #اتوماسیون #وب

❓️چگونه می‌توانم در پایتون به کاربران اجازه دهم که تا زمانی که ورودی صحیحی وارد نکرده‌اند، به طور مداوم تلاش کنند؟❓️

اینطوری ❗️👇:

برای این کار می‌توانید از حلقه while به همراه دستور continue استفاده کنید. این روش به شما امکان می‌دهد تا وقتی که کاربر ورودی معتبر وارد نکرده است، حلقه را مجدداً شروع کنید. به عنوان مثال، فرض کنید می‌خواهیم کاربر یک عدد صحیح مثبت وارد کند:

while True:
    user_input = input("لطفا یک عدد صحیح مثبت وارد کنید: ")
    
    if not user_input.isdigit() or int(user_input) <= 0:
        print("ورودی نامعتبر است. لطفا دوباره تلاش کنید.")
        continue
    
    print(f"شما عدد {user_input} را وارد کرده‌اید.")
    break

در این مثال:
1. از کاربر خواسته می‌شود تا یک عدد صحیح مثبت وارد کند.
2. اگر ورودی کاربر معتبر نباشد (یعنی یا یک عدد نباشد یا یک عدد صحیح مثبت نباشد)، پیام خطا نمایش داده می‌شود و حلقه مجدداً شروع می‌شود.
3. اگر ورودی معتبر باشد، پیام تایید نمایش داده می‌شود و حلقه پایان می‌یابد.

مثال : تأیید سن کاربر

در این مثال، از کاربر خواسته می‌شود تا سن خود را وارد کند. تا زمانی که ورودی معتبر نباشد، حلقه ادامه می‌یابد و از کاربر خواسته می‌شود مجدداً تلاش کند.

while True:
    age = input("لطفا سن خود را وارد کنید: ")
    
    if not age.isdigit() or int(age) <= 0:
        print("ورودی نامعتبر است. لطفا دوباره تلاش کنید.")
        continue
    
    print(f"سن شما {age} سال است.")
    break

در این مثال:
1. از کاربر خواسته می‌شود تا سن خود را وارد کند.
2. اگر ورودی معتبر نباشد (یعنی عدد نباشد یا عدد صحیح مثبت نباشد)، پیام خطا نمایش داده می‌شود و حلقه مجدداً شروع می‌شود.
3. اگر ورودی معتبر باشد، پیام تایید نمایش داده می‌شود و حلقه پایان می‌یابد.

این روش به شما کمک می‌کند تا ورودی‌های کاربران را بررسی کنید و مطمئن شوید که ورودی‌ها معتبر هستند. این کار برای جلوگیری از خطاها و بهبود تجربه کاربری بسیار مفید است. 💡

[Chanel in me]

#پایتون #برنامه‌نویسی #ترفند #ورودی #تایید_ورودی

آموزش الگوریتم معکوس‌سازی یک رشته به صورت درجا در پایتون 🔄

این الگوریتم به شما امکان می‌دهد یک رشته را به صورت درجا (بدون استفاده از فضای اضافی) در پایتون معکوس کنید.

مراحل الگوریتم:

1. تبدیل رشته به لیست: ابتدا رشته را به یک لیست از کاراکترها تبدیل می‌کنیم تا بتوانیم به طور مستقیم روی عناصر آن عملیات جابجایی انجام دهیم.

2. استفاده از دو اندیس (شروع و انتها): از دو اندیس به نام‌های start و end استفاده می‌کنیم که ابتدا به ابتدای و انتهای لیست اشاره می‌کنند.

3. جابجایی عناصر: با استفاده از یک حلقه while، عناصر لیست را به صورت درجا معکوس می‌کنیم. در هر مرحله، عنصر ابتدایی با عنصر انتهایی جابجا می‌شوند و اندیس‌ها به سمت مرکز حرکت می‌کنند.

4. تبدیل لیست به رشته: در نهایت، لیست کاراکترها را دوباره به یک رشته تبدیل می‌کنیم و رشته معکوس‌شده را به عنوان خروجی برمی‌گردانیم.

کد در پایتون:

def reverse_string_in_place(s):
    """
    تابعی برای معکوس‌سازی یک رشته به صورت درجا در پایتون.
    
    ورودی:
    s (str): رشته اصلی که می‌خواهیم معکوس کنیم.
    
    خروجی:
    str: رشته معکوس‌شده.
    """
    # تبدیل رشته به لیست
    str_list = list(s)
    
    # اندیس‌های ابتدا و انتها
    start = 0
    end = len(str_list) - 1
    
    # جابجایی عناصر لیست
    while start < end:
        # جابجایی عناصر
        str_list[start], str_list[end] = str_list[end], str_list[start]
        
        # حرکت به سمت داخل
        start += 1
        end -= 1
    
    # تبدیل لیست به رشته
    reversed_string = ''.join(str_list)
    return reversed_string

# نمونه استفاده:
original_string = "Hello, World!"
reversed_string = reverse_string_in_place(original_string)
print(f"رشته اصلی: {original_string}")
print(f"رشته معکوس شده: {reversed_string}")

توضیحات:

- تابع reverse_string_in_place: این تابع یک رشته را به صورت درجا معکوس می‌کند و رشته معکوس‌شده را به عنوان خروجی باز می‌گرداند.
- تبدیل رشته به لیست: با استفاده از list(s)، رشته را به یک لیست از کاراکترها تبدیل می‌کنیم.
- حلقه while: در این حلقه، اندیس‌های start و end به سمت همدیگر حرکت می‌کنند و عناصر را جابجا می‌کنند تا رشته را معکوس کنند.
- تبدیل لیست به رشته: با استفاده از ''.join(str_list)، لیست کاراکترها را به یک رشته تبدیل می‌کنیم.

این الگوریتم از کارایی خوبی برخوردار است و به شما امکان می‌دهد تا رشته‌ها را به صورت درجا و بدون استفاده از فضای اضافی معکوس کنید.

