Содержание

Scrape Google онлайн -результаты покупок с Python

Google Web Scraping (23 серия деталей)

Содержание: вступление, импорт, то, что будет скранировано, процесс, код, ссылки, outro.

вступление

Этот пост в блоге является продолжением серии Web Scraping Google. Здесь вы увидите примеры того, как вы можете скрепить результаты встроенных магазинов Google с помощью Python. Альтернативный раствор Serpapi будет показан.

Импорт

import requests
from bs4 import BeautifulSoup
from serpapi import GoogleSearch

Что будет соскреблено

Верхний блок

Правый блок

Процесс

Выбор контейнера

Выбор Заголовок

Выбор Цена

Выбор Источник

Тот же процесс идет для правильных результатов блока.

Код

import requests, json, lxml
from bs4 import BeautifulSoup
headers = {
    "User-Agent":
    "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36"
    "(KHTML, like Gecko) Chrome/70.0.3538.102 Safari/537.36 Edge/18.19582"
}
params = {
  "q": "buy coffe", # intentional grammatical error to display right side shopping results
  "hl": "en",
  "gl": "us"
}
response = requests.get("https://www.google.com/search", headers=headers, params=params)
soup = BeautifulSoup(response.text, 'html.parser')
# scrapes both from top and right side shopping results
for result in soup.select('.pla-hovercard-content-ellip'):
    title = result.select_one('.
 
 pymv4e').text
    link = result.select_one('.pla-hovercard-content-ellip a.tkXAec')['href']
    ad_link = f"https://www.googleadservices.com/pagead{result.select_one('.pla-hovercard-content-ellip a')['href']}"
    price = result.select_one('.qptdjc').text
    try:
      rating = result.select_one('.Fam1ne.tPhRLe')["aria-label"].replace("Rated ", "").replace(" out of ", "").replace(",", "")
    except:
      rating = None
    try:
      reviews = result.select_one('.GhQXkc').text.replace("(", "").replace(")", "")
    except:
      reviews = None
    source = result.select_one('.zPEcBd.LnPkof').text.strip()
    print(f'{title}\n{link}\n{ad_link}\n{price}\n{rating}\n{reviews}\n{source}\n')
----------
'''
MUD\WTR | Mushroom Coffee Replacement, 90 servings
90 serving :rise
https://www.googleadservices.com/pagead/aclk?sa=l&ai=DChcSEwj5p8u-2rzyAhV2yJQJHfzhBoUYABAHGgJ5bQ&sig=AOD64_3NGBzLzkTv61K7kSrD2f9AREHH_g&ctype=5&q=&ved=2ahUKEwji7MK-2rzyAhWaaM0KHcnaDDcQ9aACegQIAhBo&adurl=
$125.
 
 
 00
4.85
1k+
mudwtr.com
...
'''

Использование Google Inline Shopping API

Serpapi – платный API с бесплатным планом.

Основное отличие здесь заключается в том, что оно уже поддерживает различные результаты покупок в Google, которые могут отображаться в верхних/правых частях страницы ( См. Пример выходов ), помимо обхода блоков Google, если они появятся.

 
import json
from serpapi import GoogleSearch
params = {
  "api_key": "YOUR_API_KEY",
  "engine": "google",
  "q": "buy trampoline", # try to use different query to get right side shopping results
}
search = GoogleSearch(params)
results = search.get_dict()
for result in results['shopping_results']:
    print(json. dumps(result, indent=2, ensure_ascii=False))
--------------
'''
{
  "position": 1,
  "block_position": "top",
  "title": "Kangaroo Hoppers 15FT Round Kids Trampoline with Safety Enclosure Net, Basketball Hoop and Ladder, Outdoor Fun Summer Trampoline 15FT / APPLE GREEN",
  "price": "$544.99",
  "extracted_price": 544.99,
  "link": "https://www.google.com/aclk?sa=l&ai=DChcSEwiEt8LggcfxAhUtbG8EHX3OACYYABAEGgJqZg&ae=2&sig=AOD64_1U5ba--51CZ8yLWlN5uVw-QQo6Kw&ctype=5&q=&ved=2ahUKEwjp5bbggcfxAhVBHM0KHeV-AsYQ5bgDegQIAhA8&adurl=",
  "source": "Kangaroo Hopp...",
  "thumbnail": "https://serpapi.com/searches/60e067061988e55ccd479674/images/a89620ac0c8f92b77b5f789e340e17d9aa3a444194265aa1b91bfaaeeaf04717.png",
  "extensions": [
    "Special offer"
  ]
}
...
{
  "position": 1,
  "block_position": "right",
  "title": "Maxwell House Original Roast | 48oz",
  "price": "$10.49",
  "extracted_price": 10.49,
  "link": "https://www.google.com/aclk?sa=l&ai=DChcSEwiGn8aT2rzyAhXgyZQJHZHdBJMYABAEGgJ5bQ&ae=2&sig=AOD64_0jBjdUIMeqJvrXYxn4NGcpwCYrJQ&ctype=5&q=&ved=2ahUKEwiOxLmT2rzyAhWiFVkFHWMNAaEQ5bgDegQIAhBa&adurl=",
  "source": "Boxed",
  "rating": 4.
 
