Бот-автоответчик с ChatGPT для Бизнес-аккаунта в Telegram на Aiogram 3
Автор: Иван Ашихмин

Не так давно в Telegram вышло большое обновление - "Telegram для бизнеса". В данный момент оно доступно для Premium-пользователей, а в будущем, вероятно, станет отдельным режимом.

"Telegram для бизнеса" предоставляет собой новый способ взаимодействия с клиентами через Telegram, вводя для этого новые функции:

- Адрес - Позволяет указать адрес и геопозицию в профиле.
- Часы работы - Позволяет указать график работы бизнеса.
- Быстрые ответы - Позволяет создать набор "шаблонных" ответов.
- Приветствия - Позволяет установить автоматическое приветствие для новых клиентов.
- "Нет на месте" - Позволяет отправлять автоматические ответы, в нерабочее время.
- Ссылки на чат - Позволяет кастомизировать ссылки на чат с вами.
- Вид нового чата - Позволяет кастомизировать вид чата для клиента, который открыл чат с вами, но ещё не написал сообщение.

- Чат-боты - Позволяет подключить к учётной записи бота для взаимодействия с клиентами в личных чатах.


Из всего этого набора нас интересует только два пункта: Чат-боты и Часы работы.


Что мы с вами сделаем?
В этом посте мы создадим Telegram-бота, который будет принимать личные сообщения только в нерабочее время и для ответа использовать ChatGPT от OpenAI.

Поскольку OpenAI недоступен на территории РФ, вместо него будем использовать сервис NeuroAPI. Он предоставляет доступ к OpenAI из России и СНГ по более низким ценам.


Как это можно использовать?
Описанный в посте бот можно будет использовать как частному лицу, сделав личного ассистента на время отсутствия в сети, так и бизнесу для взаимодействия с клиентами в нерабочее время.

Главная сложность будет заключаться в составлении грамотного "системного промта", покрывающего ваши потребности.


Подключение бота в профиле.
Для проекта вам нужен бот, как его создать рассказано в посте "AIOgram3 1.5. Регистрация бота"

После создания бота и получения токена, в интерфейсе BotFather, выполните команду /mybots для вывода списка всех ботов.
Выберите нужного бота.

Затем в открывшемся меню выберите пункт "Bot Settings".

В следующем меню выберите пункт "Business Mode".

Включите бизнес режим.

После того, как включили бизнес режим для бота, откройте настройки Telegram и выберите пункт "Telegram для бизнеса", а в нём пункт "Чат-боты".

В открывшемся окне в первое поле пропишите ссылку на бота t.iss.one/mybot или его имя @mybot.

Готово.


Подготовка проекта.
Создайте новый проект в удобной для вас IDE и активируйте виртуальное окружение.

Если вы пользуетесь PyCharm, то виртуальное окружение создаст IDE для нового проекта.
Если вы пользуетесь VSCode, то его придётся создать вручную, выполнив следующие команды:

python -m venv .venv

# для Windows
venv\Scripts\activate.ps1 или venv\Scripts\activate.bat

# для *NIX-систем
source venv/bin/activate

В проекте используются следующие библиотеки:

- aiogram - Фреймворк для бота.
- pydantic-settings - Библиотека для создания классов конфигураций.
- openai - Официальная библиотека OpenAI для Python.
- pytz - Библиотека для работы с часовыми поясами.
- httpx - Современная библиотека для создания синхронных/асинхронных запросов.
- redis - Библиотека для подключения к Redis.


Установите их, выполнив команду:

pip install -U aiogram pydantic-settings openai pytz httpx redis

Создайте файл requirements.txt и внесите в него установленные библиотеки:

aiogram3.6.0
pydantic-settings2.2.1
openai1.29.0
pytz2024.1
httpx0.27.0
redis5.0.4

Далее создайте файл .env для хранения переменных окружения.
Необходимы следующие переменные:

- token - Токен бота, полученный от BotFather.
- admin_id - Telegram-id администратора.
- openai_key - API-ключ полученный на сайте NeuroAPI или OpenAI.
- openai_base_url - Адрес прокси-сервера для OpenAI.
- redis_host - Хост для подключения к Redis. В нашем случае используется Docker compose, поэтому прописываем имя сервиса - redis.
- delay - Задержка между ответами в минутах. Об этом ниже.


Пример:

token=12345:abcd
admin_id=123456789
openai_key=sk-abcd
openai_base_url=https://lk.neuroapi.host/v1
redis_host=redis  
delay=10

Также создайте файл main.py и пакет (Python package) app.


Файл конфигурации.

В пакете app создайте файл settings.py.
В нём будем получать данные из .env-файла и определим инстанс бота и Redis.

Создайте класс Secrets, унаследованный от BaseSettings. Этот класс будет получать из .env-файла данные и преобразовывать их в Python-объекты. Для этого используется библиотека pydantic-settings.

