💡 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

پارت ۲: اصول اولیه بک‌اند با پایتون

سلام دوستان عزیز! 👋

در این پارت از آموزش جامع بک‌اند با پایتون، به اصول اولیه برنامه‌نویسی بک‌اند می‌پردازیم. این مباحث شامل مدیریت داده‌ها، کار با دیتابیس‌ها و اصول طراحی API می‌شود. 🚀

مدیریت داده‌ها و کار با دیتابیس‌ها 🗄️
یکی از مهم‌ترین بخش‌های بک‌اند، مدیریت داده‌هاست. این شامل ذخیره‌سازی، بازیابی، به‌روزرسانی و حذف داده‌ها از دیتابیس‌ها می‌شود. دیتابیس‌ها به دو نوع اصلی تقسیم می‌شوند: SQL و NoSQL.

1. دیتابیس‌های SQL:
- SQL (Structured Query Language) یک زبان استاندارد برای مدیریت و دسترسی به دیتابیس‌های رابطه‌ای است. دیتابیس‌های معروف SQL شامل MySQL، PostgreSQL و SQLite هستند.
- مثال اتصال به SQLite:

     import sqlite3

     conn = sqlite3.connect('example.db')
     cursor = conn.cursor()

     cursor.execute('''CREATE TABLE users (id INTEGER PRIMARY KEY, name TEXT, age INTEGER)''')
     conn.commit()
     conn.close()
     

2. دیتابیس‌های NoSQL:
- دیتابیس‌های NoSQL برای مدیریت داده‌های بدون ساختار و مقیاس‌پذیری بالا طراحی شده‌اند. دیتابیس‌های معروف NoSQL شامل MongoDB، Cassandra و Redis هستند.
- مثال اتصال به MongoDB:

     from pymongo import MongoClient

     client = MongoClient('mongodb://localhost:27017/')
     db = client['example_db']
     collection = db['users']

     collection.insert_one({"name": "Ali", "age": 25})
     

اصول طراحی API 📡
API (Application Programming Interface) به برنامه‌ها اجازه می‌دهد با یکدیگر ارتباط برقرار کنند. APIها می‌توانند برای ارسال و دریافت داده‌ها بین سرور و کلاینت استفاده شوند.

1. RESTful API:
- REST (Representational State Transfer) یک سبک معماری برای طراحی APIهاست که از HTTP برای ارسال و دریافت داده‌ها استفاده می‌کند. عملیات اصلی در RESTful API شامل GET (دریافت داده‌ها)، POST (ایجاد داده‌ها)، PUT (به‌روزرسانی داده‌ها) و DELETE (حذف داده‌ها) است.
- مثال ایجاد یک RESTful API با Flask:

     from flask import Flask, jsonify, request

     app = Flask(__name__)

     @app.route('/users', methods=['GET'])
     def get_users():
         users = [{"name": "Ali", "age": 25}]
         return jsonify(users)

     @app.route('/users', methods=['POST'])
     def add_user():
         new_user = request.get_json()
         return jsonify(new_user), 201

     if __name__ == '__main__':
         app.run(debug=True)
     

ادامه مسیر 🚀
شما اکنون با اصول اولیه برنامه‌نویسی بک‌اند آشنا شده‌اید. در پارت بعدی، به جزئیات بیشتر در زمینه ایجاد و مدیریت APIها و کار با فریمورک‌های پیشرفته‌تر می‌پردازیم.

🔗 [لینک کانال تلگرام]

#پایتون #بک_اند #SQL #NoSQL #API

پارت 1: آموزش SQL با پایتون (پایه)

👨‍💻 SQL یا Structured Query Language زبان استانداردی برای کار با پایگاه‌های داده است که به ما اجازه می‌دهد داده‌ها را ایجاد، خواندن، بروزرسانی و حذف کنیم (CRUD operations). در این پارت، می‌خواهیم SQL را در پایتون به کمک کتابخانه sqlite3 یاد بگیریم. این کتابخانه برای کار با پایگاه داده‌های SQLite در پایتون بسیار مفید است و در اکثر سیستم‌ها به صورت پیش‌فرض نصب شده است.

