فصل ۱ — شروع پایتون

پایتون چیست و چرا محبوب‌ترین زبان دنیاست؟ محیط پروژه: venv و مدیریت پکیج‌ها

فصل ۲ — متغیرها و انواع داده

متغیرها و انواع پایه داده رشته‌ها: متدهای متن در پایتون لیست، تاپل، دیکشنری و مجموعه

فصل ۳ — کنترل جریان

شرط‌ها: if و elif و else حلقه‌ها: for و while در پایتون

فصل ۴ — توابع و ماژول‌ها

توابع: def، پارامترها و return ماژول‌ها و کتابخانه استاندارد

فصل ۵ — کلاس و برنامه‌نویسی شیءگرا

کلاس‌ها و شیءگرایی در پایتون

فصل ۱۵ — حرفه‌ای‌شدن

لاگ‌گیری با ماژول logging دیباگ: pdb و breakpoint

فصل ۱۶ — تست‌نویسی

تست با unittest: پایه تست‌نویسی پایتون pytest: تست مدرن با فیکسچر و پارامتری

فصل ۱۷ — داده و وب

دیتابیس SQLite داخل پایتون کار با وب و API با requests تنظیمات و متغیر محیط: json، env و پیکربندی

فصل ۱۸ — ابزار و خط فرمان

ابزار خط فرمان با argparse پکیج‌سازی و انتشار: از ماژول تا PyPI

فصل ۱۹ — پایتون در وب

شروع وب با Flask: اولین اپلیکیشن

فصل ۶ — پروژه عملی

کار با فایل و JSON پروژه پایانی: مدیریت کارها در خط فرمان

فصل ۷ — سینتکس، عملگرها و ورودی/خروجی

سینتکس و تورفتگی: قواعد خط پایتون عملگرها: حساب، مقایسه، منطق و عضویت ورودی و خروجی: print و input در عمق اعداد و تبدیل نوع (casting) f-string در عمق: فرمت‌دهی حرفه‌ای

فصل ۸ — ساختمان‌های داده در عمق

لیست در عمق: متدها، برش و کپی تاپل: ثابت‌ها و باز‌کردن مقادیر مجموعه‌ها: عضویت سریع و عملیات ریاضی دیکشنری در عمق: get، setdefault و ادغام کامپریهنشن: list، dict و set enumerate، zip و ابزارهای پیمایش match/case: تطبیق الگو در پایتون ۳.۱۰+

فصل ۹ — توابع در عمق

*args و **kwargs: پارامترهای انعطاف‌پذیر lambda و توابع درجه‌یک بازگشت: تابعی که خودش را صدا می‌زند اسکوپ: local، global و nonlocal تایپ هینت: نوع‌نویسی در پایتون مدرن

فصل ۱۰ — شیءگرایی در عمق

وراثت و چندریختی متدهای جادویی (dunder) کپسولاسیون: property، خصوصی و انواع متد dataclass: کلاس داده‌محور آماده کلاس انتزاعی، Protocol و duck typing

فصل ۱۱ — خطاها، فایل‌ها و ماژول‌ها

خطاها: try/except/finally و raise فایل‌ها در عمق: خواندن، نوشتن و pathlib CSV: خواندن و نوشتن جداول ماژول و پکیج خودتان + __main__ os و sys: سیستم‌عامل و مفسر

فصل ۱۲ — زمان، ریاضی و ابزارهای پیشرفته

تاریخ و زمان: datetime و timedelta math و random: محاسبات و تصادف عبارات باقاعده: ماژول re ایتریتور و ژنراتور: yield کلوژر و دکوراتور بهترین شیوه‌ها: کد پایتونی تمیز
Python Tutorial فصل ۱۷ — داده و وب درس آموزشی

کار با وب و API با requests

کتابخانه requests استاندارد واقعی مصرف HTTP در پایتون است: GET، POST، هدر، پارامتر و سشن با چند خط. معادل فارسی fetch جاوااسکریپت با کارایی بهتر.

مراحل قدم‌به‌قدم

  1. ۱

    GET و پارامتر

    r = requests.get(url, params={"q": "پایتون"}, timeout=10) — params خودش URL را می‌سازد؛ timeout همیشه بدهید تا برنامه هنگ نکند. r.status_code و r.json() پرکاربردترین‌ها هستند.

  2. ۲

    POST و JSON

    requests.post(url, json=data) خودش Content-Type و serialize را انجام می‌دهد؛ برای فرم data= برای فایل files=. پاسخ با r.raise_for_status() چک کنید تا خطای HTTP استثناء شود.

  3. ۳

    سشن و کوکی

    with requests.Session() as s: کوکی‌ها و اتصال بین درخواست‌ها حفظ می‌شود؛ برای ورود به سایت و چند درخواست پشت‌سرهم ضروری است. s.headers.update({"User-Agent": ...}) هدر مشترک می‌گذارد.

  4. ۴

    مدیریت خطا

    requests.Timeout، ConnectionError و HTTPError از requests.exceptions — با try/except بگیرید و retry ساده با حلقه یا tenacity. اسکرپ قانون‌مند: robots.txt و rate-limit را رعایت کنید.

نکات مهم

  • ◆ بدون timeout هر درخواست ممکن است بی‌نهایت معطل شود.
  • ◆ r.json() روی پاسخ غیرJSON خطا می‌دهد؛ اول status و content-type را چک کنید.
  • ◆ برای بار سنگین از Session استفاده کنید تا اتصال دوباره باز نشود.

کد یا مسیر نمونه

import requests
try:
    r = requests.get("https://api.github.com/search/repositories",
                     params={"q": "python", "per_page": 3}, timeout=10)
    r.raise_for_status()
    for item in r.json()["items"]:
        print(item["full_name"], item["stargazers_count"])
except requests.exceptions.Timeout:
    print("تایم‌اوت شد")

پرسش و پاسخ این درس (۰)

هنوز دیدگاهی ثبت نشده؛ اولین نفر باشید!

دیدگاه خود را بنویسید

کپچا

دیدگاه شما پس از تأیید مدیر نمایش داده می‌شود.