🚀 استفاده از lru_cache@ برای افزایش سرعت توابع
🔹 در محاسبات بازگشتی یا تکراری، کش کردن نتایج فوقالعاده مؤثره:
✨ اجرای این تابع با کش، صدها برابر سریعتر از حالت عادیه.
🐍 @python_rd
🔹 در محاسبات بازگشتی یا تکراری، کش کردن نتایج فوقالعاده مؤثره:
from functools import lru_cache
@lru_cache(maxsize=None)
def fib(n):
return n if n < 2 else fib(n-1) + fib(n-2)
print(fib(35))
✨ اجرای این تابع با کش، صدها برابر سریعتر از حالت عادیه.
🐍 @python_rd
🙏1
🔸 نکته کاربردی از list comprehension
🔹 خیلی از تازهکارها هنوز از for معمولی برای ساخت لیست استفاده میکنن، درحالیکه میتونن با یه خط کد خلاصش کنن:
✨ این روش نهتنها کوتاهتره، بلکه سریعتر هم اجرا میشه.
🐍 @python_rd
🔹 خیلی از تازهکارها هنوز از for معمولی برای ساخت لیست استفاده میکنن، درحالیکه میتونن با یه خط کد خلاصش کنن:
squares = [x**2 for x in range(10)]
✨ این روش نهتنها کوتاهتره، بلکه سریعتر هم اجرا میشه.
🐍 @python_rd
🙏2❤1
🧬 پایتون فقط زبان نیست؛ یک ذهنیت تفسیری
✨ پایتون مثل C کامپایل نمیشه؛ تفسیر میشه.
اما بدون که “تفسیر” یعنی میتونی در زمان اجرا خودت رو تغییر بدی!
🔸 این یعنی پایتون میتونه خودش رو «بررسی» کنه. چیزی که توی زبانهای استاتیک خیلی سختتره.
🐍 @python_rd
✨ پایتون مثل C کامپایل نمیشه؛ تفسیر میشه.
اما بدون که “تفسیر” یعنی میتونی در زمان اجرا خودت رو تغییر بدی!
for name, obj in globals().items():
if callable(obj):
print("🔹", name)
🔸 این یعنی پایتون میتونه خودش رو «بررسی» کنه. چیزی که توی زبانهای استاتیک خیلی سختتره.
🐍 @python_rd
👍2👎1
⚗️ متابرنامهنویسی (Metaprogramming) در پایتون
✨ در پایتون میتونی کدی بنویسی که کد تولید کنه!
🔹 این یعنی تو داری “تابعساز” مینویسی. در پروژههای بزرگ (مثل Django ORM) این مفهوم پشت صحنه کلی کار جادویی میکنه.
🐍 @python_rd
✨ در پایتون میتونی کدی بنویسی که کد تولید کنه!
def make_adder(n):
return lambda x: x + n
add5 = make_adder(5)
print(add5(10)) # 15
🔹 این یعنی تو داری “تابعساز” مینویسی. در پروژههای بزرگ (مثل Django ORM) این مفهوم پشت صحنه کلی کار جادویی میکنه.