В теле класса пропишите шесть полей с указанием типа данных:

token: str
admin_id: int
openai_key: str
openai_base_url: str
redis_host: str
delay: int

После полей, внутри класса напишите внутренний класс Config, в котором укажите из какого файла брать данные и его кодировку:

class Config:  
    env_file = ".env"  
    env_file_encoding = "utf-8"

Под классом создадим переменную secrets и объявим её экземпляром класса Secrets.

Далее создайте переменную redis_conn, это будет экземпляр класса Redis, в который передаём адрес хоста.
Будьте внимательны во время импорта класса! Нам нужен асинхронный Redis.

redis_conn = Redis(host=secrets.redis_host)

Последней будет переменная bot. Объявите её экземпляром класса Bot, передав в него токен и режим форматирования сообщений.

bot = Bot(token=secrets.token, parse_mode="Markdown")

Про parse_mode: Поскольку в ответе ChatGPT может находиться блок кода или другое форматирование, для корректного отображения его необходимо "распарсить". Передав параметр parse_mode="Markdown", мы сообщаем боту, что все сообщения будут с Markdown-форматированием.


Полный код файла:

from aiogram import Bot  
from pydantic_settings import BaseSettings  
from redis.asyncio import Redis  


class Secrets(BaseSettings):  
    token: str  
    admin_id: int  
    openai_key: str  
    openai_base_url: str
    redis_host: str  
    delay: int  

    class Config:  
        env_file = ".env"  
        env_file_encoding = "utf-8"  


secrets = Secrets()  

redis_conn = Redis(host=secrets.redis_host)  

bot = Bot(token=secrets.token, parse_mode="Markdown")

Хранилище строк.
Для хранения текстовых строк в одном месте в пакете app создайте файл views.py.


Этого можно и не делать. Кроме того, вариант с функциями можно заменить на получение текста из файла или иной способ.


Создайте три простые функции, которые ничего не принимают и возвращают текстровую строку:

- start_bot_message - Сообщение о запуске бота для администратора.
- stop_bot_message - Сообщение об остановке бота для администратора.
- system_prompt - Системный промт, описывающий поведение ChatGPT.



Код:

def start_bot_message():  
    return "Бот запущен"  


def stop_bot_message():  
    return "Бот остановлен"  


def system_prompt():  
    return """Ты бот помощник и ты должен помогать людям."""

Проверка рабочего времени.
В Telegram часы работы указываются по дням с понедельника по воскресенье. В коде же это выглядит как список объектов класса BusinessOpeningHoursInterval.

В объекте класса BusinessOpeningHoursInterval есть два поля: opening_minute и closing_minute, представленные в виде количества минут прошедших с 00:00 ближайшего понедельника, с учётом указанной временной зоны.

Необходимо получить текущее количество минут, прошедших с понедельника, и пройтись по списку, проверяя, входит ли текущее число в один из диапазонов.
Если входит, то бот будет игнорировать сообщения.
Если не входит, бот будет отвечать на сообщения.

В пакете app, создайте новый пакет utils. В этом пакете создайте файл opening_hours.py.

Создайте функцию check_opening_hours, принимающую opening_hours - объект класса BusinessOpeningHours.

Класс BusinessOpeningHours содержит два поля:

- time_zone_name - Название временной зоны. Определяется в профиле Telegram при заполнении графика работы.
- opening_hours - Упомянутый выше список с объектами класса BusinessOpeningHoursInterval.


Далее создайте четыре переменные:

- tz - В ней при помощи библиотеки pytz получаем информацию об указанной временной зоне.
- now - В ней получаем текущее время с учётом временной зоны.
- monday_start - В ней высчитываем время до начала понедельника.
- minutes_since_monday - В ней высчитываем сколько прошло минут с начала недели.

tz = pytz.timezone(opening_hours.time_zone_name)  
now = datetime.datetime.now(tz)  
monday_start = now - datetime.timedelta(  
    days=now.weekday(),  
    hours=now.hour,  
    minutes=now.minute,  
    seconds=now.second,  
    microseconds=now.microsecond,  
)  
minutes_since_monday = (now - monday_start).total_seconds() / 60

Далее создайте цикл, в котором будем итерироваться по списку интервалов и проверять, входит ли текущее время в этот список.

for day in opening_hours.opening_hours:  
    if day.opening_minute <= minutes_since_monday <= day.closing_minute:  
        return False  

return True

Полный код:

import datetime  

import pytz  
from aiogram.types import BusinessOpeningHours  


def check_opening_hours(opening_hours: BusinessOpeningHours):  
    tz = pytz.timezone(opening_hours.time_zone_name)  
    now = datetime.datetime.now(tz)  
    monday_start = now - datetime.timedelta(  
        days=now.weekday(),  
        hours=now.hour,  
        minutes=now.minute,  
        seconds=now.second,  
        microseconds=now.microsecond,  
    )  
    minutes_since_monday = (now - monday_start).total_seconds() / 60  

    for day in opening_hours.opening_hours:  
        if day.opening_minute <= minutes_since_monday <= day.closing_minute:  
            return False  

    return True

Проверка входящих сообщений.
При получении входящего сообщения необходимо проверить актуальный режим работы и либо передать сообщение дальше в обработчик, либо "сбросить" его, тем самым никак не реагируя.