1️⃣ شروع کار با sqlite3

برای شروع، باید ابتدا کتابخانه sqlite3 را وارد کنیم:

import sqlite3

بعد از وارد کردن کتابخانه، برای اتصال به یک پایگاه داده، از تابع connect() استفاده می‌کنیم:

# اتصال به پایگاه داده (اگر فایل پایگاه داده وجود نداشته باشد، ساخته می‌شود)
conn = sqlite3.connect('example.db')

# ایجاد یک cursor برای اجرای دستورات SQL
cursor = conn.cursor()

در کد بالا:
- example.db نام فایل پایگاه داده است.
- اگر فایل پایگاه داده با این نام وجود نداشته باشد، به صورت خودکار ایجاد خواهد شد.
- cursor یک شی است که می‌توان از آن برای اجرای دستورات SQL استفاده کرد.

2️⃣ ایجاد یک جدول جدید

برای ایجاد یک جدول در پایگاه داده، از دستور SQL CREATE TABLE استفاده می‌کنیم. فرض کنید می‌خواهیم یک جدول برای ذخیره اطلاعات کاربر مانند نام، سن و ایمیل ایجاد کنیم:

# ایجاد یک جدول جدید
cursor.execute('''CREATE TABLE IF NOT EXISTS users (
                    id INTEGER PRIMARY KEY AUTOINCREMENT,
                    name TEXT,
                    age INTEGER,
                    email TEXT)''')

# ذخیره تغییرات در پایگاه داده
conn.commit()

در این کد:
- IF NOT EXISTS به این معناست که اگر جدول قبلاً ایجاد شده باشد، دوباره ایجاد نمی‌شود.
- id یک ستون است که به عنوان کلید اصلی (Primary Key) برای هر رکورد استفاده می‌شود و به طور خودکار افزایش می‌یابد (AUTOINCREMENT).

3️⃣ وارد کردن داده‌ها در جدول

حالا که جدول خود را ایجاد کرده‌ایم، می‌توانیم داده‌ها را به آن وارد کنیم. از دستور SQL INSERT INTO استفاده می‌کنیم:

# وارد کردن داده‌ها در جدول
cursor.execute("INSERT INTO users (name, age, email) VALUES (?, ?, ?)", ('Ali', 25, '[email protected]'))

# ذخیره تغییرات
conn.commit()

در این کد:
- ?ها به عنوان جایگزین برای مقادیر استفاده می‌شوند و از تزریق SQL جلوگیری می‌کنند.
- مقادیر به صورت یک‌تایپ در لیست وارد می‌شوند.

4️⃣ خواندن داده‌ها از جدول

برای خواندن داده‌ها از جدول، از دستور SQL SELECT استفاده می‌کنیم:

# خواندن داده‌ها از جدول
cursor.execute("SELECT * FROM users")
rows = cursor.fetchall()

# نمایش داده‌ها
for row in rows:
    print(row)

در این کد:
- SELECT * FROM users تمام داده‌های جدول users را انتخاب می‌کند.
- fetchall() تمام نتایج را به صورت یک لیست از تاپل‌ها برمی‌گرداند.

5️⃣ بستن اتصال

پس از انجام تمام عملیات، بهتر است که اتصال به پایگاه داده را ببندیم:

# بستن اتصال به پایگاه داده
conn.close()

📚 خلاصه پارت 1:
- یاد گرفتیم که چطور به پایگاه داده متصل شویم.
- نحوه ایجاد یک جدول و وارد کردن داده‌ها را بررسی کردیم.
- چطور داده‌ها را از پایگاه داده بخوانیم.
- در نهایت اتصال به پایگاه داده را بستیم.

🔜 در پارت بعدی، به بررسی دستورات پیشرفته‌تر SQL و نحوه بروزرسانی و حذف داده‌ها خواهیم پرداخت.

#SQL #Python #SQLite #Database

پارت 2: آموزش SQL با پایتون (بروزرسانی و حذف داده‌ها)

👨‍💻 در پارت اول با نحوه ایجاد جدول، وارد کردن داده‌ها و خواندن داده‌ها از پایگاه داده آشنا شدیم. حالا در این پارت به بررسی دستورات بروزرسانی و حذف داده‌ها در پایگاه داده خواهیم پرداخت.

1️⃣ بروزرسانی داده‌ها (UPDATE)

اگر بخواهیم داده‌ای را که قبلاً وارد کرده‌ایم، تغییر دهیم، از دستور **UPDATE** استفاده می‌کنیم. مثلاً فرض کنید می‌خواهیم سن کاربری که نامش "Ali" است را تغییر دهیم.