🐍 @python_rd
👍2👎1
🐍 چه پکیج پایتونی استفاده کنیم؟
این پست برای وقتیه که میگی:
«برای فلان کار تو پایتون چی خوبه؟»
1️⃣ برای Web Scraping
🔅 پکیج requests → سادهترین راه برای گرفتن HTML / API
🔅 پکیج httpx → نسخه مدرنتر (sync + async)
🔅 پکیج beautifulsoup4 → پارسکردن HTML مثل کره 😄
🔅 پکیج scrapy → برای پروژههای اسکرپینگ جدی و بزرگ
🔅 پکیج playwright → وقتی سایت بدون جاوااسکریپت لود نمیشه
2️⃣ برای Data Cleaning (پاکسازی داده)
🔅 پکیج pandas → سلطان دیتافریم؛ فیلتر، groupby، merge و…
🔅 پکیج polars → شبیه pandas ولی خیلی سریعتر (columnar engine)
🔅 پکیج pyjanitor → روی pandas سوار میشه، تابعهای تمیزکاری آماده
🔅 پکیج rapidfuzz → برای matching فازی روی متنها (مثلاً تمیز کردن اسامی)
3️⃣ برای Async Programming (غیرهمزمان / concurrent)
🔅 پکیج asyncio → هسته اصلی async در پایتون
🔅 پکیج aiohttp → درخواستهای HTTP به صورت async
🔅 پکیج anyio / trio → فریمورکهای مدرنتر برای async
🔅 پکیج httpx → دوباره اینجا هم هست، چون async رو خوب ساپورت میکنه
4️⃣ برای ساخت Web API
🔅 پکیج fastapi → سریع، تایپهینتدوست، داک خودکار ✨
🔅 پکیج flask → مینیمال و ساده برای APIهای سبک
🔅 پکیج django-rest-framework → وقتی backend سنگین و full-feature میخوای
5️⃣ برای Automation / اسکریپتهای خودکار
🔅 پکیج apscheduler → اجرای کارها زمانبندیشده (هر روز، هر ساعت و…)
🔅 پکیج celery → پردازش background / task queue در مقیاس بزرگ
🔅 پکیج invoke → شبیه makefile ولی داخل پایتون برای اتوماسیون کارهای dev
6️⃣ برای لاگگیری و Debug بهتر
🔅 پکیج loguru → لاگنویسی شیک و راحتتر از لاگر پیشفرض
🔅 پکیج rich → نمایش رنگی لاگها، جدول، tracebackهای قشنگ
🔅 پکیج icecream → دیباگ سریع با print خوشگل (ic())
7️⃣ برای ساخت CLI (برنامه خط فرمان)
🔅 پکیج typer → روی click ساخته شده، با type hints، فوقالعاده راحت
🔅 پکیج click → کلاسیک و پایدار برای CLI
🔅 پکیج argparse → ماژول built-in؛ برای کارهای ساده
8️⃣ برای Data Science / ML پایه
🔅 پکیج numpy → پایه همهچیز؛ آرایههای عددی
🔅 پکیج pandas → مدیریت دیتا جدولی
🔅 پکیج scikit-learn → الگوریتمهای ML کلاسیک (Classification, Regression و…)
🔅 پکیج scipy → محاسبات علمی، توزیعها، بهینهسازی
9️⃣ برای NLP و کار با متن
🔅 پکیج nltk → قدیمی ولی هنوز کاربردی برای آموزش و کارهای کلاسیک
🔅 پکیج spaCy → سریع و صنعتی برای NLP
🔅 پکیج transformers (از HuggingFace) → مدلهای BERT, GPT و… آماده استفاده
🔟 برای کدنویسی تمیز و پایدار
🔅 پکیج black → فرمتکننده کد؛ هر بار یک استایل ثابت
🔅 پکیج isort → مرتبسازی importها
🔅 پکیج mypy → چککردن typeها
🔅 پکیج pytest → تستنویسی راحت و حرفهای
🐍 @python_rd
این پست برای وقتیه که میگی:
«برای فلان کار تو پایتون چی خوبه؟»
1️⃣ برای Web Scraping
🔅 پکیج requests → سادهترین راه برای گرفتن HTML / API
🔅 پکیج httpx → نسخه مدرنتر (sync + async)
🔅 پکیج beautifulsoup4 → پارسکردن HTML مثل کره 😄
🔅 پکیج scrapy → برای پروژههای اسکرپینگ جدی و بزرگ
🔅 پکیج playwright → وقتی سایت بدون جاوااسکریپت لود نمیشه
2️⃣ برای Data Cleaning (پاکسازی داده)
🔅 پکیج pandas → سلطان دیتافریم؛ فیلتر، groupby، merge و…
🔅 پکیج polars → شبیه pandas ولی خیلی سریعتر (columnar engine)
🔅 پکیج pyjanitor → روی pandas سوار میشه، تابعهای تمیزکاری آماده
🔅 پکیج rapidfuzz → برای matching فازی روی متنها (مثلاً تمیز کردن اسامی)
3️⃣ برای Async Programming (غیرهمزمان / concurrent)
🔅 پکیج asyncio → هسته اصلی async در پایتون