Для этого будем использовать миддлвари (middleware) - это так называзываемые "посредники", срабатывающие до передачи сообщения в обработчик и в зависимости от логики выполняющие различные действия, например, запись в БД, проверку аутентификации и многое другое.

В пакете app создайте пакет middlewares. В нём создайте файл business_middleware.py.

В этом файле создайте класс BusinessMiddleware, унаследованный от BaseMiddleware.

В нём нам нужно переопределить dunder-метод __call__, принимающий self, handler, event, data.

Далее нам необходимо получить из текущего чата объект класса BusinessOpeningHours.


Лирическое отступление.
В актуальной на момент написания поста версии aiogram 3.6.0, заявлена полная поддержка Bot API 7.3. Если обратиться к объекту чата, то там будет параметр business_opening_hours, однако вместо желаемого объекта BusinessOpeningHours там находится None.

В этом посте мы применим небольшой "костыль", для решения этой проблемы.

Разработчикам aiogram был отправлен баг-репорт. Если в будущих версиях ситуация будет исправлена, пост будет обновлён.

Конец лирического отступления.
Для получения актуального графика работы мы обратимся к API Telegram.

Используя асинхронный менеджер контекста и библиотеку httpx, откройте асинхронный клиент для работы.

В переменную response получаем результат GET-запроса на сервер Telegram.

В переменной chat получаем JSON-объект из переменной response.

Затем в переменной full_chat создаём экземпляр класса ChatFullInfo, распаковав в него содержимое chat по ключу result. Таким образом мы преобразуем чистые JSON-данные в Python-объекты.

async with httpx.AsyncClient() as client:  
    response = await client.get(  
        f"https://api.telegram.org/bot{secrets.token}/getChat?chat_id={secrets.admin_id}"  
    )  
    chat = response.json()  
    full_chat = ChatFullInfo(**chat["result"])

Далее в блоке if вызываем ранее написанную функцию check_opening_hours, передав в неё full_chat.business_opening_hours.

Если возвращается True, мы продолжаем.

Внутри условия создаём переменную context, в которую присваиваем значение ключа event_context из переменной data.

Дальше ещё одно условие if, в котором проверяем, что сообщение содержит business_connection_id, т.е. является личным и что отправитель сообщения не админ, иначе бот будет реагировать и на ваши сообщения тоже.
Если условия соблюдаются, передаём сообщение дальше в обработчик.

if check_opening_hours(full_chat.business_opening_hours):  
    context: EventContext = data.get("event_context")  

    if (  
        context.user.id != secrets.admin_id  
        and context.business_connection_id  
    ):  
        return await handler(event, data)

Полный код файла:

from typing import Callable, Dict, Any, Awaitable  

import httpx  
from aiogram import BaseMiddleware  
from aiogram.dispatcher.middlewares.user_context import EventContext  
from aiogram.types import TelegramObject, ChatFullInfo  

from app.settings import secrets  
from app.utils.opening_hours import check_opening_hours  


class BusinessMiddleware(BaseMiddleware):  
    async def __call__(  
        self,  
        handler: CallableTelegramObject, Dict[str, Any, Awaitable[Any]],  
        event: TelegramObject,  
        data: Dict[str, Any],  
    ) -> Any:  
        async with httpx.AsyncClient() as client:  
            response = await client.get(  
                f"https://api.telegram.org/bot{secrets.token}/getChat?chat_id={secrets.admin_id}"  
            )  
            chat = response.json()  
            full_chat = ChatFullInfo(**chat["result"])  

            if check_opening_hours(full_chat.business_opening_hours):  
                context: EventContext = data.get("event_context")  

                if (  
                    context.user.id != secrets.admin_id  
                    and context.business_connection_id  
                ):  
                    return await handler(event, data)

Подключение ChatGPT.
В этой функции будем отправлять запрос к ChatGPT и возвращать полученный ответ.

В пакете utils, создайте файл openai_actions.py.

Создайте асинхронную функцию get_chat_completion, принимающую message - объект класса Message.

В переменной http_client определите объект класса httpx.AsyncClient. Это объект HTTP-клиента, используя который будет произведён запрос.

В переменной client определите объект класса AsyncOpenAI, передав в него аргументы: api_key, http_client и base_url. Это объект клиента для OpenAI.

http_client = httpx.AsyncClient(  
    limits=httpx.Limits(max_connections=100, max_keepalive_connections=20)  
)  
client = AsyncOpenAI(  
    api_key=secrets.openai_key,  
    http_client=http_client,  
    base_url=secrets.openai_base_url,  
)

Далее в переменной messages создайте список словарей, где первый словарь – это системный промт, а второй – сообщение от пользователя:

messages = [  
    {"role": "system", "content": system_prompt()},  
    {"role": "user", "content": message.text},  
]

В переменную response создайте запрос, передав в него:

- model - Выбранная модель ChatGPT, например, gpt-3.5-turbo, gpt-4-turbo, gpt-4o или любую другую поддерживаемую OpenAI.
- messages - Список словарей с сообщениями.
- max_tokens - Ограничение на максимальное количество токенов в ответе.
- temperature - Температура в диапазоне от 0 до 1. Определяет уровень "фантазии" бота. Чем ближе число к нулю, тем более предсказуемы будут ответы и наоборот, чем ближе к единице, тем более случайными будут ответы.