(اموزشهای بیشتر توی کانال ما)

#پایتون #برنامه‌نویسی #الگوریتم #رشته #معکوس_سازی

📚 آموزش ران کردن سورس پایتون

سلام دوستان! 👋 امروز می‌خوام بهتون آموزش بدم که چطور می‌تونید یک سورس پایتون رو به راحتی ران کنید. 💻🐍 این آموزش برای همه‌ی سطح‌ها مناسبه، پس نگران نباشید و با ما همراه باشید! 🥳

1. نصب پایتون
اولین قدم اینه که پایتون رو روی سیستم‌تون نصب کنید. 📥 برای این کار به [سایت رسمی پایتون] برید و نسخه مناسب سیستم‌عامل‌تون رو دانلود و نصب کنید.

2. ویرایشگر کد
برای نوشتن و اجرای کدهای پایتون به یک ویرایشگر کد نیاز دارید. پیشنهاد ما استفاده از یکی از موارد زیر هست:
- VS Code 🌟
- PyCharm 💼
- Sublime Text ✨

هر کدوم از این ویرایشگرها قابلیت‌های خوبی برای کدنویسی دارند. نصب یکی از اینها رو پیشنهاد می‌کنم.

3. اجرای سورس پایتون
بعد از نصب پایتون و ویرایشگر کد، حالا وقتشه که کدتون رو اجرا کنید. 🚀

روش اول: از طریق ترمینال
1. ترمینال یا CMD رو باز کنید.
2. به دایرکتوری که فایل پایتون شما قرار داره برید. با استفاده از دستور cd می‌تونید مسیر رو تغییر بدید.
3. دستور زیر رو تایپ کنید:

python filename.py

به جای filename.py نام فایل پایتون خودتون رو بنویسید.

روش دوم: از طریق ویرایشگر کد
- در VS Code یا PyCharm، فایل پایتون خودتون رو باز کنید و روی دکمه‌ی Run (یا دکمه‌ی مشابه) کلیک کنید. 📂➡️🏃‍♂️

4. رفع مشکلات
اگر هنگام اجرای کد با خطا مواجه شدید، نگران نباشید! 🙌 چند نکته:
- مطمئن بشید که پایتون به درستی نصب شده.
- از درست بودن مسیر فایل مطمئن بشید.
- خطاهای موجود در کد رو با دقت بررسی و اصلاح کنید.

پایان
تبریک می‌گم! 🎉 شما موفق شدید یک سورس پایتون رو اجرا کنید. اگه سوالی دارید یا به کمک نیاز دارید، حتما توی کامنت‌ها بپرسید. 😊

[این کانال ماست]

این بود آموزش امروز! امیدوارم که مفید بوده باشه. 🌟 حتما این آموزش رو با دوستانتون به اشتراک بزارید تا اونها هم بتونن ازش استفاده کنن. 📢

#Python #Programming #Learning #Coding #VSCode #PyCharm #SublimeText #Terminal #Debugging #ErrorHandling

📚 آموزش ریکاوری فایل‌ها با پایتون

سلام دوستان! 👋 امروز می‌خوام بهتون آموزش بدم که چطور می‌تونید با استفاده از پایتون، فایل‌های حذف شده رو ریکاوری کنید. 💻🗂️ این آموزش خیلی کاربردیه، پس با ما همراه باشید! 🥳

1. نصب کتابخانه‌های مورد نیاز
برای شروع نیاز داریم کتابخانه os و shutil رو که به طور پیش‌فرض با پایتون نصب هستند، استفاده کنیم. اما برای کار با فایل‌های سیستمی و بازیابی آن‌ها نیاز داریم که کتابخانه send2trash رو نصب کنیم:

pip install send2trash

2. وارد کردن کتابخانه‌ها
در این بخش کتابخانه‌های مورد نیاز رو وارد می‌کنیم:

import os
import shutil
from send2trash import send2trash

3. جابجایی فایل‌ها به سطل زباله
برای جلوگیری از حذف دائمی فایل‌ها، می‌تونیم از کتابخانه send2trash استفاده کنیم که فایل‌ها رو به سطل زباله منتقل می‌کنه:

file_path = "مسیر فایل شما"
send2trash(file_path)

4. ریکاوری فایل‌ها از سطل زباله
برای ریکاوری فایل‌ها از سطل زباله، نیاز داریم تا از نرم‌افزارهای ریکاوری مانند Recuva استفاده کنیم، زیرا پایتون به طور مستقیم به سطل زباله دسترسی نداره. اما می‌تونیم از پایتون برای بازیابی فایل‌های حذف شده از یک دایرکتوری خاص استفاده کنیم.

مثال: بازیابی فایل‌های حذف شده از یک دایرکتوری خاص

def recover_files(deleted_files_directory, recovery_directory):
    if not os.path.exists(recovery_directory):
        os.makedirs(recovery_directory)
    
    for root, dirs, files in os.walk(deleted_files_directory):
        for file in files:
            file_path = os.path.join(root, file)
            shutil.move(file_path, recovery_directory)
            print(f"فایل {file} بازیابی شد.")

deleted_files_directory = "مسیر دایرکتوری فایل‌های حذف شده"
recovery_directory = "مسیر دایرکتوری بازیابی فایل‌ها"

recover_files(deleted_files_directory, recovery_directory)

5. اجرای برنامه
برنامه رو اجرا کنید تا فایل‌های حذف شده به دایرکتوری بازیابی منتقل بشن:

recover_files(deleted_files_directory, recovery_directory)

پایان
تبریک می‌گم! 🎉 شما موفق شدید فایل‌های حذف شده رو ریکاوری کنید. اگه سوالی دارید یا به کمک نیاز دارید، حتما توی کامنت‌ها بپرسید. 😊

[برای اموزش های بیشتر بع کانال ما سربزنید]

این بود آموزش امروز! امیدوارم که مفید بوده باشه. 🌟 حتما این آموزش رو با دوستانتون به اشتراک بزارید تا اونها هم بتونن ازش استفاده کنن. 📢

#Python #Programming #Recovery #Files #Coding #Learnin

اینا به کارتون میاد اصلا 🧐

آموزش درخت قرمز-سیاه با پایتون 🌳🐍

در این آموزش، نحوه پیاده‌سازی درخت قرمز-سیاه (Red-Black Tree) را در پایتون به شما آموزش می‌دهیم. 😊

درخت قرمز-سیاه چیست؟ 🤔

درخت قرمز-سیاه یک درخت جستجوی دودویی است که به دلیل ویژگی‌های خاص خود، همواره متعادل باقی می‌ماند. این ویژگی‌ها عبارتند از:
1. هر گره یا قرمز است یا سیاه.
2. ریشه درخت همیشه سیاه است.
3. تمام برگ‌های نهایی (NIL) سیاه هستند.
4. هر گره قرمز باید دو فرزند سیاه داشته باشد.
5. هر مسیری از ریشه به یک برگ نهایی، تعداد یکسانی گره سیاه دارد.