 
 6,
  "reviews": 2000,
  "thumbnail": "https://serpapi.com/searches/611e1b2cfdca3e6a1c9335e6/images/e4ae7f31164ec52021f1c04d8be4e4bda2138b1acd12c868052125eb86ead292.png"
}
...
{
  ...
  "shopping_results": [
    {
      "position": 1,
      "block_position": "right",
      "title": "Banana Republic Men's Slim Legacy Jean Medium Wash Size 32W 34L",
      "price": "$58.00",
      "extracted_price": 58.0,
      "link": "https://www.google.com/aclk?sa=l&ai=DChcSEwjc5-yLsP_sAhVM1sAKHdJ4AjQYABAFGgJpbQ&sig=AOD64_1DUpENWnXUhv0PigCNCOo-NQxHPA&ctype=5&q=&ved=2ahUKEwj3muaLsP_sAhWSLc0KHajQBb8Q5bgDegQIChBW&adurl=",
      "source": "Banana Republic",
      "rating": 4.7,
      "reviews": 86,
      "thumbnail": "",
      "extensions": [
        "Sale"
      ]
    }
'''

Ссылки

Код в онлайн -IDE • Google inline Shopping API

Опередить

Если у вас есть какие -либо вопросы или что -то не работает правильно или вы хотите написать что -нибудь еще, не стесняйтесь бросить комментарий в разделе комментариев или через Twitter в @serp_api Анкет

Ваш, Dimitry и остальная часть команды Serpapi.

Google Web Scraping (23 серия деталей)

Оригинал: “https://dev.to/dimitryzub/scrape-google-inline-shopping-results-with-python-35cd”

Google Colab — ваше рабочее пространство на Python в облаке

Дата публикации Jul 8, 2019

фотоКейтлин БейкернаUnsplash

Сегодня я перешел на новую машину для своего развития. Несмотря на то, что для приведения в соответствие с новой машиной имеется обучающая кривая, я все еще могу продолжать работать над своими проектами и продолжать свои онлайн-курсы через Google Colab. Это практически так же просто, как войти в мою учетную запись Google, и все готово.

Таким образом, я решил поделиться своими соображениями о том, почему я считаю Google Colab таким полезным и какие команды помогли мне использовать его более эффективно без особых усилий.

Google Colab вводный блокнот

Google Colab, также известный как Colab Laboratory, представляет собой среду Jupyter, предоставляемую и поддерживаемую Google с возможностью работы с процессорами, графическими процессорами и даже TPU. Это похоже на любую другую записную книжку Jupyter, где мы можем кодировать на Python и писать описания в виде уценки вместе со всеми другими функциями Jupyter и многим другим.

В верхнем разделе содержатся все элементы управления для сохранения записных книжек, обмена записными книжками в репозиториях GitHub, изменения сред выполнения, ячеек запуска и многого другого. Нижний раздел разделен на левую панель, которая содержит оглавление и файлы, а справа находится полностью функционирующая записная книжка.

фотоfreestocks.orgнаUnsplash

Хотя есть много причин, по которым кто-то может предпочесть использовать такой сервис, как Google Colab, для своей работы, вот причины, по которым он работает для меня:

  1. Интеграция с GitHub:Хотя записные книжки сохраняются на нашем диске Google, я предпочитаю также поделиться некоторыми записными книжками как частью их собственного репозитория GitHub. Google Colab позволяет прямой доступ к любому хранилищу после ссылки на наш профиль GitHub.
  2. Время установки нуля:Чтобы начать работу с Google Colab, все, что вам нужно сделать, это перейти наhttps://colab.research.google.com/и выберитеNEW PYTHON 3 NOTEBOOKиз всплывающего меню.
  3. Независимость платформы:Поскольку к ноутбукам Jupyter можно обращаться напрямую из браузера, у нас может быть любой компьютер, Mac, Windows, Linux и т. Д., И он будет работать точно так же.
  4. Бесплатная доступность ресурса:Тренировочные модели для глубокого обучения требуют большой мощности, и, следовательно, не все ноутбуки и настольные компьютеры оборудованы для этого. Google Colab предоставляет бесплатный доступ к графическим процессорам, которые мы можем использовать для наших задач глубокого обучения.

Теперь, когда мы понимаем, что такое Google Colab и сколько преимуществ он приносит для всех, давайте рассмотрим несколько ключевых важных аспектов. Это, несомненно, помогло мне повысить производительность и сделать свою работу более доступной.

Быстрые сочетания клавиш

Перемещаться по клеткам легко. Вам просто нужно использоватьUPа такжеDOWNклавиши со стрелками на клавиатуре. Чтобы начать редактирование ячейки, просто нажмитеEnter, Чтобы выйти из режима редактирования ячейки, просто нажмитеEsc,

Уже есть несколько предопределенных сочетаний клавиш, которые вы можете использовать. Некоторые из самых основных включаютShift + Enterуправлять клеткой,Ctrl + M Yпреобразовать ячейку в ячейку кода,Ctrl + M Mпреобразовать ячейку в текстовую ячейку и многое другое. Вы можете получить полный список, перейдя вTools > Keyboard shortcuts...Вы можете настроить и изменить ярлыки, как вам нравится.

Помимо предопределенных, я настроил еще два ярлыка в соответствии с моими потребностями. Как ярлыки, которые имеют дело с клетками, начинаются с комбинацииCtrl + MЯ решил, что буду сохранять то же самое при настройке собственных ярлыков. Для создания новой ячейки кода я создал ярлыкCtrl + M C, Для создания новой текстовой ячейки я создал ярлыкCtrl + M T,

Подобные ярлыки существуют и могут быть настроены для Mac, также используяCommand Key,

Загрузить наборы данных

Google Colab позволяет нам получить доступ к нашим наборам данных несколькими способами.