И возвращаем результат запроса в обработчик:

response = await client.chat.completions.create(  
    model="gpt-3.5-turbo", messages=messages, max_tokens=1000, temperature=0.8  
)  

return response.choices[0].message.content

Полный код:

import httpx  
from aiogram.types import Message  
from openai import AsyncOpenAI  

from app.settings import secrets  
from app.views import system_prompt  


async def get_chat_completion(message: Message):  
    http_client = httpx.AsyncClient(  
        limits=httpx.Limits(max_connections=100, max_keepalive_connections=20)  
    )  
    client = AsyncOpenAI(  
        api_key=secrets.openai_key,  
        http_client=http_client,  
        base_url=secrets.openai_base_url,  
    )  

    messages = [  
        {"role": "system", "content": system_prompt()},  
        {"role": "user", "content": message.text},  
    ]  

    response = await client.chat.completions.create(  
        model="gpt-3.5-turbo", messages=messages, max_tokens=1000, temperature=0.8  
    )  

    return response.choices[0].message.content

Задержка обработки сообщений.
Для того, чтобы пользователи не спамили и не использовали личные сообщения как "бесплатный GPT", добавим задержку в обработке сообщений.


В вашей реализации логики она может быть не нужна.


В пакете utils создайте файл check_delay.py, а в нём асинхронную функцию check_user_delay, принимающую user_id.

Тут-то нам и понадобится Redis для хранения пользовательских ID и времени последнего сообщения. Вы можете использовать для этого другую БД или вовсе словарь в коде, это не принципиально.

В переменную last_message_time получаем из Redis по user_id время последнего сообщения, если оно есть. Если его нет - вернётся None.

В блоке if проверяем, что last_message_time True (проще говоря, не None).
Внутри блока в переменную time_since_last_message получаем разницу между текущим временем и полученным из хранилища.
Ниже проверяем, если оно меньше указанной в .env допустимой задержки, то возвращаем False.

Во всех остальных случаях возвращаем True.


Полный код:

import asyncio  

from app.settings import redis_conn, secrets  


async def check_user_delay(user_id: int):  
    last_message_time = await redis_conn.get(f"users:{user_id}")  
    if last_message_time:  
        time_since_last_message = asyncio.get_event_loop().time() - float(  
            last_message_time  
        )  
        if time_since_last_message < secrets.delay * 60:  
            return False  
    return True

Обработчик бизнес сообщений.
Осталось написать обработчик, в который middleware будет передавать сообщение.

В пакете app создайте пакет handlers, а в нём файл business_handler.py.

В этом файле создайте асинхронную функцию handle_business_message, принимающую message - объект класса Message.

В самом начале создайте блок if, проверяющий задержку и наличие текста в сообщении (отправить могут картинку или видео, а это другая логика работы с ChatGPT).

Если условие не выполняется, то сообщение просто игнорируется.

Если условие выполнено, переходим к обработке.

В переменной answer вызываем функцию get_chat_completion, передав в неё message.

Затем отвечаем пользователю полученным сообщением.

Сохраняем в Redis время текущего сообщения.


Полный код:

import asyncio  

from aiogram.types import Message  

from app.settings import redis_conn  
from app.utils.check_delay import check_user_delay  
from app.utils.openai_actions import get_chat_completion  


async def handle_business_message(message: Message):  
    if await check_user_delay(message.from_user.id) and message.text:  
        answer = await get_chat_completion(message)  
        await message.reply(answer)  
        await redis_conn.set(  
            f"users:{message.from_user.id}", asyncio.get_event_loop().time()  
        )

Обработка уведомлений о запуске/остановке бота.
Небольшое, но удобное дополнение.

В пакете handlers создайте файл events.py.

В нём создайте две асинхронные функции: start_bot и stop_bot.

В функциях отправляем сообщение администратору.

from app.settings import bot, secrets  
from app import views  


async def start_bot():  
    await bot.send_message(secrets.admin_id, views.start_bot_message())  


async def stop_bot():  
    await bot.send_message(secrets.admin_id, views.stop_bot_message())

Основной файл.
Логику написали. Теперь осталось соединить всё вместе.

Откройте созданный ранее файл main.py. Он должен находиться в корне проекта рядом с файлом .env.

В нём создайте асинхронную функцию start.

В переменной dp объявите экземпляр класса Dispatcher.