پیاده‌سازی در پایتون 🐍

مرحله 1: تعریف ساختارهای داده

ابتدا ساختارهای داده‌ای برای یک گره درخت قرمز-سیاه و کلاس درخت را تعریف می‌کنیم.

class Node:
    def __init__(self, key, color='red'):
        self.key = key
        self.color = color
        self.left = self.right = self.parent = None

class RedBlackTree:
    def __init__(self):
        self.TNULL = Node(0, 'black')
        self.root = self.TNULL

    def left_rotate(self, x):
        y = x.right
        x.right = y.left
        if y.left != self.TNULL:
            y.left.parent = x
        y.parent = x.parent
        if x.parent is None:
            self.root = y
        elif x == x.parent.left:
            x.parent.left = y
        else:
            x.parent.right = y
        y.left = x
        x.parent = y

    def right_rotate(self, x):
        y = x.left
        x.left = y.right
        if y.right != self.TNULL:
            y.right.parent = x
        y.parent = x.parent
        if x.parent is None:
            self.root = y
        elif x == x.parent.right:
            x.parent.right = y
        else:
            x.parent.left = y
        y.right = x
        x.parent = y

    def insert_fix(self, k):
        while k.parent.color == 'red':
            if k.parent == k.parent.parent.right:
                u = k.parent.parent.left
                if u.color == 'red':
                    u.color = 'black'
                    k.parent.color = 'black'
                    k.parent.parent.color = 'red'
                    k = k.parent.parent
                else:
                    if k == k.parent.left:
                        k = k.parent
                        self.right_rotate(k)
                    k.parent.color = 'black'
                    k.parent.parent.color = 'red'
                    self.left_rotate(k.parent.parent)
            else:
                u = k.parent.parent.right

                if u.color == 'red':
                    u.color = 'black'
                    k.parent.color = 'black'
                    k.parent.parent.color = 'red'
                    k = k.parent.parent
                else:
                    if k == k.parent.right:
                        k = k.parent
                        self.left_rotate(k)
                    k.parent.color = 'black'
                    k.parent.parent.color = 'red'
                    self.right_rotate(k.parent.parent)
            if k == self.root:
                break
        self.root.color = 'black'

    def insert(self, key):
        node = Node(key)
        node.left = self.TNULL
        node.right = self.TNULL
        parent = None
        current = self.root

        while current != self.TNULL:
            parent = current
            if node.key < current.key:
                current = current.left
            else:
                current = current.right

        node.parent = parent
        if parent is None:
            self.root = node
        elif node.key < parent.key:
            parent.left = node
        else:
            parent.right = node

        if node.parent is None:
            node.color = 'black'
            return

        if node.parent.parent is None:
            return

        self.insert_fix(node)

    def inorder_helper(self, node):
        if node != self.TNULL:
            self.inorder_helper(node.left)
            print(node.key, end=" ")
            self.inorder_helper(node.right)

    def print_tree(self):
        self.inorder_helper(self.root)
        print()

مرحله 2: استفاده از درخت قرمز-سیاه

در اینجا یک مثال ساده از استفاده از درخت قرمز-سیاه را نشان می‌دهیم:

if __name__ == "__main__":
    bst = RedBlackTree()

    # درج چند کلید در درخت
    bst.insert(55)
    bst.insert(40)
    bst.insert(65)
    bst.insert(60)
    bst.insert(75)
    bst.insert(57)

    # چاپ درخت
    bst.print_tree()

در این مثال، تعدادی کلید به درخت قرمز-سیاه اضافه می‌کنیم و سپس آن را به صورت ترتیب‌دار چاپ می‌کنیم. 🌟

[برای یاد گرفتن الگوریتم های بیشتر کانال مارو دنبال کنید]

#برنامه‌نویسی #پایتون #الگوریتم #داده‌ساختار #درخت_قرمز_سیاه #آموزش #کدنویسی #Python #RedBlackTree #Coding #DataStructures #Algorithms

توضیحات کامل درباره الگوریتم درخت قرمز-سیاه 🌳🔍

مقدمه

درخت قرمز-سیاه (Red-Black Tree) یک نوع درخت جستجوی دودویی است که به منظور حفظ تعادل درخت در زمان درج و حذف گره‌ها به کار می‌رود. این تعادل باعث می‌شود که عملیات جستجو، درج و حذف به صورت کارآمد و با پیچیدگی زمانی O(log n) انجام شود. در این متن، به توضیح دقیق‌تر و جزئیات بیشتری درباره این الگوریتم می‌پردازیم. 😊

ویژگی‌های درخت قرمز-سیاه

درخت قرمز-سیاه دارای ویژگی‌های زیر است:

1. هر گره یا قرمز است یا سیاه: این ویژگی باعث ساده‌تر شدن تشخیص و اصلاح نقض‌های احتمالی قوانین درخت می‌شود.
2. ریشه درخت همیشه سیاه است: این ویژگی تضمین می‌کند که مسیرهای از ریشه به برگ‌ها همیشه دارای حداقل یک گره سیاه هستند.
3. تمام برگ‌های نهایی (NIL) سیاه هستند: برگ‌های نهایی اشاره‌گرهایی هستند که به گره‌های واقعی متصل نیستند و به عنوان نگهبان عمل می‌کنند.
4. هر گره قرمز دو فرزند سیاه دارد: این ویژگی از وجود دو گره قرمز پشت سر هم جلوگیری می‌کند و به تعادل درخت کمک می‌کند.
5. هر مسیری از ریشه به یک برگ نهایی تعداد یکسانی گره سیاه دارد: این ویژگی تضمین می‌کند که مسیرها از لحاظ ارتفاع سیاه متعادل هستند.