🔅 پکیج aiohttp → درخواستهای HTTP به صورت async
🔅 پکیج anyio / trio → فریمورکهای مدرنتر برای async
🔅 پکیج httpx → دوباره اینجا هم هست، چون async رو خوب ساپورت میکنه
4️⃣ برای ساخت Web API
🔅 پکیج fastapi → سریع، تایپهینتدوست، داک خودکار ✨
🔅 پکیج flask → مینیمال و ساده برای APIهای سبک
🔅 پکیج django-rest-framework → وقتی backend سنگین و full-feature میخوای
5️⃣ برای Automation / اسکریپتهای خودکار
🔅 پکیج apscheduler → اجرای کارها زمانبندیشده (هر روز، هر ساعت و…)
🔅 پکیج celery → پردازش background / task queue در مقیاس بزرگ
🔅 پکیج invoke → شبیه makefile ولی داخل پایتون برای اتوماسیون کارهای dev
6️⃣ برای لاگگیری و Debug بهتر
🔅 پکیج loguru → لاگنویسی شیک و راحتتر از لاگر پیشفرض
🔅 پکیج rich → نمایش رنگی لاگها، جدول، tracebackهای قشنگ
🔅 پکیج icecream → دیباگ سریع با print خوشگل (ic())
7️⃣ برای ساخت CLI (برنامه خط فرمان)
🔅 پکیج typer → روی click ساخته شده، با type hints، فوقالعاده راحت
🔅 پکیج click → کلاسیک و پایدار برای CLI
🔅 پکیج argparse → ماژول built-in؛ برای کارهای ساده
8️⃣ برای Data Science / ML پایه
🔅 پکیج numpy → پایه همهچیز؛ آرایههای عددی
🔅 پکیج pandas → مدیریت دیتا جدولی
🔅 پکیج scikit-learn → الگوریتمهای ML کلاسیک (Classification, Regression و…)
🔅 پکیج scipy → محاسبات علمی، توزیعها، بهینهسازی
9️⃣ برای NLP و کار با متن
🔅 پکیج nltk → قدیمی ولی هنوز کاربردی برای آموزش و کارهای کلاسیک
🔅 پکیج spaCy → سریع و صنعتی برای NLP
🔅 پکیج transformers (از HuggingFace) → مدلهای BERT, GPT و… آماده استفاده
🔟 برای کدنویسی تمیز و پایدار
🔅 پکیج black → فرمتکننده کد؛ هر بار یک استایل ثابت
🔅 پکیج isort → مرتبسازی importها
🔅 پکیج mypy → چککردن typeها
🔅 پکیج pytest → تستنویسی راحت و حرفهای
🐍 @python_rd
❤7🔥1
PyCoders (پایتون)
🐍 چه پکیج پایتونی استفاده کنیم؟ این پست برای وقتیه که میگی: «برای فلان کار تو پایتون چی خوبه؟» 1️⃣ برای Web Scraping 🔅 پکیج requests → سادهترین راه برای گرفتن HTML / API 🔅 پکیج httpx → نسخه مدرنتر (sync + async) 🔅 پکیج beautifulsoup4 → پارسکردن…
از این کاملتر دیده بودین؟😍✨
❤1
💚 جمعه سبز سبزلرن
✨ 70% تخفیف روی دورههای سبزلرن
این فرصت فوقالعاده رو از دست ندید
🔸لینک دوره الگوریتم:
✨ https://sabzlearn.ir/course/algorithm/
🔸لینک دوره متخصص پایتون:
✨ https://sabzlearn.ir/course/python/
🔸لینک دوره متخصص جنگو:
✨ https://sabzlearn.ir/course/django-ex/
🔸لینک دوره پروژههای کاربردی پایتون:
✨ https://sabzlearn.ir/course/applied-projects-with-python/
🔸لینک دوره بهینهنویسی پایتون:
✨ https://sabzlearn.ir/course/python-code-optimization/
🔸لینک دوره مصورسازی دادهها:
✨https://sabzlearn.ir/course/data-visualization-with-python/
🐍 @python_rd
✨ 70% تخفیف روی دورههای سبزلرن
این فرصت فوقالعاده رو از دست ندید
🔸لینک دوره الگوریتم:
✨ https://sabzlearn.ir/course/algorithm/
🔸لینک دوره متخصص پایتون:
✨ https://sabzlearn.ir/course/python/
🔸لینک دوره متخصص جنگو:
✨ https://sabzlearn.ir/course/django-ex/
🔸لینک دوره پروژههای کاربردی پایتون:
✨ https://sabzlearn.ir/course/applied-projects-with-python/
🔸لینک دوره بهینهنویسی پایتون:
✨ https://sabzlearn.ir/course/python-code-optimization/
🔸لینک دوره مصورسازی دادهها:
✨https://sabzlearn.ir/course/data-visualization-with-python/
🐍 @python_rd
❤1
🔸 ترفندهای پایتون
🔅 استفاده از Walrus Operator (:=)
گاهی لازم داریم همزمان یک مقدار را بگیریم و بررسی کنیم.