Далее в несколько строк зарегистрируйте middleware и обработчики:

dp = Dispatcher()  

dp.update.middleware(BusinessMiddleware())  

dp.startup.register(start_bot)  
dp.shutdown.register(stop_bot)  

dp.business_message.register(handle_business_message)

Обратите внимание на dp.business_message.register. Регистрируется обработка business_message, а не обычного message.

Далее в блоке try вызывается очистка сообщений, отправленных, когда бот был офлайн, и запуск пуллинга, а в блоке finally выполняется остановка бота.

Вне функции в блоке if __name__ "__main__" запускаем функцию старт.


Полный код:

import asyncio  

from aiogram import Dispatcher  
from aiogram.methods import DeleteWebhook  

from app.handlers.business_handler import handle_business_message  
from app.handlers.events import start_bot, stop_bot  
from app.middlewares.business_middleware import BusinessMiddleware  
from app.settings import bot  


async def start():  
    dp = Dispatcher()  

    dp.update.middleware(BusinessMiddleware())  

    dp.startup.register(start_bot)  
    dp.shutdown.register(stop_bot)  

    dp.business_message.register(handle_business_message)  

    try:  
        await bot(DeleteWebhook(drop_pending_updates=True))  
        await dp.start_polling(bot)  
    finally:  
        await bot.session.close()  


if __name__  "__main__":  
    asyncio.run(start())

Запуск бота.
Для запуска бота и Redis будем использовать Docker compose.

Сперва необходимо создать образ с ботом, для этого создайте файл Dockerfile со следующим содержимым:

FROM python:3.11-slim  

WORKDIR /code  

COPY requirements.txt /code  

RUN pip install --upgrade pip && pip install -r requirements.txt  

COPY . /code  

CMD [ "python", "./main.py" ]

В нём создаётся Docker-образ, в котором устанавливаются все зависимости из файла requirements.txt. Затем копируются файлы проекта и выполняется команда запуска бота.

Затем создайте файл docker-compose.yaml со следующим содержимым:

services:  
  bot:  
    build: .  
    restart: always  
    env_file:  
      - .env  
    volumes:  
      - .:/code  

  redis:  
    image: redis  
    restart: always  
    volumes:  
      - ./redis_data:/data  

В нём описываются два сервиса:

Первый bot. Указываем, что необходимо создать образ из Dockerfile, передать в него .env-файл и подключить текущую папку внутри контейнера.

Второй redis. Указываем, что будет использоваться официальный образ redis последней версии, и подключаем папку redis_data внутри контейнера, чтобы не потерять данные.

Готово. 

Запустить бота можно командой:

docker compose up -d

Пост на сайте
Поддержать проект

#aiogram #redis #telegram #Telegram_для_Бизнеса #telegram_бот #Telegram_business_mode #openai #python #chatgpt #docker

Docker. Запуск бота-автоответчика по готовому образу
Автор: Иван Ашихмин

После публикации поста "Бот-автоответчик с ChatGPT для Бизнес-аккаунта в Telegram на Aiogram 3", появился запрос на готовый Docker-образ.

Не все захотят собирать бота по гайду. Некоторым нужна возможность "взять и запустить". Для этого был собран готовый образ бота.

Получить образ можно, выполнив следующую команду:

docker pull git.pressanybutton.ru/prodream/manager_bot:latest

Однако для бота всё равно необходим Redis и набор переменных окружения.


Запуск бота.

Для запуска бота и Redis, как и описано в посте, лучше использовать Docker compose. Создадим файл docker-compose.yaml со следующим содержимым:

services:  
  bot:  
    image: git.pressanybutton.ru/prodream/manager_bot:latest  
    restart: always  
    env_file:  
      - .env  
    volumes:  
      - .:/code  

  redis:  
    image: redis  
    restart: always  
    volumes:  
      - ./redis_data:/data

В отличие от композ-файла из поста в этом мы не собираем образ сами, а используем готовый.

Далее создадим файл .env в той же директории. Переменные окружения можно прописать и в композ-файле, но это может быть не очень удобно.

Пропишем в нём все необходимые данные:

token=adasfasfas # токен бота
admin_id=1234567 # id администратора
openai_key=sk-... # токен OpenAI или neuroapi
openai_base_url=https://neuroapi.host/v1 # Оставляем neuroapi, либо прописываем API OpenAI
redis_host=redis # оставляем без изменений, либо прописываем свой Redis хост
delay=10 # указываем необходимую задержку на ответ 
system_prompt=Ты бот помощник\nТвоя задача помогать людям # прописываем нужны системный промт используя \n для переноса строки

Затем выполняем команду для поднятия Docker compose сервиса:

docker compose up -d

Бот запустится и уведомит об этом.

Данный способ позволит запустить бота без необходимости написания кода. Это поможет новичкам или тем, кому достаточно указанного в посте функционала, воспользоваться ботом-автоответчиком для своих нужд.

Если же вам нужен исходный код к проекту, то он доступен подписчикам на Boosty



Пост на сайте
Поддержать проект

#aiogram #redis #telegram #Telegram_для_Бизнеса #telegram_бот #Telegram_business_mode #openai #python #chatgpt #docker #docker_compose #docker_image

Привет!