عملیات اصلی در درخت قرمز-سیاه

1. درج (Insertion): هنگام درج یک گره جدید، ابتدا گره را به عنوان یک گره قرمز درج می‌کنیم. سپس، با بررسی و اصلاح نقض‌های احتمالی، تعادل درخت را حفظ می‌کنیم.
2. حذف (Deletion): حذف یک گره نیز ممکن است باعث نقض قوانین درخت شود. در این صورت، با استفاده از چرخش‌ها و تغییر رنگ‌ها، درخت را به حالت متعادل برمی‌گردانیم.
3. چرخش‌ها (Rotations): دو نوع چرخش در درخت قرمز-سیاه وجود دارد: چرخش به چپ و چرخش به راست. این چرخش‌ها برای اصلاح ساختار درخت و حفظ تعادل به کار می‌روند.

چرخش به چپ و راست

چرخش به چپ

چرخش به چپ یک عملیات است که یک گره را به سمت چپ و فرزند راست آن را به جای آن قرار می‌دهد. این عملیات برای جابجایی گره‌ها و اصلاح نقض‌های احتمالی به کار می‌رود.

def left_rotate(self, x):
    y = x.right
    x.right = y.left
    if y.left != self.TNULL:
        y.left.parent = x
    y.parent = x.parent
    if x.parent is None:
        self.root = y
    elif x == x.parent.left:
        x.parent.left = y
    else:
        x.parent.right = y
    y.left = x
    x.parent = y

چرخش به راست

چرخش به راست به صورت معکوس چرخش به چپ عمل می‌کند و گره را به سمت راست و فرزند چپ آن را به جای آن قرار می‌دهد.

def right_rotate(self, x):
    y = x.left
    x.left = y.right
    if y.right != self.TNULL:
        y.right.parent = x
    y.parent = x.parent
    if x.parent is None:
        self.root = y
    elif x == x.parent.right:
        x.parent.right = y
    else:
        x.parent.left = y
    y.right = x
    x.parent = y

مزایای استفاده از درخت قرمز-سیاه

1. زمان جستجوی بهینه: به دلیل تعادل درخت، زمان جستجو در درخت قرمز-سیاه به O(log n) محدود می‌شود.
2. درج و حذف کارآمد: عملیات درج و حذف در درخت قرمز-سیاه نیز با پیچیدگی زمانی O(log n) انجام می‌شود.
3. پیاده‌سازی آسان‌تر نسبت به سایر درخت‌های متعادل: الگوریتم درخت قرمز-سیاه نسبت به برخی از درخت‌های متعادل دیگر مانند درخت AVL، ساده‌تر پیاده‌سازی می‌شود.

نتیجه‌گیری

درخت قرمز-سیاه یک ابزار قدرتمند برای مدیریت داده‌ها و حفظ تعادل در عملیات‌های جستجو، درج و حذف است. این الگوریتم با ویژگی‌های خاص خود، عملکرد بهینه و پیاده‌سازی نسبتاً ساده‌ای دارد. امیدوارم این توضیحات به درک بهتر شما از درخت قرمز-سیاه کمک کرده باشد. 🌟

(https://t.iss.one/hamidpython123)

#برنامه‌نویسی #پایتون #داده‌ساختار #آموزش #درخت_قرمز_سیاه #الگوریتم #مهندسی_نرم_افزار #کدنویسی

💡 آموزش ایمپورت فایل‌ها در پایتون 📂🐍

در پایتون، می‌تونید انواع فایل‌ها رو به برنامه‌تون وارد کنید و از داده‌های اون‌ها استفاده کنید. این فرآیند به نام "ایمپورت" شناخته میشه. در اینجا چند روش برای ایمپورت فایل‌های مختلف رو به شما نشون میدم.

1. ایمپورت فایل‌های CSV 📊

   import pandas as pd

   data = pd.read_csv('filename.csv')
   print(data.head())
   

📌 توضیح: این روش برای خواندن و تحلیل داده‌های جدولی از فایل‌های CSV استفاده میشه.

2. ایمپورت فایل‌های JSON 📜

   import json

   with open('filename.json', 'r') as file:
       data = json.load(file)
   print(data)
   

📌 توضیح: این روش برای کار با داده‌های ساختاریافته به صورت کلید-مقدار در فایل‌های JSON کاربرد داره.

3. ایمپورت فایل‌های Excel 📑

   import pandas as pd

   data = pd.read_excel('filename.xlsx')
   print(data.head())
   

📌 توضیح: این روش برای خواندن و تحلیل داده‌ها از صفحات گسترده (spreadsheet) استفاده میشه.

4. ایمپورت فایل‌های متنی 📄

   with open('filename.txt', 'r') as file:
       content = file.read()
   print(content)
   

📌 توضیح: این روش برای خواندن محتویات فایل‌های متنی ساده به کار میره.

5. ایمپورت فایل‌های XML 📦

   import xml.etree.ElementTree as ET

   tree = ET.parse('filename.xml')
   root = tree.getroot()
   print(root.tag)
   for child in root:
       print(child.tag, child.attrib)
   

📌 توضیح: این روش برای پردازش و تحلیل داده‌های XML مناسبه.

امیدوارم این آموزش براتون مفید بوده باشه! 😊

[برای اموزشای بیشتر به کانال ما بپیوندید]

#پایتون #برنامه‌نویسی #آموزش #فایل_ها #ایمپورت #داده_کاوی #تحلیل_داده

💡 آموزش ساخت شتاب‌دهنده‌ی الگوریتم در پایتون 🚀🐍

این شتاب‌دهنده می‌تواند برای هر نوع الگوریتمی به کار برود و هدف اصلی آن بهینه‌سازی سرعت اجرای الگوریتم‌هاست. در اینجا چند تکنیک مهم بهینه‌سازی را به شما نشان می‌دهم.