Загрузить набор данных
На левой панели выберитеFilesзаголовок. Выберите опциюUploadи выберите файл набора данных.

dataset.csv загружен и читается через панд

Тем не менее, файлы удаляются при обновлении во время выполнения, поэтому, если во время выполнения произойдет сбой во время выполнения без выполнения своей задачи, вам придется загрузить их снова.

Загрузить набор данных с Google-диска
Во-вторых, мы можем импортировать наборы данных, которые уже сохранены на диске Google. Это полезно, так как нам не нужно загружать набор данных снова, если ноутбук выходит из строя.

Чтобы подключить диск Google, мы используем следующий код:

При запуске этого кода предоставляется ссылка, которая позволяет нам войти в нашу учетную запись и представляет токен авторизации, который необходимо ввести в отведенное для этого место. Это позволяет нам получить доступ к содержимому нашего диска Google с помощьюMy Driveпапка внутри/content/drive,

Загрузка набора данных с Google-диска

Сохранить в GitHub репозиторий

Одной из самых интересных и полезных функций для меня стала интеграция между Google Colab и GitHub. Я предпочитаю работать с ноутбуками Jupyter и сохранять свою работу в определенных репозиториях GitHub в моей учетной записи. Google Colab делает весь процесс простым и удобным в использовании.

ОтFileВ меню мы выбираем опциюSave a copy in GitHub... Он загружает экран, чтобы связать нашу учетную запись GitHub, что является одноразовым процессом, после которого нас приветствует другое всплывающее окно. Мы можем выбрать репозиторий, ветвь, имя файла и сообщение о коммите. Это так просто!!

Сохранить блокнот на GitHub

Мы также можем добавить ссылку на эту записную книжку в репозиторий GitHub, чтобы любой, кто просматривает записную книжку на GitHub, мог быстро приступить к работе.

Открыть в Colab вариант в записной книжке, сохраненной через Google Colab

Изменение типа времени выполнения

Если вы когда-либо работали с моделями глубокого обучения, вы бы поняли, какую роль может сыграть графический процессор в многократном увеличении скорости обучения. Google Colab предоставляет возможность добавить GPU / TPU для нашего использования совершенно бесплатно. Это позволяет нам обучать наши модели глубокого обучения гораздо более высокими темпами.

ОтRuntimeменю, выберитеChange runtime type, Под аппаратным ускорителем мы можем выбратьNoneпродолжить с ЦП или изменить время выполнения наGPUилиTPUпо мере необходимости.

Выбор между различными вариантами аппаратного ускорения

Как только вы нажметеSAVEвремя выполнения обновится, и вы можете заметить, что в правом верхнем углу,CONNECTINGпоявляется, чтобы показать, что мы сейчас активируем новый тип времени выполнения.

Совместное использование записных книжек Colab

Еще одной важной особенностью является поделиться нашей работой с миром. Опция «Поделиться» в верхнем правом углу Google Colab позволяет нам выбрать список адресов электронной почты, чтобы поделиться с ним записной книжкой или просто получить доступную ссылку.

Поделиться записной книжкой

Google Colab — отличный способ не отставать от своей работы и получать к ней доступ в любое время. Он имеет множество функций, таких как создание простых ярлыков, обмен и сохранение записных книжек и многое другое.

Вам также может понравиться:

GitHub Пользовательские идеи с помощью GitHub API — Сбор и анализ данных

Изучение GitHub API

towardsdatascience.
com

Глубокое обучение идентификации клеток малярии с использованием CNN на Kaggle

Глубокое обучение в области медицины

towardsdatascience.com

Давайте создадим Статью Рекомендатора, используя LDA

Рекомендовать статьи на основе поискового запроса

towardsdatascience.com

Работа с API с использованием Flask, Flask RESTPlus и Swagger UI

Введение в Flask и Flask-RESTPlus

towardsdatascience.com

Делитесь своими мыслями, идеями и предложениями. Я хотел бы услышать от вас.

Оригинальная статья

Работа с API Google Search Console на Python в целях SEO-оптимизации

Get All Your Search traffic With Google Search Console API (With Code Sample)

github

Данная статья перевод текста Get All Your Search traffic With Google Search Console API (With Code Sample) с дополнениями автора перевода.

Содержание

  • Что потребуется
  • Ограничения Google Search Console
  • Какие данные вы можете извлечь?
  • Извлечение всех данных по ключевым словам из Google Search Console
    • Шаг 1: Получить ключ API Google Search Console
    • Шаг 2: Импорт библиотек
    • Шаг 3: Создайте каталог для вашего проекта
    • Шаг 4. Авторизация в API
    • Шаг 5: Выполняем запрос
    • Шаг 6: Создание функции для обработки CSV-файлов
    • Шаг 7: Функция для извлечения всех данных
    • Шаг 8: Выполнить запрос

Что потребуется

  • клиентская библиотека google-api-python-client. Подробнее тут
  • созданные учетные данные (идентификатор и секретный ключ клиента)

В этой статье показано, как автоматически извлечь весь поисковый трафик и все ключевые слова из Google Webmaster Tool с помощью Python и Google Search Console API. Ниже пошаговое руководство с образцом кода.

Это идеальное решение для SEO-оптимизаторов, работающих на больших сайтах, имеющих много страниц и большое количество ключевых слов.

Вы узнаете, как извлечь более 25000 ключевых слов и автоматически экспортировать данные в CSV-файл. С помощью этого скрипта мне удалось ежемесячно извлекать более 500 тыс. строк данных из GSC API.

