Ну и ну. Мало того, что все зависимости будут при каждом билде с нуля выкачиваться из репозитория, так ещё и в композе идёт бессмысленное дублирование части докерфайла.
Вы уверены, что вам не рановато писать туториалы по докеру? Как будто бы стоит сначала самому разобраться, а потом уже пытаться писать обучающие статьи.
Или можно просто использовать loguru, в котором уже давно реализовано всё описанное и ещё куча дополнительных фич вроде авторотации лог-файлов раз в период или по достижению определенного размера.
А собранные данные на корректность проверяли? Год назад WB в таких ситуациях подсовывал фейковые данные. То есть запросы они не блочили, а просто по-тихому наливали трэша в части ответов.
Зачем нужен VS Code с расширениями, если PyCharm уже содержит в себе всё, что нужно для комфортной работы? Файловый менеджер, гит (нафаршированный фичами под завязку), подключение к удалённым серверам, подключение к БД всех цветов и размеров, шикарно работающее автодополнение и подсветка синтаксиса (не только для python, но и SQL, Docker, Bash, HTML, CSS, JS), линтеры, интеграция с pytest, flask, django, fastapi. Для любителей упороться в анализ данных и датасатанизм - встроенный интерфейс для Jupyter Notebook и просмотр таблиц из Pandas в отдельных вкладках. А, совсем забыл про таймтрекинг и интеграцию с таскменеджерами.
И да, если вам этого внезапно не хватит, то есть маркетплейс с расширениями.
В чём смысл при наличии такого мощного инструмента, заточенного именно под Python, собирать его урезанное подобие из кучи расширений от отдельных разработчиков?
По несколько часов в день? У меня после работы и ежедневной рутины остаётся 3-4 часа в день. На себя, на семью. И на ведение гита по несколько часов в день, конечно же.
Скрейпинг - вполне нормальный широко используемый термин. А вот "латентность" и структура статьи с кучей буллитов явно показывают, что LLM здесь поработала.
Пока читал код, глаза лезли на лоб. Сколько там вы в айти? Пишете, что "давно" - это уже больше месяца или ещё нет?
Синхронные запросы через requests внутри асинхронных хэндлеров, ужасный грязный код и свалка из всего подряд в едином файле - кого вы обманываете? Код написан студентом и ChatGPT - в это ещё можно поверить. И то студент как будто не слишком усердный.
Я, конечно, знал, что будет в конце, но всё равно не сдержался и заржал :)
Чилл, вайб, инсайт, рил - в итоге 70 часов (!) на 1400 строчек парсера, причём через Puppeteer и работает только локально.
Безусловно, для непрограммиста это результат. Вот только спустя 3-4 продукта, созданных так же, у вас всё ещё будет нулевой опыт в программировании и вы всё ещё будете тратить по 70 часов на пустяковые задачи. А если те же самые 70 часов вы потратите не на промптинг, а на обучение, то спустя несколько итераций сможете делать такие же мини-проекты руками, только уже осознанно и контролируемо.
В голове не укладывается: вы "advanced python expert", у вас есть какая-то армия студентов, слушающих вас с раскрытым ртом, пишете "обучающие" статьи, но при этом вы вообще не знакомы с де-факто основной библиотекой для аутентификации в Django?
То ли смеяться, то ли плакать. Дальше, наверное, будут туториалы по FastAPI, где в комментариях вы узнаете о существовании Pydantic, а потом туториалы по aiogram, где комментаторы познакомят вас с magic filters.
Я почему-то считал, что для того, чтобы кого-то обучать, нужно самому иметь хотя бы базовые знания, но видимо, инфоцыгане эту точку зрения не разделяют.
1000-1400 за час персональных занятий? Это статья из 2015 года? Сейчас нормального наставника с реальным опытом дешевле, чем за 2000 в час, днём с огнём не сыщешь.
Если вы берёте 1000 в час, то на фуллтайме заработаете максимум 160 000 в месяц, и это лишь гипотетическая сумма. Реальная будет ещё меньше, потому что вы физически не сможете закрывать 8 платных часов за 8-часовой рабочий день. Будут отмены, переносы, окна в расписании. Да и это банально тяжело психологически - по 8 часов в день нон-стоп поддерживать личный контакт с новичками. Это как разбирать легаси от джуна, только ещё тяжелее, потому что джун - это уже следующая ступень, он уже хоть что-то умеет.
Поэтому возникает закономерный вопрос: если "наставник" готов работать за условные 120 000 в месяц, хотя даже ИП Пупкины ищут мидлов на бОльшую ставку, то каков реальный уровень такого наставника? Чему он может научить, если сам не может найти нормально оплачиваемую работу?
Ну и ну. Мало того, что все зависимости будут при каждом билде с нуля выкачиваться из репозитория, так ещё и в композе идёт бессмысленное дублирование части докерфайла.
Вы уверены, что вам не рановато писать туториалы по докеру? Как будто бы стоит сначала самому разобраться, а потом уже пытаться писать обучающие статьи.
Или можно просто использовать loguru, в котором уже давно реализовано всё описанное и ещё куча дополнительных фич вроде авторотации лог-файлов раз в период или по достижению определенного размера.