1. استفاده از Cython برای افزایش سرعت اجرای کد ⚡️

Cython یک زبان برنامه‌نویسی است که ترکیبی از پایتون و C است و می‌تواند کد پایتون شما را به کد C کامپایل کند که سرعت اجرای آن را به طور چشم‌گیری افزایش می‌دهد.

مرحله 1: نصب Cython

pip install cython

مرحله 2: نوشتن کد با استفاده از Cython

# my_module.pyx
def my_function(int n):
    cdef int i  # تعریف متغیرهای نوع C
    cdef double result = 0  # تعریف متغیرهای نوع C
    for i in range(n):  # حلقه بهینه‌شده با استفاده از نوع‌های C
        result += i * i
    return result

مرحله 3: کامپایل کد Cython

cythonize -i my_module.pyx

2. استفاده از چندنخی (Multithreading) برای انجام همزمان چند کار 🧵

چندنخی به شما اجازه می‌دهد که چندین کار را به طور همزمان اجرا کنید. این تکنیک می‌تواند زمانی مفید باشد که کارهای شما به صورت I/O-bound هستند (مثلا خواندن و نوشتن فایل‌ها).

مثال:

import threading

def my_function():
    # کد الگوریتم شما که می‌خواهید به صورت همزمان اجرا شود
    print("Hello from thread!")

# ایجاد یک نخ جدید
thread = threading.Thread(target=my_function)

# شروع نخ
thread.start()

# منتظر شدن برای پایان نخ
thread.join()

print("Thread has finished execution")

3. استفاده از چندپردازشی (Multiprocessing) برای بهره‌برداری از چند هسته‌ی CPU 🧠

چندپردازشی به شما اجازه می‌دهد که از چندین هسته‌ی CPU برای اجرای کارهای محاسباتی سنگین استفاده کنید.

مثال:

import multiprocessing

def my_function():
    # کد الگوریتم شما که می‌خواهید به صورت چندپردازشی اجرا شود
    print("Hello from process!")

# ایجاد یک فرآیند جدید
process = multiprocessing.Process(target=my_function)

# شروع فرآیند
process.start()

# منتظر شدن برای پایان فرآیند
process.join()

print("Process has finished execution")

4. استفاده از کتابخانه‌های تخصصی برای بهینه‌سازی 🛠

کتابخانه‌های تخصصی مانند NumPy و Pandas برای عملیات ریاضی و داده‌کاوی بهینه‌سازی شده‌اند و می‌توانند کارایی کدهای شما را افزایش دهند.

مثال:

import numpy as np

def my_function():
    # ایجاد یک آرایه بزرگ
    arr = np.arange(1000000)
    # محاسبه مجموع مربع‌های عناصر آرایه با استفاده از عملیات برداری
    result = np.sum(arr * arr)
    return result

# فراخوانی تابع و چاپ نتیجه
print(my_function())

5. پروفایلینگ و بهینه‌سازی کد 📊

با استفاده از ابزارهای پروفایلینگ می‌توانید بخش‌های کند کد خود را شناسایی کرده و بهینه‌سازی کنید. یکی از ابزارهای معروف برای این کار cProfile است.

مثال:

import cProfile

def my_function():
    # کد الگوریتم شما که می‌خواهید پروفایل کنید
    total = 0
    for i in range(10000):
        total += i * i
    return total

# اجرای پروفایلینگ روی تابع
cProfile.run('my_function()')

امیدوارم این آموزش براتون مفید بوده باشه و بتونید از این تکنیک‌ها برای بهینه‌سازی الگوریتم‌های خودتون استفاده کنید! 😊

(اینم لینک کانال ما)

#پایتون #برنامه‌نویسی #آموزش #بهینه‌سازی #الگوریتم #چندنخی #چندپردازشی

💡 معرفی زبان‌های برنامه‌نویسی و نشانه‌گذاری برای طراحی و ساخت سایت با پایتون 🐍🌐

🛠️ زبان‌های برنامه‌نویسی و نشانه‌گذاری مورد نیاز:

1. HTML (HyperText Markup Language) 📄
HTML زبان نشانه‌گذاری اصلی برای ساختاردهی محتوای صفحات وب است. با استفاده از HTML می‌توانید عناصر مختلف مانند پاراگراف‌ها، تصاویر، پیوندها و فرم‌ها را در صفحات وب خود ایجاد کنید.

2. CSS (Cascading Style Sheets) 🎨
CSS زبان نشانه‌گذاری برای طراحی و استایل‌دهی به صفحات وب است. با استفاده از CSS می‌توانید ظاهر و چیدمان عناصر HTML را کنترل کنید.

3. JavaScript 💻
JavaScript زبان برنامه‌نویسی برای افزودن تعامل و پویا‌سازی به صفحات وب است. با استفاده از JavaScript می‌توانید رفتار عناصر HTML را کنترل کنید و عملیات مختلف را انجام دهید.

4. Python 🐍
پایتون یک زبان برنامه‌نویسی پرقدرت و چندمنظوره است که می‌تواند برای ساخت برنامه‌های سمت سرور وب سایت‌ها استفاده شود. فریمورک‌های پایتون مانند Django و Flask برای توسعه وب بسیار محبوب هستند.

5. SQL (Structured Query Language) 🗃️
SQL زبان برنامه‌نویسی برای مدیریت و پرس‌وجو از پایگاه‌های داده است. برای ذخیره و بازیابی داده‌های سایت از SQL استفاده می‌شود.

🌐 استفاده از فریمورک‌های پایتون برای ساخت سایت:

Django 📦
Django یک فریمورک سطح بالا و تمام‌عیار است که توسعه سریع و تمیز وب سایت‌ها را فراهم می‌کند. این فریمورک ابزارهای بسیاری برای مدیریت داده‌ها، کار با فرم‌ها، احراز هویت و غیره فراهم می‌کند.

Flask 🛠️
Flask یک فریمورک سبک و انعطاف‌پذیر برای توسعه وب است که برای پروژه‌های کوچک و متوسط مناسب است. Flask به شما اجازه می‌دهد تا به سادگی و با آزادی عمل بیشتری به طراحی و توسعه وب سایت بپردازید.