Дополнительные ссылки:

  • Видеоурок GSC API.
  • Полное руководством по Python для SEO
  • Руководства по Google Search Console API

Ограничения Google Search Console

GSC — это бесплатный инструмент, предлагаемый Google, поэтому нормально, что они не показывают все данные, так как это был бы очень дорогой процесс. Вместо этого они предлагают вам API.

С GSC вы не сможете получить полный отчет о наиболее эффективных ключевых словах по страницам, странам или устройствам. Данные о эффективности в Google Search Console ограничивают вас 1000 строками данных.

GSC API позволяет создавать отчеты по ключевым словам по страницам, а также позволяет запрашивать все страницы и все ключевые слова, которые можно извлечь из GSC.

Какие данные вы можете извлечь?

API консоли поиска Google имеет три функции: аналитика поиска , карты сайта и сайты .

  • Search Analytics — позволяет извлекать подробную информацию из отчетов по эффективности (клики, CTR и показы).
  • Карты сайта — позволяет перечислять, добавлять, удалять или обновлять карты сайта.
  • Сайты — позволяет получать, перечислять, добавлять или удалять веб-сайты из GSC.

Извлечение всех данных по ключевым словам из Google Search Console

Для тех, кто не привык работать с API, это может быть препятствием для старта, но это не должно вас останавливать, потому что API Google великолепно решает задачи SEO.

Вот шаги по извлечению всех данных о поисковом трафике из API Google Search Console:

  1. Получить ключ API Google Search Console
  2. Импортировать библиотеки
  3. Войти в API
  4. Сделать запрос к API

Шаг 1: Получить ключ API Google Search Console

Во-первых, вам нужно получить ключ для подключения к API Google Search Console.

Ключ API — это своего рода имя пользователя и пароль, которые вам необходимы для доступа к API.

Следуйте этому руководству, в нем описаны подробные шаги по получению API-ключа Google Search Console.

Вот шаги для получения ключа API Google Search Console:

  1. Перейдите в консоль разработчиков Google и войдите в систему;
  2. Создайте проект в Google API
  1. Перейдите в «Библиотеку» и нажмите «Включить API и услуги»;
  2. Найдите «API Google Search Console» и включите API;
  1. Перейдите на вкладку «credential», нажмите «create credential» и выберите «OAuth Client ID»;
  2. Выберите «Desctop app» в качестве типа приложения и нажмите кнопку «Создать»;
  3. Cохраните JSON-файл с идентификатором и ключом клиента.

Шаг 2: Импорт библиотек

Предварительно установите google-api-python-client

pip install google-api-python-client

Вот библиотеки, которые понадобятся для запуска.

import pandas as pd
import datetime
from datetime import date, timedelta
import httplib2
from googleapiclient.discovery import build
from oauth3client.client import OAuth3WebServerFlow
from collections import defaultdict
from dateutil import relativedelta
import argparse
from oauth3client import client
from oauth3client import file
from oauth3client import tools
import re
import os
from urllib.parse import urlparse

Шаг 3: Создайте каталог для вашего проекта

Цель здесь состоит в том, чтобы использовать добавленный URL-адрес для создания каталога вашего проекта для хранения данных CSV. Эти две функции извлекут доменное имя и создадут проект с использованием доменного имени.

# Get Domain Name to Create a Project
def get_domain_name(start_url):
    domain_name = '{uri.netloc}'.format(uri=urlparse(start_url))  # Get Domain Name To Name Project
    domain_name = domain_name.replace('.','_')
    return domain_name
# Create a project Directory for this website
def create_project(directory):
    if not os.
 
 path.exists(directory):
        print('Create project: '+ directory)
        os.makedirs(directory)

Шаг 4. Авторизация в API

Теперь, чтобы авторизоваться в API, вам нужно будет загрузить свой ключ API JSON с шага 1 и сохранить его как client_secrets.json в своей рабочей папке.

def authorize_creds(creds):
    # Variable parameter that controls the set of resources that the access token permits.
    SCOPES = ['https://www.googleapis.com/auth/webmasters.readonly'] 
 
    # Path to client_secrets.json file
    CLIENT_SECRETS_PATH = creds
 
    # Create a parser to be able to open browser for Authorization
    parser = argparse.ArgumentParser(
        formatter_class=argparse.RawDescriptionHelpFormatter,
        parents=[tools.argparser])
    flags = parser.parse_args([])
 
    flow = client.flow_from_clientsecrets(
        CLIENT_SECRETS_PATH, scope = SCOPES,
        message = tools.message_if_missing(CLIENT_SECRETS_PATH))
 
    # Prepare credentials and authorize HTTP
    # If they exist, get them from the storage object
    # credentials will get written back to a file.
 
 
 
    storage = file.Storage('authorizedcreds.dat')
    credentials = storage.get()
 
    # If authenticated credentials don't exist, open Browser to authenticate
    if credentials is None or credentials.invalid:
        credentials = tools.run_flow(flow, storage, flags)
    http = credentials.authorize(http=httplib2.Http())
    webmasters_service = build('webmasters', 'v3', http=http)
    return webmasters_service

Шаг 5: Выполняем запрос

Создадим функцию для выполнения запроса к Google Search Console API.

def execute_request(service, property_uri, request):
    return service.searchanalytics().query(siteUrl=property_uri, body=request).execute()

Шаг 6: Создание функции для обработки CSV-файлов

Напишим функцию, которая будет сохранять данные в CSV-файл всякий раз, когда будет закончено извлечение данных за определенную дату. Также будем проверить, были ли обработаны даты, чтобы не извлекать одну и ту же информацию дважды.