Добро пожаловать в вечер пятницы, который идеально подходит для просмотра увлекательного фильма! Надеюсь, что вы уже подготовили уютное место, закуску и напитки, чтобы насладиться прекрасным вечером. Погрузитесь в мир кино и позвольте себе расслабиться после долгой недели.

Фильм: Достать ножи

Год: 2019

Когда сразу после празднования 85-летия известного автора криминальных романов Харлана Тромби виновника торжества находят мёртвым, за расследование берётся обаятельный и дотошный частный детектив Бенуа Блан. Ему предстоит распутать тугую сеть уловок и корыстной лжи, которой его опутывают члены неблагополучной семьи Харлана и преданный ему персонал.

https://www.kinopoisk.ru/film/1188529/

https://www.sspoisk.ru/film/1188529/

Приятного просмотра и отличного отдыха!

Что выведет этот код? №23

Судя по ответам, вчерашняя задача разделила голосующих по вариантам, если не поровну, то хотя бы близко к этому. Давайте разберём верный ответ.

Код задачи:

x = 0.1
y = 0.10000000000000001
z = round(y, 1)

print(x is y, x == z, z == y, z is x)

Разбор задачи.
Задача похожа на некоторые, которые мы задавали ранее, но в этой есть хитрость (в прочем, как и в других).

Разборы прошлых похожих задач:
№15 - https://t.iss.one/press_any_button/591
№17 - https://t.iss.one/press_any_button/613

Вся суть в значении переменных x и y.
Казалось бы, значение x = 0.1 и y = 0.10000000000000001 - разные числа, следовательно и храниться должны в разных ячейках памяти, но нет.
Всё дело в работе Python с float-числами (числа с плавающей запятой, вещественные числа).
Для питона 0.00...001 - погрешность, которую он предпочитает игнорировать, в следствии чего, значение y считает как 0.1 и даёт ссылку на тот же участок памяти, что и x.

Именно по этому x is y = True, как и z == y = True .

Что касается последнего z is x, то тут именно то, что и должно быть. После применения функции round(), число помещается в новую ячейку памяти.

Всё это можно проверить, выведя значение функции id() по отношению к переменной:

x = 0.1  
y = 0.10000000000000001  
z = round(y, 1)  
  
print(x is y, x == z, z == y, z is x)
print(x, y, z)
print(id(x), id(y), id(z))

>>> True True True False
>>> 0.1 0.1 0.1
>>> 2078346127888 2078346127888 2078346131408

Всем привет!

Близится лето и с каждым днём всё больше становится конференций, митапов и прочих мероприятий IT-мира.

Об одном из них я хотел бы рассказать вам - Yandex Pytup.

Где: Нижний Новгород и Онлайн
Когда: 01.06.2024
Страница регистрации: https://yandex.ru/pytup

Конференция по Python от Яндекс. На мероприятии будет несколько интересных докладов, например, создание RAG-приложений, про GIL и другие.

Я уже записался в онлайн, будет очень интересно посмотреть и послушать.

Хотел бы рассказывать о подобных мероприятиях, если вам будет интересно - пишите в комментарии!

P.S. Это не реклама ( нам не заплатили🙁 )

Приветствую!

В длинных постах можно запутаться поэтому, собираю воедино всё, что есть на данный момент.


Оглавления:
Для удобства навигации есть посты с оглавлениями по темам:

"Сайт на Django"
"Telegram-бот на AIOgram3"
"Применение Docker"
"Полезные инструменты"
"Путь в IT."
"Код в мешке"
"Boosty эксклюзив"


Ресурсы канала:

Уютный и немного безумный чат канала.
Бот с материалами к постам
Сайт со всеми постами
Канал в Dzen
Сообщество в VK


Поддержка.

Если вам нравится канал и выходящий материал, поделитесь ссылкой с людьми, кому это тоже может быть интересно.

Также поддержать канал можно:
Подпиской или донатом на Boosty.
Донатом в нашем Telegram-боте.

Или внеся сайт в исключения вашего блокировщика рекламы.

Первый фриланс проект - школа паралимпийского резерва
Автор: Иван Ашихмин

Всем привет!

Вчера закончилась работа по проекту для Хабаровской краевой спортивно-адаптивной школы паралимпийского и сурдлимпийского резерва. Проект длился почти год - с июня 2023 г. по конец мая 2024 г.
Задача заключалась в создании новостного сайта школы для замены устаревшего. 
О том, почему так долго и как всё проходило расскажу в этом посте.

Сайт школы: https://kski.ru
Старый сайт школы: https://old.kski.ru


С чего всё началось?

Шёл 2023-й год, я ещё учился в GeekBrains, только начал думать о канале в Telegram. В один из дней, в разговоре с одногруппником Юрием, он сообщает, что, возможно, будет заказ на новый сайт для школы. Начали обсуждать на чём его можно сделать и дошли до разработки с нуля на Django. К слову, Django я в то время знал весьма посредственно, хотя мой дипломный проект уже был готов, а у Юры другой стек, он больше по ботам в Telegram, автоматизации, парсерам и сайтам на CMS-движках.