امیدوارم این معرفی برای شما مفید باشد! 😊

[لینک کانالمون]

#برنامه‌نویسی #طراحی_سایت #پایتون #HTML #CSS #JavaScript #Django #Flask #SQL

💡 معرفی کتابخانه SciPy برای محاسبات علمی در پایتون 🔬📊

SciPy چیست؟ 🤔
SciPy (Scientific Python) یک کتابخانه منبع باز پایتون است که ابزارهای پیشرفته‌ای برای محاسبات علمی و تکنیکی فراهم می‌کند. این کتابخانه بر پایه‌ی NumPy ساخته شده و شامل ماژول‌هایی برای بهینه‌سازی، انتگرال‌گیری، حل معادلات دیفرانسیل، پردازش سیگنال، و بسیاری دیگر است.

نصب SciPy 📥
برای نصب SciPy می‌توانید از pip استفاده کنید:

pip install scipy

قابلیت‌های کلیدی SciPy 🌟

1. بهینه‌سازی (Optimization) 🏆
SciPy شامل توابع مختلفی برای بهینه‌سازی و کمینه‌سازی توابع ریاضی است.

2. انتگرال‌گیری (Integration) ∫
این کتابخانه ابزارهای قدرتمندی برای انجام انتگرال‌گیری عددی فراهم می‌کند.

3. حل معادلات دیفرانسیل (Differential Equations) 🔄
SciPy قابلیت‌های حل معادلات دیفرانسیل معمولی (ODEs) و جزئی (PDEs) را دارد.

4. پردازش سیگنال (Signal Processing) 🎧
این کتابخانه ابزارهای مختلفی برای تحلیل و پردازش سیگنال‌ها ارائه می‌دهد.

5. آمار و احتمالات (Statistics) 📈
SciPy توابع متنوعی برای انجام تحلیل‌های آماری و محاسبات احتمالاتی فراهم می‌کند.

مثال‌های کاربردی با SciPy 📚

بهینه‌سازی یک تابع 🔍

توضیح: این مثال نشان می‌دهد که چگونه می‌توان با استفاده از تابع minimize در SciPy یک تابع ریاضی را بهینه‌سازی کرد. هدف ما پیدا کردن مقدار x است که تابع f(x) را کمینه کند.

import numpy as np
from scipy.optimize import minimize

# تعریف تابعی که می‌خواهیم کمینه کنیم
def f(x):
    return x**2 + 5*np.sin(x)

# اجرای بهینه‌سازی
result = minimize(f, x0=0)

print("مقدار بهینه:", result.x)
print("مقدار تابع در نقطه بهینه:", result.fun)

در این مثال، ابتدا تابع f(x) را تعریف می‌کنیم. سپس از تابع minimize برای پیدا کردن کمینه تابع استفاده می‌کنیم و نتیجه را نمایش می‌دهیم.

انتگرال‌گیری عددی ∫

توضیح: این مثال نحوه انجام انتگرال‌گیری عددی را با استفاده از تابع quad نشان می‌دهد. ما تابعی را تعریف می‌کنیم و انتگرال آن را در یک بازه مشخص محاسبه می‌کنیم.

from scipy.integrate import quad

# تعریف تابعی که می‌خواهیم انتگرال بگیریم
def f(x):
    return x**2

# محاسبه انتگرال از 0 تا 1
integral, error = quad(f, 0, 1)

print("مقدار انتگرال:", integral)
print("خطا:", error)

در این مثال، تابع f(x) را تعریف می‌کنیم که برابر با x^2 است. سپس از تابع quad برای محاسبه انتگرال تابع از 0 تا 1 استفاده می‌کنیم. نتیجه انتگرال و خطای محاسبه نمایش داده می‌شوند.

حل معادلات دیفرانسیل 🔄

توضیح: این مثال نحوه حل معادلات دیفرانسیل معمولی (ODE) را با استفاده از تابع odeint در SciPy نشان می‌دهد. ما یک معادله دیفرانسیل تعریف می‌کنیم و آن را در یک بازه زمانی مشخص حل می‌کنیم.

from scipy.integrate import odeint
import numpy as np
import matplotlib.pyplot as plt

# تعریف معادله دیفرانسیل
def model(y, t):
    dydt = -y + 1.0
    return dydt

# شرایط اولیه
y0 = 0

# بازه زمانی
t = np.linspace(0, 10, 100)

# حل معادله
y = odeint(model, y0, t)

# نمایش نتایج
plt.plot(t, y)
plt.xlabel('time')
plt.ylabel('y(t)')
plt.show()

در این مثال، ابتدا یک تابع model تعریف می‌کنیم که معادله دیفرانسیل را نشان می‌دهد. سپس شرایط اولیه y0 و بازه زمانی t را تعیین می‌کنیم. با استفاده از تابع odeint، معادله دیفرانسیل را حل می‌کنیم و نتایج را با استفاده از matplotlib نمایش می‌دهیم.

منابع یادگیری SciPy 📚
- مستندات رسمی SciPy: بهترین منبع برای شروع یادگیری و استفاده از SciPy.
- کتاب‌ها و دوره‌های آنلاین: بسیاری از کتاب‌ها و دوره‌های آنلاین موجود هستند که به شما کمک می‌کنند تا مهارت‌های خود را در استفاده از SciPy بهبود بخشید.

امیدوارم این معرفی برای شما مفید باشد! 😊

[برای اموزش های بیشتر اینجا کلیک کنید]

#برنامه‌نویسی #پایتون #SciPy #ریاضی #علم_داده #محاسبات_علمی #تحلیل_داده #تلگرام_آموزشی

💡 دوره‌های رایگان پایتون از جادی - شروع به یادگیری پایتون با بهترین منابع فارسی 🐍📚

چرا دوره‌های جادی؟ 🤔
جادی میرمیرانی یکی از معروف‌ترین مدرسین برنامه‌نویسی به زبان فارسی است که دوره‌های آموزشی بسیار مفید و جذابی در زمینه پایتون ارائه داده است. دوره‌های جادی به زبانی ساده و روان توضیح داده شده و برای مبتدیان و حتی کسانی که تجربه برنامه‌نویسی دارند، مناسب است.