قبلاً باید دو خط مینوشتیم، اما با walrus همهچیز یکخطی میشود.
✔️ کد کوتاهتر
✔️ خوانایی بیشتر
✔️ مخصوص پایتون 3.8 به بعد
🐍 @python_rd
🔅 استفاده از Walrus Operator (:=)
گاهی لازم داریم همزمان یک مقدار را بگیریم و بررسی کنیم.
قبلاً باید دو خط مینوشتیم، اما با walrus همهچیز یکخطی میشود.
if (data := fetch_data()):
print(len(data))
✔️ کد کوتاهتر
✔️ خوانایی بیشتر
✔️ مخصوص پایتون 3.8 به بعد
🐍 @python_rd
❤5
🧩 کتابخانههای کمتر شناختهشده پایتون
🎨 rich
برای ساخت خروجی رنگی، جدول، progress bar و لاگهای زیبا در ترمینال.
🖥 typer
سادهترین راه ساخت CLI حرفهای و سریع فقط با چند خط کد.
📝 loguru
لاگنویسی راحت، تمیز و بدون تنظیمات دردسرساز logging استاندارد.
🕒 pendulum
مدیریت تاریخ/زمان دقیقتر و بهتر از datetime با امکانات اضافی.
⚡️ polars
نسخهی بسیار سریعتر و مدرنتر از pandas برای کار با دادههای حجیم.
🔍 pydantic
برای ساخت و اعتبارسنجی مدلهای دادهای با سرعت بالا و تایپ دقیق.
🔐 cryptography
کتابخانهای امن برای رمزنگاری، هش، امضای دیجیتال و کلیدهای امن.
🧪 pytest
سادهترین ابزار برای تستنویسی سریع، خوانا و ماژولار.
📦 python-decouple
برای مدیریت امن تنظیمات پروژه مثل API Key بدون قرار دادن در کد.
👁 tqdm
نمایش Progress Bar حرفهای برای حلقهها و عملیات طولانی.
🧰 attrs
جایگزین مختصر و سریع برای کلاسهای دادهای با کد کمتر نسبت به dataclass.
🌐 httpx
نسل جدید درخواستهای HTTP—سریع، async-friendly و مدرنتر از requests.
🔄 orjson
سریعترین JSON Parser پایتون، مخصوص کارهای سنگین دادهای.
🧩 marshmallow
برای serialization / deserialization و validate کردن دادهها.
📊 tabulate
نمایش دادهها در قالب جدولهای زیبا در ترمینال.
📚 poetry
مدیریت پکیجها و پروژههای پایتونی با محیط مجازی خودکار و سادهتر از pip+venv.
🤖 huggingface_hub
برای دانلود، آپلود و مدیریت مدلهای ML روی HuggingFace.
🔎 boltons
مجموعهای از ابزارهای کوچک و کاربردی که کمبودهای استاندارد پایتون را جبران میکند.
🧮 sympy
محاسبات ریاضی نمادین مثل مشتق، انتگرال و معادلات.
🗂 python-dotenv
لود کردن متغیرهای محیطی از فایل .env برای امنیت بیشتر.
🐍 @python_rd
🎨 rich
برای ساخت خروجی رنگی، جدول، progress bar و لاگهای زیبا در ترمینال.
🖥 typer
سادهترین راه ساخت CLI حرفهای و سریع فقط با چند خط کد.
📝 loguru
لاگنویسی راحت، تمیز و بدون تنظیمات دردسرساز logging استاندارد.