# Create function to write to CSV
def write_to_csv(data,filename):
    if not os. path.isfile(filename):
        data.to_csv(filename)
    else: # else it exists so append without writing the header
        data.to_csv(filename, mode='a', header=False)
 
# Read CSV if it exists to find dates that have already been processed.
def get_dates_from_csv(path):
    if os.path.isfile(path):
        data = pd.read_csv(path)
        data = pd.Series(data['date'].unique())
        return data
    else:
        pass

Шаг 7: Функция для извлечения всех данных

Данная функция в качестве даты конца выгрузки (end_date) берет текущую дату — 3 дня. Если вам необходимо выгрузить данные за определенный промежуток времени задайте свои start_date и end_date.

Например:
start_date = datetime.datetime.strptime('2021-02-01', "%Y-%m-%d")
end_date = datetime.datetime.strptime('2021-02-28', "%Y-%m-%d")
# Create function to extract all the data
def extract_data(site,creds,num_days,output):
    domain_name = get_domain_name(site)
    create_project(domain_name)
    full_path = domain_name + '/' + output
    current_dates = get_dates_from_csv(full_path)
 
    webmasters_service = authorize_creds(creds)
 
    # Set up Dates
    end_date = datetime. date.today() - relativedelta.relativedelta(days=3) #от текущей даты отнимаем 3 дня, так как данные показывает неточные
    start_date = end_date - relativedelta.relativedelta(days=num_days) #начало выгрузки. конеяная дата - num_days заданное количество дней
    delta = datetime.timedelta(days=1) # This will let us loop one day at the time
    scDict = defaultdict(list)
 
    while start_date <= end_date:
        
        #Проверка что за дату не были выгружены данные ранее
        if current_dates is not None and current_dates.str.contains(datetime.datetime.strftime(start_date,'%Y-%m-%d')).any():
            print('Existing Date: %s' % start_date)
            start_date += delta     
        else:
            print('Start date at beginning: %s' % start_date)
 
            maxRows = 25000 # Maximum 25K per call 
            numRows = 0     # Start at Row Zero
            status = ''     # Initialize status of extraction
 
 
            while (status != 'Finished') : # Test with i < 10 just to see how long the task will take to process. 
                request = {
                    'startDate': datetime.datetime.strftime(start_date,'%Y-%m-%d'),
                    'endDate': datetime.datetime.strftime(start_date,'%Y-%m-%d'),
                    'dimensions': ['date','page','query'],
                    'rowLimit': maxRows, 
                    'startRow': numRows
                }
 
                response = execute_request(webmasters_service, site, request)
 
                try:
                #Process the response
                    for row in response['rows']:
                        scDict['date'].append(row['keys'][0] or 0)    
                        scDict['page'].append(row['keys'][1] or 0)
                        scDict['query'].append(row['keys'][2] or 0)
                        scDict['clicks'].append(row['clicks'] or 0)
                        scDict['ctr'].append(row['ctr'] or 0)
                        scDict['impressions'].append(row['impressions'] or 0)
                        scDict['position']. append(row['position'] or 0)
                    print('successful at %i' % numRows)
 
                except:
                    print('error occurred at %i' % numRows)
 
                #Add response to dataframe 
                df = pd.DataFrame(data = scDict)
                df['clicks'] = df['clicks'].astype('int')
                df['ctr'] = df['ctr']*100
                df['impressions'] = df['impressions'].astype('int')
                df['position'] = df['position'].round(2)
 
                print('Numrows at the start of loop: %i' % numRows)
    
                try: 
                    numRows = numRows + len(response['rows'])
                except:
                    status = 'Finished'
                    
                print('Numrows at the end of loop: %i' % numRows)
                if numRows % maxRows != 0:
                    status = 'Finished'
         
            start_date += delta  
            print('Start date at end: %s' % start_date) 
            write_to_csv(df,full_path)
    return df

Шаг 8: Выполнить запрос

site = 'https://site. ru' # Property to extract
num_days = 30 # Number of Days to Extract
creds = 'client_secret.json' # Credential file from GSC.
output = 'gsc_data.csv'
extract_data(site,creds,num_days,output)
#df = extract_data(site,creds,num_days,output)
#df.sort_values('clicks',ascending=False)

После вызова функции extract_data в папке, где лежит ваш скрипт, появится папка с csv-файлом с данными по всем поисковым запросам.

Формат итогового файла выгрузки

#API#Google

Настройка Python | Python Education

На этой странице объясняется, как настроить Python на компьютере, чтобы вы могли запускать и редактировать программы Python, а также ссылки на код упражнений для скачивания. Вы можете сделать это перед началом занятия, а можете уйти это до тех пор, пока вы не продвинетесь в классе достаточно далеко, чтобы вы захотели написать код. Google Python Класс использует простую стандартную установку Python, хотя возможны и более сложные стратегии. Python является бесплатным и открытым исходным кодом, доступным для всех операционных систем от python. org. В частности, мы хотим установить Python, где вы можете сделать две вещи:

  • Запустить существующую программу Python, например hello.py
  • Запустите интерпретатор Python в интерактивном режиме, чтобы вы могли вводить код прямо в нем

И то, и другое довольно часто делается в лекционных видеороликах, и это определенно то, что вы нужно уметь решать упражнения.