دوره‌های رایگان پایتون جادی 🎓

1. آموزش پایتون مقدماتی 🎓
- این دوره به شما مبانی پایتون را آموزش می‌دهد، از جمله مباحثی مانند متغیرها، حلقه‌ها، شرط‌ها و توابع.
- [دوره مقدماتی پایتون جادی در یوتیوب]

2. پایتون برای داده‌کاوی 📊
- این دوره شما را با مفاهیم داده‌کاوی و استفاده از پایتون برای تحلیل داده‌ها آشنا می‌کند.
- [دوره پایتون برای داده‌کاوی جادی در یوتیوب]

3. پایتون و علم داده‌ها 📈
- در این دوره، مباحث پیشرفته‌تری مانند کتابخانه‌های pandas، NumPy و matplotlib برای تحلیل و بصری‌سازی داده‌ها پوشش داده می‌شود.
- [دوره پایتون و علم داده‌ها جادی در یوتیوب]

4. آموزش جنگو (Django) - فریم‌ورک وب پایتون 🌐
- این دوره به شما کمک می‌کند تا با استفاده از فریم‌ورک جنگو، وب‌سایت‌ها و برنامه‌های وب پیچیده‌ای بسازید.
- [دوره جنگو جادی در یوتیوب]

5. آموزش مقدماتی هوش مصنوعی با پایتون 🤖
- در این دوره، شما با مبانی هوش مصنوعی و یادگیری ماشین در پایتون آشنا می‌شوید.
- [دوره هوش مصنوعی جادی در یوتیوب]

منابع تکمیلی یادگیری پایتون 📚
- کتاب‌ها و مستندات پایتون: مطالعه کتاب‌های مرتبط با پایتون و استفاده از مستندات رسمی پایتون می‌تواند کمک بزرگی به شما در یادگیری بهتر و عمیق‌تر این زبان باشد.
- پروژه‌های عملی: انجام پروژه‌های عملی و کاربردی یکی از بهترین روش‌ها برای تقویت مهارت‌های برنامه‌نویسی شما است.

امیدوارم این منابع برای شما مفید باشد و به شما در یادگیری پایتون کمک کند! 😊

(کانال ما)

#برنامه‌نویسی #پایتون #آموزش_پایتون #جادی #یادگیری_آنلاین #تلگرام_آموزشی

📚 آموزش ساخت ماشین حساب بدون نیاز به دستورات شرطی در پایتون 🐍

سلام دوستان! امروز می‌خواهیم یک ماشین حساب ساده با زبان برنامه‌نویسی پایتون بسازیم که می‌تواند عملیات ریاضی پایه را بدون استفاده از شرط‌ها انجام دهد. 🎓📐

در این آموزش کوتاه، از کتابخانه operator استفاده خواهیم کرد. کد این ماشین حساب بسیار ساده و قابل فهم است و به راحتی می‌توانید آن را یاد بگیرید و استفاده کنید.

🌟 گام‌های ساخت ماشین حساب:

1. نصب پایتون: اگر هنوز پایتون را نصب نکرده‌اید، به سایت رسمی [Python]بروید و آخرین نسخه را دانلود و نصب کنید.

2. نوشتن کد: کد زیر را در ویرایشگر متنی خود کپی کنید. در این کد، از کاربر دو عدد و یک عملگر ریاضی گرفته می‌شود و نتیجه محاسبه نمایش داده می‌شود.

import operator

# تعریف دیکشنری عملگرها
action = {
    "+": operator.add,
    "-": operator.sub,
    "/": operator.truediv,
    "*": operator.mul,
    "**": pow
}

# دریافت ورودی‌ها از کاربر
x = int(input('number one:  '))
y = int(input('number two:  '))
z = input('enter operator:  ')

# نمایش نتیجه
print(action[z](x, y)) # نتیجه عملیات

📌 توضیحات کد:
- ابتدا کتابخانه operator را وارد می‌کنیم.
- دیکشنری action را تعریف می‌کنیم که عملگرها را به توابع مربوطه وصل می‌کند.
- از کاربر دو عدد (x و y) و یک عملگر (z) می‌گیریم.
- با استفاده از دیکشنری action و عملگر وارد شده، عملیات را انجام می‌دهیم و نتیجه را چاپ می‌کنیم.

🔢 نمونه اجرا:

number one:  5
number two:  4
enter operator:  *
20

با این روش ساده و سریع، می‌توانید یک ماشین حساب کاربردی در پایتون داشته باشید. 😃

[کانالمون]

#پایتون #آموزش_پایتون #برنامه_نویسی #ماشین_حساب #بدون_شرط #آموزش_ساده #کدنویسی #توسعه_نرم_افزار

😐نتم تموم شده دارم با ۱ ساعته واستون آموزش میزارم🤕 بد دردیه پولم ندارم برم دوباره وبخرم

📚 آموزش ساخت وب سرویس RESTful با FastAPI در پایتون 🐍

سلام دوستان ! امروز قصد داریم یک وب سرویس RESTful با استفاده از فریم‌ورک FastAPI در پایتون بسازیم. این فریم‌ورک به خاطر سرعت بالا و سادگی در استفاده، بسیار محبوب است. 🎓🚀

این آموزش شامل مراحل نصب و راه‌اندازی FastAPI، ایجاد مسیرهای (routes) مختلف و مدیریت خطاها است.