🕒 pendulum
مدیریت تاریخ/زمان دقیقتر و بهتر از datetime با امکانات اضافی.
⚡️ polars
نسخهی بسیار سریعتر و مدرنتر از pandas برای کار با دادههای حجیم.
🔍 pydantic
برای ساخت و اعتبارسنجی مدلهای دادهای با سرعت بالا و تایپ دقیق.
🔐 cryptography
کتابخانهای امن برای رمزنگاری، هش، امضای دیجیتال و کلیدهای امن.
🧪 pytest
سادهترین ابزار برای تستنویسی سریع، خوانا و ماژولار.
📦 python-decouple
برای مدیریت امن تنظیمات پروژه مثل API Key بدون قرار دادن در کد.
👁 tqdm
نمایش Progress Bar حرفهای برای حلقهها و عملیات طولانی.
🧰 attrs
جایگزین مختصر و سریع برای کلاسهای دادهای با کد کمتر نسبت به dataclass.
🌐 httpx
نسل جدید درخواستهای HTTP—سریع، async-friendly و مدرنتر از requests.
🔄 orjson
سریعترین JSON Parser پایتون، مخصوص کارهای سنگین دادهای.
🧩 marshmallow
برای serialization / deserialization و validate کردن دادهها.
📊 tabulate
نمایش دادهها در قالب جدولهای زیبا در ترمینال.
📚 poetry
مدیریت پکیجها و پروژههای پایتونی با محیط مجازی خودکار و سادهتر از pip+venv.
🤖 huggingface_hub
برای دانلود، آپلود و مدیریت مدلهای ML روی HuggingFace.
🔎 boltons
مجموعهای از ابزارهای کوچک و کاربردی که کمبودهای استاندارد پایتون را جبران میکند.
🧮 sympy
محاسبات ریاضی نمادین مثل مشتق، انتگرال و معادلات.
🗂 python-dotenv
لود کردن متغیرهای محیطی از فایل .env برای امنیت بیشتر.
🐍 @python_rd
❤2👍1🔥1
🛡 آموزش نکات امنیتی برای بکاند پارت اول
نکته SQL Injection
🔻 مشکل:
وقتی Query را مستقیم از ورودی کاربر بسازی، هکر میتونه Query رو تزریق کنه.
🔻 مثال خطرناک:
اگر کاربر وارد کند:
OR '1'='1 '
کل جدول برگشت داده میشود!
🔻 راهحل:
✔️ استفاده از Prepared Statements / Parameterized Queries
✔️ و ORMها مثل Django ORM یا SQLAlchemy خودشون جلوی این حمله رو میگیرن.
🐍 @python_rd
نکته SQL Injection
🔻 مشکل:
وقتی Query را مستقیم از ورودی کاربر بسازی، هکر میتونه Query رو تزریق کنه.
🔻 مثال خطرناک:
username = input("username: ")
query = f"SELECT * FROM users WHERE username = '{username}'"اگر کاربر وارد کند:
OR '1'='1 '
کل جدول برگشت داده میشود!
🔻 راهحل:
✔️ استفاده از Prepared Statements / Parameterized Queries
✔️ و ORMها مثل Django ORM یا SQLAlchemy خودشون جلوی این حمله رو میگیرن.
🐍 @python_rd
❤7
🛡 آموزش نکات امنیتی برای بکاند پارت دوم
نکته XSS
🔻 مشکل:
اگر ورودی کاربر را بدون فیلتر در HTML نمایش دهی، میتونه جاوااسکریپت تزریق کند.
🔻 مثال خطرناک:
کاربر در فرم کامنت وارد میکند:
اگر شما این را مستقیم نمایش دهید، اسکریپت اجرا میشود!
🔻 راهحل:
✔️ راه حل اول Escape کردن خروجی سمت سرور
✔️ استفاده از قالبسازهای امن (مثل Django template که auto-escape دارد)
✔️ جلوگیری از HTML خام در ورودیها
🐍 @python_rd
نکته XSS
🔻 مشکل:
اگر ورودی کاربر را بدون فیلتر در HTML نمایش دهی، میتونه جاوااسکریپت تزریق کند.