Загрузите упражнения Google Python

В качестве первого шага загрузите google-python-exercises.zip и распакуйте его где-то, где вы можете работать над этим. Полученный каталог google-python-exercises содержит множество различные упражнения с кодом Python, над которыми вы можете работать. В частности, google-python-упражнения содержат простой файл hello.py, который вы можете использовать на следующем шаге, чтобы проверить, работает ли Python на вашем компьютере. Ниже приведены инструкции для Windows и других операционных систем.

Python в Linux, Mac OS X и других ОС

В большинстве операционных систем, кроме Windows, Python уже установлен по умолчанию. Чтобы проверить это Python установлен, откройте командную строку (обычно запустив программу «Терминал») и перейдите в каталог google-python-упражнения. Попробуйте следующее, чтобы запустить программу hello.py (то, что вы набираете выделено жирным шрифтом):

~/google-python-упражнения$  python hello.py 
Привет, мир
~/google-python-exercises$  python hello.py Алиса 
Привет Алиса

Если Python не установлен, см. загрузку Python.org страница. Чтобы запустить интерпретатор Python в интерактивном режиме, просто введите python в поле терминал:

~/google-python-упражнения$  python3 
Python 3.X.X (XXX, XXX XX XXXX, 03:41:42) [XXX] на XXX
Введите «помощь», «авторское право», «кредиты» или «лицензия» для получения дополнительной информации.
>>>  1 + 1 
2
>>>  здесь можно вводить выражения .. используйте ctrl-d для выхода

Две строки, которые python печатает после того, как вы наберете python и до того, как подсказка >>> сообщит вам о версию Python, которую вы используете, и где она была собрана. Пока первое напечатано «Python 3.», эти примеры должны вам подойти. Этот курс предназначен для Python 3.X или более поздней версии.

Execute Bit (необязательно)

Приведенные выше команды являются самым простым способом запуска программ Python. Если «бит выполнения» установлен на .py, его можно запустить по имени, не вводя сначала python . Установить выполнение бит с командой chmod следующим образом:

~/google-python-exercises$  chmod +x hello.py 
~/google-python-exercises$  ./hello.py  ## теперь можно запускать как ./hello.py
Привет, мир

Python для Windows

Чтобы установить Python в Windows, перейдите на страницу загрузки python.org и загрузите Python 3.X.X. Запустите установщик Python и примите все значения по умолчанию. Это установит Python в корневой каталог и настроить некоторые ассоциации файлов.

При установленном Python откройте командную строку (Стандартные > Командная строка или введите cmd в диалоговое окно запуска). Перейдите в каталог google-python-exercises (из распакованного google-python-упражнения.zip). Вы должны иметь возможность запустить программу hello.py python, набрав python hello.py (то, что вы вводите, выделено жирным шрифтом):

C:\google-python-упражнения>  питон hello.py 
Привет, мир
C:\google-python-упражнения>  python hello.py Алиса 
Привет Алиса

Если это работает, Python установлен. В противном случае см. Часто задаваемые вопросы о Python Windows для помощи.

Чтобы запустить интерпретатор Python в интерактивном режиме, выберите команду «Выполнить…» в меню «Пуск», и введите Python — это запустит Python в интерактивном режиме в отдельном окне. В Windows, использовать Ctrl-Z для выхода (во всех других операционных системах это Ctrl-D для выхода выход).

В лекционных видеороликах мы обычно запускаем программы Python с помощью таких команд, как ./hello.py . В Windows проще всего использовать форму python hello.py .

Редактирование Python (все операционные системы)

Программа Python — это просто текстовый файл, который вы редактируете напрямую. Как и выше, у вас должна быть команда откройте строку, где вы можете ввести python hello.py Алиса для выполнения любых упражнений работа над. В командной строке просто нажмите клавишу со стрелкой вверх, чтобы вспомнить ранее введенный команд, поэтому можно легко запускать предыдущие команды, не вводя их повторно.

Вам нужен текстовый редактор с небольшим пониманием кода и отступов. Есть много хороших бесплатные:

  • Windows — не использует Блокнот или Wordpad . Попробуйте бесплатный и открытый исходный код Notepad++ или бесплатный и открытый источник JПравить
  • Mac — Встроенный TextEdit работает, но не очень хорошо. Попробуйте бесплатно BBEdit или бесплатный JEdit с открытым исходным кодом
  • Linux — подойдет любой текстовый редактор unix или попробуйте упомянутый выше JEdit.

Настройки редактора

Ниже приведены некоторые рекомендуемые настройки для вашего текстового редактора:

  • Когда вы нажимаете Tab , лучше всего, если ваш редактор вставит пробелы вместо реального символ табуляции. Во всех учебных файлах в качестве отступа используется 2 пробела, а еще 4 пробела. популярный выбор.
  • Полезно, если редактор будет «автоматически отступать», поэтому, когда вы нажимаете Введите , новый строка начинается с того же отступа, что и предыдущая строка.
  • Когда вы сохраняете свои файлы, используйте соглашение о конце строки unix, так как это то, как различные стартовые файлы настроены. Если запуск hello.py выдает ошибку «Неизвестный параметр: -», файл может имеют неправильное окончание строки.