Несколько дней спустя он мне написал с предложением заняться проектом вместе. Честно сказать, я сперва подумал, что это шутка, т.к. знал и умел тогда не-то, чтобы много. Ещё учиться и учиться, а тут, бац, "давай делать проект!". Да ещё и денег заплатят! Не то, что бы много, конечно, но "дарёному коню в зубы не смотрят". Это была возможность. Та самая возможность получить практический опыт, а не все те лабораторные задачки в GB. Я согласился.

На следующее утро я всё ещё думая, что это он просто ошибся, переспросил у него, на что получил положительный ответ. И началась работа.


Начало работы.
Было составлено первоначальное ТЗ:

- Фреймворк - Django.
- БД - MySQL.
- Менеджер БД - PHPMyAdmin.
- Веб-сервер - Nginx.
- Фронтенд должен работать на CSS-фреймворке - Bootstrap.
- В админке должен быть визуальный редактор для удобного добавления статей с возможностью добавления медиафайлов.
- На сайте должен быть поиск по материалам.
- Необходимы группы пользователей с разными уровнями прав.
- Необходимо логирование действий пользователей в админке.
- На сайте должны быть категории и материалы.
- Должна быть пагинация.
- Должна быть форма обратной связи с отправкой сообщения пользователя администратору по email.
- Должен быть раздел "Фотогалерея" с удобным управлением в админке.




Задача поставлена, также были обозначены первые сроки - до конца года, но хотят пораньше. Понял, принял и взялся за работу.

Создал первоначальный проект в Django и сделал приватный репозиторий для всего этого дела.

Было решено сразу всё делать используя Docker-контейнеры и Docker Compose, поэтому были созданы необходимые Dockerfile и docker-compose.yml. Прописаны сервисы БД, PHPMyAdmin, Nginx. Юра предоставил для разработки технический домен и VPS-сервер.
При прописывании БД, порты MySQL были прописаны наружу сервера, для того, чтобы можно было вести разработку используя БД сервера, без необходимости потом делать миграции и перенос содержимого.

Довольно быстро был выполнен начальный пласт работ - созданы необходимые модели, добавлен визуальный редактор CKeditor 4, подключен Bootstrap, созданы технические шаблоны с примерами вывода информации из БД.

В это же время Юрий занялся шаблоном сайта, разбираясь с шаблонизатором Django.

Позже были добавлены "хлебные крошки" на страницы сайта, превьюшки для статей, дополнительные кастомизации админки, теги к статьям и поиск.

Архитектура, а скорее структура менялась в процессе. Сперва было две модели - для категории статей и для статей. Затем понадобились контентные страницы (для разного рода документов школы), а затем и страницы с видео. Дабы не перегружать две модели вешая на них с указанием разных типов, для каждого были написаны свои модели. Это позволило разделить функционал и более удобно настраивать необходимые разделы.


Первые сложности.
Первая сложность возникла с реализацией галереи. Я тогда не представлял, как можно реализовать галерею с альбомами, да и сейчас бы, наверное, задумался о реализации. Выбор пал на готовую библиотеку django-photologue. Удобная библиотека, позволяющая загружать изображения не только по одному, но и в zip-архиве, создавать альбомы и управлять ими.
Пришлось немного править шаблоны библиотеки под макет сайта, но в целом трудность решена. Хотя, с этой библиотекой позже возникла ещё одна проблема, но об этом в конце поста.

Вторая большая сложность возникла при использовании библиотеки django-mptt. Она позволяет создавать древовидные категории. Сложностей было несколько:

- Первая была связана с отображением древовидных категорий в админке. Эта сложность возникла не сразу, а после того, как мы сменили шаблон админки со стандартного на django-jazzmin. Пришлось немного править файлы шаблона.
- Вторая была связана с отображением выпадающего списка категорий на страницах сайта. Изначально была мысль делать выпадающий список, в котором будут свои выпадашки следующего уровня и это доставило много проблем, но какая-никакая, первая реализация была сделана.


В процессе Юра то и дело подкидывал задачи, например, нужно было связать фотогалерею со статьёй. Задача оказалась не трудной, достаточно было в модели статьи прописать внешний ключ на модель альбома. Это позволило при написании статьи выбирать связанную с ней галерею.
Ещё одной задачей было реализовать видеоархив. Необходимо было вставлять только ссылку на YouTube, при этом на странице выводить встраиваемый плеер, а в качестве обложки страницы брать превьюшку видео. Поскольку получать каждый раз превьюшку видео с YouTube чревато баном, для получения превьюшки была написана функция, получающая изображение и сохраняющая её на диске. Вызывается функция при сохранении новой страницы с видео в админке, там же и происходит формирование плеера.

На всё это ушёл месяц. Проект в большей степени был выполнен. И началось затишье...