🔻 مثال خطرناک:
کاربر در فرم کامنت وارد میکند:
<script>alert("Hacked!")</script>اگر شما این را مستقیم نمایش دهید، اسکریپت اجرا میشود!
🔻 راهحل:
✔️ راه حل اول Escape کردن خروجی سمت سرور
✔️ استفاده از قالبسازهای امن (مثل Django template که auto-escape دارد)
✔️ جلوگیری از HTML خام در ورودیها
🐍 @python_rd
❤2
🔸 ترفندهای پایتون
🔅 استفاده از Walrus Operator (:=)
گاهی لازم داریم همزمان یک مقدار را بگیریم و بررسی کنیم.
قبلاً باید دو خط مینوشتیم، اما با walrus همهچیز یکخطی میشود.
✔️ کد کوتاهتر
✔️ خوانایی بیشتر
✔️ مخصوص پایتون 3.8 به بعد
🐍 @python_rd
🔅 استفاده از Walrus Operator (:=)
گاهی لازم داریم همزمان یک مقدار را بگیریم و بررسی کنیم.
قبلاً باید دو خط مینوشتیم، اما با walrus همهچیز یکخطی میشود.
if (data := fetch_data()):
print(len(data))
✔️ کد کوتاهتر
✔️ خوانایی بیشتر
✔️ مخصوص پایتون 3.8 به بعد
🐍 @python_rd
👍1
🔸 کد بازی دوز یا Tic Tac Toe دو نفره
با دوستاتون بازی کنید و لذت ببرید🫶🏻❤️
🐍 @python_rd
"""
Tic-Tac-Toe (2-player, console version)
Python 3.x
"""
def print_board(board):
"""Prints the board in a nice 3x3 grid."""
print()
print(f" {board[0]} | {board[1]} | {board[2]} ")
print("---+---+---")
print(f" {board[3]} | {board[4]} | {board[5]} ")
print("---+---+---")
print(f" {board[6]} | {board[7]} | {board[8]} ")
print()
def check_winner(board, player):
"""Returns True if player ('X' or 'O') has won."""
winning_combos = [
(0, 1, 2), (3, 4, 5), (6, 7, 8), # rows
(0, 3, 6), (1, 4, 7), (2, 5, 8), # columns
(0, 4, 8), (2, 4, 6) # diagonals
]
for a, b, c in winning_combos:
if board[a] == board[b] == board[c] == player:
return True
return False
def is_draw(board):
"""Returns True if all cells are filled and no winner."""
return all(cell in ["X", "O"] for cell in board)
def get_valid_move(board):
"""Asks the current player for a valid move (1-9)."""
while True:
move_str = input("شماره خانه (1 تا 9) را وارد کن: ")
if not move_str.isdigit():
print("❌ فقط عدد وارد کن.")
continue
move = int(move_str)
if move < 1 or move > 9:
print("❌ عدد باید بین 1 تا 9 باشد.")
continue
index = move - 1
if board[index] in ["X", "O"]:
print("❌ این خانه قبلاً پر شده. یکی دیگه انتخاب کن.")
continue
return index
def main():
print("🎮 بازی دوز (Tic Tac Toe)")
print("بازیکن 1 = X | بازیکن 2 = O")
print("چینش خانهها روی صفحه به شکل زیر است:")
demo_board = [str(i) for i in range(1, 10)]
print_board(demo_board)
# شروع بازی
board = [str(i) for i in range(1, 10)]
current_player = "X"
while True:
print_board(board)
print(f"نوبت بازیکن {current_player} است.")
move_index = get_valid_move(board)
board[move_index] = current_player
# چک برنده شدن
if check_winner(board, current_player):
print_board(board)
print(f"🏆 بازیکن {current_player} برنده شد!")
break
# چک مساوی شدن
if is_draw(board):
print_board(board)
print("🤝 بازی مساوی شد!")