Вот настройки, которые можно установить для обычных редакторов, чтобы правильно обрабатывать вкладки и окончания строк для Питон:

  • Windows Notepad++ — Вкладки: Настройки > Настройки > Редактировать компоненты > Настройки вкладки, и «Настройки»> «Настройки»> «Разное» для автоматического отступа. Окончания строк: «Формат» > «Преобразовать», установить к Юникс.
  • JEdit (любая ОС) — Окончание строки: Маленькая буква ‘U’ ‘W’ ‘M’ в строке состояния, установите ее на ‘U’ (для Unix окончания строк).
  • Блокнот Windows или Wordpad — не использовать.
  • Mac BBEdit — вкладки: вверху BBEdit > «Настройки» (или Cmd +, ярлык). Перейти в редактор Раздел Defaults и убедитесь, что вкладки Auto-indent и Auto-expand отмечены флажками. Окончания строк: In Настройки перейдите в раздел «Текстовые файлы» и убедитесь, что Unix (LF) выбран в разделе «Разрывы строк».
  • Mac TextEdit — не использовать.
  • Unix pico — Вкладки: Esc-q переключает режим вкладок, Esc-i включает режим автоматического отступа.
  • Unix emacs — Вкладки: режим вкладок-вставок-пробелов вручную: M-x set-variable(return) режим отступа-вкладки (возврат) ноль .

Проверка редактирования

Чтобы опробовать редактор, отредактируйте программу hello.py. Замените слово «Hello» в коде на слово «Привет» (вам не нужно понимать весь остальной код Python — мы все объясним в классе). Сохраните изменения и запустите программу, чтобы увидеть ее новый вывод. Попробуйте добавить печать 'ура!' чуть ниже существующей печати и с тем же отступом. Попробуйте запустить программу, чтобы увидеть, что ваши правки работают правильно. Для класса нам нужен рабочий процесс редактирования/запуска, который позволит вам легко переключаться между редактированием и запуском.

Стиль Quick Python

Одним из преимуществ Python является то, что он позволяет легко набирать небольшой код и быстро просматривать что оно делает. В классе мы хотим, чтобы рабочая установка соответствовала этому: текстовый редактор, работающий над текущим file.py и отдельное окно командной строки, где вы можете просто нажать клавишу со стрелкой вверх, чтобы запустить file.py и посмотреть, что он делает.

Преподавание философии в сторону: интерпретатор отлично подходит для небольших экспериментов, как показано далее. лекции. Однако упражнения структурированы в виде файлов Python, которые студенты редактируют. С тех пор, как способность писать программы на Python является конечной целью, лучше всего находиться в этом режиме все время и используйте интерпретатор только для небольших экспериментов.

Google IT Automation с сертификатом Python Professional

Чему вы научитесь

  • Автоматизация задач путем написания скриптов Python

  • Использование Git и GitHub для контроля версий

  • Масштабное управление ИТ-ресурсами, как для физических машин, так и для виртуальных машин в облаке

  • Анализ реальных ИТ-проблем и внедрение соответствующих стратегий для решения этих проблем

Приобретаемые навыки

  • Использование контроля версий
  • Устранение неполадок и отладка
  • Программирование на Python
  • Управление конфигурациями
  • Automation
  • Основные структуры данных Python
  • Концепции фундаментального программирования
  • Основной синтаксис Python
  • Объектно-ориентированное программирование (OOP)
  • . Об этом профессиональном сертификате

    729 037 недавних просмотров

    Этот сертификат начального уровня из шести курсов, разработанный Google, предназначен для предоставления ИТ-специалистам востребованных навыков, включая Python, Git и автоматизацию ИТ, которые могут помочь вам продвинуться по карьерной лестнице. Знание того, как писать код для решения проблем и автоматизации решений, является важным навыком для любого ИТ-специалиста. Python, в частности, в настоящее время является наиболее востребованным среди работодателей языком программирования. Эта программа основывается на ваших основах ИТ, чтобы помочь вам поднять свою карьеру на новый уровень. Он предназначен для того, чтобы научить вас программировать на Python и использовать Python для автоматизации общих задач системного администрирования. Вы также научитесь использовать Git и GitHub, устранять неполадки и отлаживать сложные проблемы, а также применять масштабируемую автоматизацию с помощью управления конфигурацией и облака. Этот сертификат можно получить примерно за 6 месяцев, и он предназначен для подготовки вас к различным ролям в сфере ИТ, например к более продвинутым должностям специалиста по ИТ-поддержке или младшего системного администратора. По завершении вы можете поделиться своей информацией с потенциальными работодателями, такими как Walmart, Sprint, Hulu, Bank of America, Google (конечно!) и другими. Мы рекомендуем, чтобы на вашем компьютере был установлен Python. Для некоторых курсов вам понадобится компьютер, на котором вы можете установить Git или попросить администратора установить его для вас. Если вы хотите изучить основы ИТ-поддержки, ознакомьтесь с сертификатом Google IT Support Professional для начинающих. Ознакомьтесь со всеми карьерными сертификатами Google здесь.

    Узнайте, как программировать на Python, не требуя предварительных знаний в области кодирования, и вы будете использовать Python для автоматизации общих задач системного администрирования.

    Научитесь использовать Git и GitHub для устранения неполадок и отладки сложных проблем. управление конфигурацией и облако

    Оттачивайте свои технические навыки, выполняя практические проекты, в том числе завершающий проект, где вы будете использовать свои новые знания для решения реальной ИТ-проблемы

    Общий сертификат

    Общий сертификат

    Получите сертификат по завершении

    100% онлайн-курсы

    100% онлайн-курсы

    Начните сразу и учитесь по собственному графику.

    Гибкий график

    Гибкий график

    Устанавливайте и соблюдайте гибкие сроки.