Провал на пол года.
Юрий показал текущий на тот момент вариант руководству и мы начали ждать следующих распоряжений по сайту. Они пришли в феврале вместе с многостраничным документом от министерства образования. В документе описывались требования, которым должен соответствовать сайт бюджетной организации.

Изучив документ, в целом практически не нашли ничего нового. Небольшие правки шаблона, но был и один пункт - версия для слабовидящих. Работу по её внедрению взял на себя Юра. В интернете есть несколько сайтов предоставляющих скрипт для этого и почти все платно. Был найден бесплатный вариант, доработан и установлен на сайт.

Юрий занялся переносом данных со старого сайта на новый.


Legacy наше всё.
Руководство школы решило сохранить старый сайт как архив. И раз у нас куплен сервер под новый сайт, зачем платить за хостинг для старого? Давайте перенесём старый сайт на сервер.

Что может пойти не так? А вот, что - старый сайт был написан в 2011-м году. С тех пор он не обновлялся, а следовательно, базируется на очень старых технологиях:

- Apache 2.2
- PHP 5.2
- MySQL 5.7


Отойдя от ностальгических воспоминаний, я принялся за работу. Первой идеей было установить LAMP, но в нём самая старая версия PHP - 7.2. Далее были эксперименты с панелями Vesta и Hestia, но и там PHP был относительно свежий. Но, видимо не мне одному понадобился PHP 5.2, поскольку был найден docker-образ с установленным PHP и Apache. Установить MySQL версии 5.7 не составило труда, он доступен в репозитории Docker Hub.

Однако, сайт не заработал. Жаловался на базу данных, мол не может подключиться.
После ряда попыток "подружить" современные технологии со старыми, перезагрузок, правок файлов - в общем действий "методом тыка", старый сайт удалось завести.

Чтобы не мешать старый сайт и новый, для старого сайта был создан второй Docker compose файл, содержащий php, mysql и phpmyadmin.


Последний месяц работы.
Когда работа по переносу данных была закончена и и сайт был почти готов, начали доводить его до ума.

Реализовали форму обратной связи с применением celery для отправки почты администратору в фоновом режиме. Поскольку в форме присутствует возможность к сообщению прикрепить файл, был написан валидатор для прикрепляемых файлов.

Были сделаны мелкие правки для передачи нужных данных в шаблоны.

Я писал выше о проблеме реализации выпадающих списков в меню на страницах сайта, для её решения было решено сделать отдельную модель для меню сайта. Также с использованием mptt, но без дополнительных выпадающих списков. Теперь в меню указаны только нужные разделы, а не все существующие.

У нас возникла проблема с библиотекой фотогалереи, а именно - при загрузке архива с изображениями должен создаваться новый альбом со своим slug'ом на основе указанного названия альбома, но он не создавался. Причина была в том, что при создании альбома непосредственно в админке, поле slug заполняется одновременно с названием альбома силами JavaScript, а при создании альбома путём загрузки архива оно создаётся используя функцию slugify из Django. С этой функцией я уже сталкивался ранее и даже писал об этом в одном из постов по Django. 
Проблема в том, что стандартная функция не преобразует кириллицу. Взять и изменить код в файлах библиотеки не так то просто, но это же Django, а значит можно подключить библиотеку как приложение. Это и было сделано. Удалил библиотеку из зависимостей и поместил директорию с файлами приложения в проект, поправил импорты и всё заработало. Далее оставалось дело за малым, в одном файлике изменить используемую библиотеку для слагификации названия альбома.

Оставался последний шаг - сменить технический домен на основной с поддержкой https.

С бесплатными сертификатами есть одна проблема, их нужно обновлять каждые три месяца. Это можно обойти написав скрипт, но мало ли, что пойдёт не так у владельцев сайта. Было решено заменить nginx на caddy. Caddy это современный вебсервер, напоминающий nginx структурой файла конфигурации, но в нём есть один важный плюс - он автоматически получает сертификат для сайта и сам его продлевает по истечении срока действия.

После того, как убедились, что всё работает как надо перенесли домен со старого хостинга на сервер. С переносом тоже были проблемы - регистратор R01 никак не хотел менять NS-сервера у домена. Очень странное поведение, но после обращения в поддержку NS-ы сменили.

Оставалось только заменить домен в конфигурационных файлах. Всё!

У нас получилось в итоге два Docker Compose файла - для нового и старого сайта. По сути у нас два сайта, две версии MySQL и два связанных с ними PHPMyAdmin. Благодаря докеру это не вызывает никаких проблем с версионностью и позволяет управлять контейнерами без вреда для остального.


Заключение.
На всё про всё ушёл год. Хотя работы по сути было на 2-3 месяца. Однако, работа над этим проектом позволила заняться реальным, а не PET-проектом. Дала толчок к существованию канала.

Не бойтесь браться за то, что кажется сложным. Пусть это проект для кого-то или личный. Всё это опыт, навыки и повод гордиться собой.



Пост на сайте
Поддержать проект

#Django #Проект #Celery #Фриланс #КСКИ #Заказ