break
# تعویض بازیکن
current_player = "O" if current_player == "X" else "X"
if __name__ == "__main__":
main()
با دوستاتون بازی کنید و لذت ببرید🫶🏻❤️
🐍 @python_rd
🔥4👍1
🔸 ترفندهای پایتون
🔅نکته List / Dict Comprehension پیشرفته
بهجای حلقههای طولانی از این روش استفاده کن:
✔️ سریعتر
✔️ خواناتر
✔️ حرفهایتر
🐍 @python_rd
🔅نکته List / Dict Comprehension پیشرفته
بهجای حلقههای طولانی از این روش استفاده کن:
matrix = [[i*j for j in range(5)] for i in range(5)]
✔️ سریعتر
✔️ خواناتر
✔️ حرفهایتر
🐍 @python_rd
🔥3👍1
✨ بازی دوز یا Tic Tac Toe نسخه هوش مصنوعی
در این نسخه از بازی یک هوش مصنوعی با الگوریتم minimax بازی میکنه و عملاً شکستناپذیره🤌🏻
در این نسخه از بازی یک هوش مصنوعی با الگوریتم minimax بازی میکنه و عملاً شکستناپذیره🤌🏻
"""
Tic Tac Toe با هوش مصنوعی (Unbeatable AI)
Python 3.x
"""
def print_board(board):
"""Prints the board in a nice 3x3 grid."""
print()
print(f" {board[0]} | {board[1]} | {board[2]} ")
print("---+---+---")
print(f" {board[3]} | {board[4]} | {board[5]} ")
print("---+---+---")
print(f" {board[6]} | {board[7]} | {board[8]} ")
print()
def check_winner(board, player):
"""Returns True if player ('X' or 'O') has won."""
winning_combos = [
(0, 1, 2), (3, 4, 5), (6, 7, 8), # rows
(0, 3, 6), (1, 4, 7), (2, 5, 8), # cols
(0, 4, 8), (2, 4, 6) # diagonals
]
return any(board[a] == board[b] == board[c] == player for a, b, c in winning_combos)
def is_draw(board):
"""Returns True if all cells are filled and no winner."""
return all(cell in ["X", "O"] for cell in board)
def get_valid_move(board):
"""Asks the human player for a valid move (1-9)."""
while True:
move_str = input("شماره خانه (1 تا 9) را وارد کن: ")
if not move_str.isdigit():
print("❌ فقط عدد وارد کن.")
continue
move = int(move_str)
if move < 1 or move > 9:
print("❌ عدد باید بین 1 تا 9 باشد.")
continue
index = move - 1
if board[index] in ["X", "O"]:
print("❌ این خانه قبلاً پر شده. یکی دیگه انتخاب کن.")
continue
return index
def minimax(board, is_maximizing, ai_player, human_player):
"""Minimax algorithm: returns score from AI perspective."""
if check_winner(board, ai_player):
return 1
if check_winner(board, human_player):
return -1
if is_draw(board):
return 0
if is_maximizing:
best_score = -999
for i in range(9):
if board[i] not in ["X", "O"]:
backup = board[i]
board[i] = ai_player
score = minimax(board, False, ai_player, human_player)
board[i] = backup
if score > best_score:
best_score = score
return best_score
else:
best_score = 999
for i in range(9):
if board[i] not in ["X", "O"]:
backup = board[i]
board[i] = human_player
score = minimax(board, True, ai_player, human_player)
board[i] = backup
if score < best_score:
best_score = score
return best_score
def find_best_move(board, ai_player, human_player):
"""Finds the best move for AI using minimax."""
best_score = -999
best_move = None
for i in range(9):
if board[i] not in ["X", "O"]:
backup = board[i]
board[i] = ai_player
score = minimax(board, False, ai_player, human_player)
board[i] = backup
if score > best_score:
best_score = score
best_move = i
return best_move
def main():
print("🎮 بازی دوز با هوش مصنوعی (Tic Tac Toe + AI)")
print("این نسخه، هوش مصنوعی تقریباً بدون شکست داره 😉")
print("چینش خانهها به شکل زیر است:")
demo_board = [str(i) for i in range(1, 10)]
print_board(demo_board)
# انتخاب علامت توسط کاربر
while True:
human_player = input("دوست داری X باشی یا O؟ (X/O): ").strip().upper()
if human_player in ["X", "O"]:
break
print("فقط X یا O وارد کن.")