# بروزرسانی داده‌ها
cursor.execute("UPDATE users SET age = ? WHERE name = ?", (30, 'Ali'))

# ذخیره تغییرات
conn.commit()

در این کد:
- SET age = ? به این معناست که مقدار سن تغییر می‌کند.
- WHERE name = ? مشخص می‌کند که فقط رکوردهایی که نام آن‌ها "Ali" است تغییر خواهند کرد.
- مانند قبل، برای جلوگیری از تزریق SQL از ? استفاده کرده‌ایم و مقادیر را به صورت پارامتر می‌فرستیم.

2️⃣ حذف داده‌ها (DELETE)

برای حذف داده‌ها از پایگاه داده، از دستور **DELETE** استفاده می‌کنیم. فرض کنید می‌خواهیم رکورد کاربری که نامش "Ali" است را حذف کنیم.

# حذف داده‌ها
cursor.execute("DELETE FROM users WHERE name = ?", ('Ali',))

# ذخیره تغییرات
conn.commit()

در این کد:
- DELETE FROM users تمام داده‌ها را از جدول users حذف می‌کند.
- WHERE name = ? به این معناست که فقط رکوردهایی که نام آن‌ها "Ali" است حذف می‌شوند.

⚠️ توجه داشته باشید که دستور DELETE بدون استفاده از WHERE، تمام رکوردها را حذف می‌کند. پس باید حتماً دقت کنید که از WHERE به درستی استفاده کنید تا فقط رکوردهای مورد نظر حذف شوند.

3️⃣ حذف تمام داده‌ها از جدول (Truncate)

اگر بخواهیم تمام داده‌ها را از یک جدول حذف کنیم، می‌توانیم اDELETEDELETE** استفاده کنیم بدون اینکه شرطی بگذاریم یا اDROP**DROP** برای حذف جدول استفاده کنیم.

# حذف تمام داده‌ها از جدول
cursor.execute("DELETE FROM users")

# ذخیره تغییرات
conn.commit()

یا برای حذف ساختار جدول و داده‌ها:

# حذف جدول از پایگاه داده
cursor.execute("DROP TABLE IF EXISTS users")

# ذخیره تغییرات
conn.commit()

در اینجا:
- DELETE FROM users تمام داده‌ها را از جدول حذف می‌کند، اما ساختار جدول باقی می‌ماند.
- DROP TABLE IF EXISTS users جدول users را به طور کامل حذف می‌کند، حتی اگر داده‌ها داخل آن باشند.

4️⃣ جستجوی داده‌ها با شرط‌های مختلف

برای جستجوی داده‌ها به صورت خاص‌تر، می‌توانیم اSELECTSELECT** با شرط‌های مختلWHERE*WHERE**، **LIKE**، و **ORDER BY** استفاده کنیم. به عنوان مثال، فرض کنید می‌خواهیم کاربران را بر اساس سن مرتب کنیم:

# جستجو و مرتب‌سازی داده‌ها
cursor.execute("SELECT * FROM users ORDER BY age DESC")
rows = cursor.fetchall()

# نمایش داده‌ها
for row in rows:
    print(row)

در این کد:
- ORDER BY age DESC داده‌ها را بر اساس سن به صورت نزولی مرتب می‌کند.
- برای مرتب‌سازی صعودی از ASC استفاده می‌شود که به طور پیش‌فرض است.

5️⃣ بستن اتصال

در نهایت، پس از انجام عملیات‌های مورد نظر، باید اتصال به پایگاه داده را ببندیم:

# بستن اتصال به پایگاه داده
conn.close()

📚 **خلاصه پارت 2**:
- در این پارت یاد گرفتیم که چگونه UPDATE با دستور **UPDATE** بروزرسانی کنیم.
- نحوه حذف DELETE با دستور **DELETE** بررسی کردیم.
- برای حذف تمام داده‌ها یا DELETEز دDROP*DELETE** و **DROP** استفاده کردیم.
- یاد گرفتیم که چگونه داده‌ها را جستجو کرده و مرتب کنیم.

🔜 در صورتی که بخواهید در مورد SQL بیشتر یاد بگیرید، می‌توانید به مستندات رسمی SQL یا آموزش‌های پیشرفته‌تر مراجعه کنید.

#SQL #Python #SQLite #Database