🌟 گام‌های ساخت وب سرویس RESTful:

1. نصب FastAPI و Uvicorn: ابتدا باید FastAPI و Uvicorn را نصب کنیم. Uvicorn یک سرور ASGI است که برای اجرای برنامه‌های FastAPI استفاده می‌شود.

    pip install fastapi uvicorn
    

2. نوشتن کد: کد زیر را در یک فایل به نام main.py کپی کنید. این کد یک وب سرویس ساده با مسیرهای مختلف ایجاد می‌کند.

    from fastapi import FastAPI, HTTPException
    from pydantic import BaseModel
    from typing import Optional

    app = FastAPI()

    # مدل داده
    class Item(BaseModel):
        name: str
        description: Optional[str] = None
        price: float
        tax: Optional[float] = None

    # مسیر برای صفحه اصلی
    @app.get("/")
    def read_root():
        return {"message": "Hello, FastAPI"}

    # مسیر برای خواندن آیتم‌ها
    @app.get("/items/{item_id}")
    def read_item(item_id: int, q: Optional[str] = None):
        if item_id > 1000:
            raise HTTPException(status_code=404, detail="Item not found")
        return {"item_id": item_id, "q": q}

    # مسیر برای ایجاد آیتم جدید
    @app.post("/items/")
    def create_item(item: Item):
        return {"name": item.name, "price": item.price, "tax": item.tax}

    # اجرای برنامه
    if __name__ == "__main__":
        import uvicorn
        uvicorn.run(app, host="127.0.0.1", port=8000)
    

📌 توضیحات:
- ابتدا کتابخانه‌های FastAPI، HTTPException و BaseModel را وارد می‌کنیم.
- یک نمونه از FastAPI به نام app ایجاد می‌کنیم.
- یک مدل داده به نام Item با استفاده از Pydantic تعریف می‌کنیم.
- مسیرهای مختلفی برای خواندن و ایجاد آیتم‌ها تعریف می‌کنیم.
- در نهایت، از Uvicorn برای اجرای برنامه استفاده می‌کنیم.

🔧 نکات:
- مدیریت خطاها: با استفاده از HTTPException می‌توانیم خطاهای مختلف را مدیریت کنیم و پیام‌های مناسب به کاربران برگردانیم.
- پشتیبانی از تایپ‌ها: FastAPI به طور خودکار از تایپ‌ها برای اعتبارسنجی داده‌ها و مستندسازی API استفاده می‌کند.
- مستندسازی خودکار: با رفتن به آدرس /docs در مرورگر، می‌توانید مستندات خودکار API را ببینید.

🚀 اجرای برنامه:

uvicorn main:app --reload

با این روش ساده و سریع، می‌توانید یک وب سرویس RESTful کاربردی با پایتون و FastAPI ایجاد کنید. 😃

[اینجا برلی اموزشای بیشتر کلیک کنید]

#پایتون #FastAPI #آموزش_پایتون #برنامه_نویسی #وب_سرویس #RESTful #آموزش_پیشرفته #توسعه_نرم_افزار

📚 آموزش برنامه‌های غیرهمزمان با Asyncio در پایتون ⚡

سلام دوستان ! امروز قصد داریم با کتابخانه Asyncio در پایتون، برنامه‌های غیرهمزمان بسازیم. Asyncio به ما اجازه می‌دهد تا برنامه‌های کارآمدتری بنویسیم که می‌توانند چندین وظیفه را به طور همزمان اجرا کنند. 🎓🔄

مراحل ساخت برنامه‌های غیرهمزمان:

1. Asyncio چیست؟
Asyncio یک کتابخانه برای نوشتن برنامه‌های همزمان و با کارایی بالا در پایتون است. با استفاده از async و await، می‌توانیم وظایف (tasks) را به طور همزمان اجرا کنیم بدون اینکه نیاز به چند نخی (multithreading) یا چند پردازشی (multiprocessing) داشته باشیم.

2. نصب Asyncio:
Asyncio به صورت پیشفرض در پایتون 3.4 به بعد موجود است و نیاز به نصب جداگانه ندارد.

3. نوشتن کد:

    import asyncio

    async def fetch_data(delay, name):
        print(f"Start fetching {name}")
        await asyncio.sleep(delay)
        print(f"Finished fetching {name}")

    async def main():
        task1 = asyncio.create_task(fetch_data(2, 'data1'))
        task2 = asyncio.create_task(fetch_data(3, 'data2'))
        task3 = asyncio.create_task(fetch_data(1, 'data3'))

        await task1
        await task2
        await task3

    asyncio.run(main())
    

توضیحات:
- تابع غیرهمزمان (async function): توابعی که با کلمه کلیدی async تعریف می‌شوند و می‌توانند با استفاده از await متوقف شده و بعداً از سر گرفته شوند. در اینجا، fetch_data یک تابع غیرهمزمان است که داده‌ها را با تأخیر مشخص شده شبیه‌سازی می‌کند.

    async def fetch_data(delay, name):
        print(f"Start fetching {name}")
        await asyncio.sleep(delay)
        print(f"Finished fetching {name}")
    

- ایجاد و اجرای وظایف (tasks): با استفاده از asyncio.create_task می‌توانیم وظایف را ایجاد کرده و آنها را به طور همزمان اجرا کنیم. در اینجا، سه وظیفه ایجاد می‌کنیم که به ترتیب با تأخیرهای 2، 3 و 1 ثانیه اجرا می‌شوند.

    async def main():
        task1 = asyncio.create_task(fetch_data(2, 'data1'))
        task2 = asyncio.create_task(fetch_data(3, 'data2'))
        task3 = asyncio.create_task(fetch_data(1, 'data3'))

        await task1
        await task2
        await task3
    

- اجرای برنامه: با استفاده از asyncio.run تابع اصلی main را اجرا می‌کنیم.

    asyncio.run(main())
    

نکات:

- استفاده از async و await: برای تعریف و اجرای توابع غیرهمزمان.
- مدیریت وظایف: استفاده از asyncio.create_task برای ایجاد و مدیریت وظایف مختلف.
- زمانبندی وظایف: با استفاده از asyncio.sleep می‌توانیم وظایف را به صورت زمانبندی شده اجرا کنیم.
- توجه به تداخل وظایف: از آنجایی که وظایف به صورت همزمان اجرا می‌شوند، باید به تداخل احتمالی بین وظایف توجه کنید و در صورت نیاز از مکانیزم‌های همزمانی (synchronization) استفاده کنید.

[این لینک کانالمونه]

#پایتون #آموزش_پایتون #برنامه_نویسی #برنامه_نویسی_غیرهمزمان #توسعه_نرم_افزار #Asyncio