ai_player = "O" if human_player == "X" else "X"
print(f"تو = {human_player} | هوش مصنوعی = {ai_player}")
board = [str(i) for i in range(1, 10)]
# اگر انسان O باشد، AI با X شروع میکند
current_player = "X"
while True:
print_board(board)
if current_player == human_player:
print("نوبت توست 👤")
move_index = get_valid_move(board)
board[move_index] = human_player
else:
print("نوبت هوش مصنوعی است 🤖 ...")
move_index = find_best_move(board, ai_player, human_player)
# اگر به هر دلیلی None برگشت (نظریاً نباید), اولین خانه خالی را پر میکنیم
if move_index is None:
for i in range(9):
if board[i] not in ["X", "O"]:
move_index = i
break
board[move_index] = ai_player
# چک برنده شدن
if check_winner(board, current_player):
print_board(board)
if current_player == human_player:
print("🏆 آفرین! تو بردی! 👏")
else:
print("🤖 هوش مصنوعی برد! دفعه بعد شکستش بده 😉")
break
# چک مساوی شدن
if is_draw(board):
print_board(board)
print("🤝 بازی مساوی شد!")
break
# تعویض بازیکن
current_player = ai_player if current_player == human_player else human_player
if __name__ == "__main__":
main()
🎖 اینجا یه بازیکن انسانه و یه بازیکن هوش مصنوعی که خودش فکر میکنه، بهترین حرکت رو حساب میکنه و جواب میده (با الگوریتم minimax)، یعنی بازی اتوماتیک و غیرقابل شکست میشه.
🐍 @python_rd
این دوتا کد در ادامه هم هستند چون طولانی بود تلگرام دو پارتش کرد❤️
🔸 ترفندهای پایتون
🔅استفاده از functools.lru_cache برای کش کردن خروجی توابع
اگر یک تابع بارها با ورودی یکسان صدا زده میشود، میتوانیم خروجیاش را کش کنیم تا سرعت چندبرابر شود.
✔️ مناسب توابع سنگین، API Calls، یا محاسبات تکراری
🐍 @python_rd
🔅استفاده از functools.lru_cache برای کش کردن خروجی توابع
اگر یک تابع بارها با ورودی یکسان صدا زده میشود، میتوانیم خروجیاش را کش کنیم تا سرعت چندبرابر شود.
@lru_cache
def fib(n):
...
✔️ مناسب توابع سنگین، API Calls، یا محاسبات تکراری
🐍 @python_rd
🛡 آموزش نکات امنیتی برای بکاند پارت سوم
نکته روشهای جلوگیری از CSRF
🔻 اول ببینیم CSRF چیه؟
هکر کاربر را مجبور میکند بدون اینکه بفهمد، یک درخواست معتبر و خطرناک ارسال کند.
🔻 راهحلهای قطعی:
✔️ استفاده از CSRF Token تصادفی در فرمها
✔️ چک کردن Origin / Referrer Header
✔️ استفاده از SameSite Cookies
✔️ محدود کردن عملیات حساس به POST / PUT / DELETE
جنگو و فلسک (با افزونهها) خودشان این را پیادهسازی میکنند.
🐍 @python_rd
نکته روشهای جلوگیری از CSRF
🔻 اول ببینیم CSRF چیه؟
هکر کاربر را مجبور میکند بدون اینکه بفهمد، یک درخواست معتبر و خطرناک ارسال کند.
🔻 راهحلهای قطعی:
✔️ استفاده از CSRF Token تصادفی در فرمها
✔️ چک کردن Origin / Referrer Header
✔️ استفاده از SameSite Cookies
✔️ محدود کردن عملیات حساس به POST / PUT / DELETE
جنگو و فلسک (با افزونهها) خودشان این را پیادهسازی میکنند.
🐍 @python_rd
PyCoders (پایتون)
💚 جمعه سبز سبزلرن ✨ 70% تخفیف روی دورههای سبزلرن این فرصت فوقالعاده رو از دست ندید 🔸لینک دوره الگوریتم: ✨ https://sabzlearn.ir/course/algorithm/ 🔸لینک دوره متخصص پایتون: ✨ https://sabzlearn.ir/course/python/ 🔸لینک دوره متخصص جنگو: ✨ https://sabzl…
تخفیف 70درصدی فقط تا فرداشب....❌