А собранные данные на корректность проверяли? Год назад WB в таких ситуациях подсовывал фейковые данные. То есть запросы они не блочили, а просто по-тихому наливали трэша в части ответов.
По API или со страниц?
Много удачи понадобится тому, кто решит спарсить хоть сколько-нибудь ценный объём информации таким скриптиком на requests и без проксей.
Ужасно неприятно дёргается скроллбар. Технология ради технологии, а юзеру в итоге неудобно.
В раздел с инструментами для анализа памяти очень рекомендую добавить Memray. Он гораздо нагляднее tracemalloc.
Так О-нотацию используют как для оценки временной сложности, так и для оценки пространственной сложности.
Зачем нужен VS Code с расширениями, если PyCharm уже содержит в себе всё, что нужно для комфортной работы? Файловый менеджер, гит (нафаршированный фичами под завязку), подключение к удалённым серверам, подключение к БД всех цветов и размеров, шикарно работающее автодополнение и подсветка синтаксиса (не только для python, но и SQL, Docker, Bash, HTML, CSS, JS), линтеры, интеграция с pytest, flask, django, fastapi. Для любителей упороться в анализ данных и датасатанизм - встроенный интерфейс для Jupyter Notebook и просмотр таблиц из Pandas в отдельных вкладках. А, совсем забыл про таймтрекинг и интеграцию с таскменеджерами.
И да, если вам этого внезапно не хватит, то есть маркетплейс с расширениями.
В чём смысл при наличии такого мощного инструмента, заточенного именно под Python, собирать его урезанное подобие из кучи расширений от отдельных разработчиков?
И из тех, которые в упор не видят мутабельный объект в качестве значения по умолчанию. Какой-то "сеньор после 6-месячных курсов" получается.
По несколько часов в день? У меня после работы и ежедневной рутины остаётся 3-4 часа в день. На себя, на семью. И на ведение гита по несколько часов в день, конечно же.
Парсинг и скрейпинг - это разные вещи.
Скрейпинг - вполне нормальный широко используемый термин. А вот "латентность" и структура статьи с кучей буллитов явно показывают, что LLM здесь поработала.
Пока читал код, глаза лезли на лоб. Сколько там вы в айти? Пишете, что "давно" - это уже больше месяца или ещё нет?
Синхронные запросы через requests внутри асинхронных хэндлеров, ужасный грязный код и свалка из всего подряд в едином файле - кого вы обманываете? Код написан студентом и ChatGPT - в это ещё можно поверить. И то студент как будто не слишком усердный.
Я, конечно, знал, что будет в конце, но всё равно не сдержался и заржал :)
Чилл, вайб, инсайт, рил - в итоге 70 часов (!) на 1400 строчек парсера, причём через Puppeteer и работает только локально.
Безусловно, для непрограммиста это результат. Вот только спустя 3-4 продукта, созданных так же, у вас всё ещё будет нулевой опыт в программировании и вы всё ещё будете тратить по 70 часов на пустяковые задачи. А если те же самые 70 часов вы потратите не на промптинг, а на обучение, то спустя несколько итераций сможете делать такие же мини-проекты руками, только уже осознанно и контролируемо.
И за 5-7 часов, а не за 70.
Неужели в 2025 ещё существуют разработчики, которые без sanitizing'а пробрасывают данные от фронта прямо в SQL-запрос?
Игровой ноутбук - от создателей гоночной черепахи и дистрофичного тяжелоатлета.
В голове не укладывается: вы "advanced python expert", у вас есть какая-то армия студентов, слушающих вас с раскрытым ртом, пишете "обучающие" статьи, но при этом вы вообще не знакомы с де-факто основной библиотекой для аутентификации в Django?
То ли смеяться, то ли плакать. Дальше, наверное, будут туториалы по FastAPI, где в комментариях вы узнаете о существовании Pydantic, а потом туториалы по aiogram, где комментаторы познакомят вас с magic filters.
Я почему-то считал, что для того, чтобы кого-то обучать, нужно самому иметь хотя бы базовые знания, но видимо, инфоцыгане эту точку зрения не разделяют.
"Так вот что мы делали не так эти 10 лет!"
1000-1400 за час персональных занятий? Это статья из 2015 года? Сейчас нормального наставника с реальным опытом дешевле, чем за 2000 в час, днём с огнём не сыщешь.
Если вы берёте 1000 в час, то на фуллтайме заработаете максимум 160 000 в месяц, и это лишь гипотетическая сумма. Реальная будет ещё меньше, потому что вы физически не сможете закрывать 8 платных часов за 8-часовой рабочий день. Будут отмены, переносы, окна в расписании. Да и это банально тяжело психологически - по 8 часов в день нон-стоп поддерживать личный контакт с новичками. Это как разбирать легаси от джуна, только ещё тяжелее, потому что джун - это уже следующая ступень, он уже хоть что-то умеет.
Поэтому возникает закономерный вопрос: если "наставник" готов работать за условные 120 000 в месяц, хотя даже ИП Пупкины ищут мидлов на бОльшую ставку, то каков реальный уровень такого наставника? Чему он может научить, если сам не может найти нормально оплачиваемую работу?