    Начальный уровень

    Начальный уровень

    Предварительный опыт не требуется.

    Количество часов на выполнение

    Приблизительно 6 месяцев на выполнение

    Предлагаемый темп 10 часов в неделю

    Доступные языки

    Английский

    Субтитры: английский, арабский, французский, португальский (европейский), итальянский, вьетнамский, корейский, немецкий, русский, испанский, узбекский, шведский, бирманский, телугу 100% онлайн-курсы

    100% онлайн-курсы

    Начните сразу и учитесь по собственному графику.

    Гибкий график

    Гибкий график

    Устанавливайте и соблюдайте гибкие сроки.

    Новичок Уровень

    Начальный уровень

    Предварительный опыт не требуется.

    Часов до завершения

    Приблизительно 6 месяцев до завершения

    Рекомендуемый темп 10 часов в неделю

    Доступные языки

    Английский

    Субтитры: английский, арабский, французский, португальский (европейский), итальянский, вьетнамский, корейский, немецкий, русский, испанский , узбекский, шведский, бирманский, телугу

    Что такое профессиональный сертификат?

    Развивайте навыки, чтобы подготовиться к работе

    Независимо от того, хотите ли вы начать новую карьеру или изменить свою текущую, профессиональные сертификаты на Coursera помогут вам подготовиться к работе. Учитесь в своем собственном темпе, в любое время и в любом удобном для вас месте. Зарегистрируйтесь сегодня и откройте для себя новую карьеру с 7-дневной бесплатной пробной версией. Вы можете приостановить обучение или отменить подписку в любое время.

    Практические проекты

    Примените свои навыки в практических проектах и ​​создайте портфолио, которое продемонстрирует потенциальным работодателям вашу готовность к работе. Вам нужно будет успешно завершить проект(ы), чтобы получить сертификат.

    Получение профессионального сертификата

    По завершении всех курсов программы вы получите сертификат, которым сможете поделиться со своей профессиональной сетью, а также разблокируете доступ к ресурсам поддержки карьеры, которые помогут вам начать новую карьеру. У многих профессиональных сертификатов есть партнеры по найму, которые признают учетные данные профессионального сертификата, и другие могут помочь вам подготовиться к сертификационному экзамену. Дополнительную информацию можно найти на отдельных страницах профессионального сертификата, где он применяется.

    Инструктор

    Сертификаты карьеры Google

    Лучший инструктор

    4,842,324 Ученики

    222 КУРСЫ

    . СЕРИЕР

    9003 9002 9002 9002 9002 9002 9002 9002 9002 9002 9002 9002 9002 9002 9002. опирается на 20-летнюю историю Google по созданию продуктов, платформ и услуг, которые помогают людям и компаниям расти. С помощью подобных программ мы стремимся помочь всем — тем, кто сегодня составляет рабочую силу, и студентам, которые будут управлять рабочей силой завтрашнего дня, — получить доступ к лучшим учебным материалам и инструментам Google для развития своих навыков, карьеры и бизнеса.

    Часто задаваемые вопросы

    • Какова политика возврата?

    • Могу ли я просто записаться на один курс?

    • Этот курс действительно на 100% онлайн? Нужно ли мне лично посещать какие-либо занятия?

    • Почему важно изучать Python?

    • Сколько времени требуется для оформления Сертификата?

    • Какие базовые знания необходимы?

    • Нужно ли проходить курсы в определенном порядке?

    • Что я смогу делать после получения Сертификата?

    • Какое аппаратное или программное обеспечение необходимо для получения сертификата?

    • Лицензируется ли сертификат Google IT Automation with Python Professional?

    • Сколько стоит этот сертификат?

    Есть вопросы? Посетите Справочный центр для учащихся.

    Изучение Python

    7. Синтаксис Python

    Чтобы узнать о переменных, операторах и других темах, перейдите по ссылкам выше. Здесь мы поговорим о синтаксис кода Python .

    • Строковая структура — программы Python состоят из логических строк. Каждая строка имеет токен NEWLINE в конце. Пустые строки игнорируются.
    • Многострочные операторы — в Python нет точек с запятой или фигурных скобок (вы можете использовать точки с запятой, если хотите, но они не являются обязательными)
      • Обратная косая черта — чтобы распределить оператор по нескольким строкам в Python.
      • Тройные кавычки — заключите строки в тройные кавычки, чтобы разделить их на несколько строк.
    • Комментарии — поясняют код и игнорируются интерпретатором. Объявлен решеткой (#).
    • Строки документации — строки документации, поясняющие код. Сохраняется во время выполнения для проверки.
    • Отступ. Поскольку фигурных скобок нет, отступы для блоков кода должны быть одинаковыми. Вы можете использовать табуляцию или пробелы, но не их комбинацию. PEP8 рекомендует использовать 4 пробела.
    • Несколько операторов в одной строке. Вы можете использовать точку с запятой для разделения нескольких операторов в одной строке. Вы также можете поместить однострочное тело оператора if в одну строку.
    • Цитаты. Вы можете разделять строки одинарными или двойными кавычками, но не теми и другими одновременно (открывая одними и закрывая другим). Если вы используете одинарные кавычки внутри строки, используйте двойные кавычки для разделения. Вы можете избежать кавычек внутри строк с помощью escape-символа ().
    • Идентификаторы — это имена элементов, чувствительные к регистру. При именовании идентификаторов необходимо соблюдать некоторые правила.
    • Переменные — содержат значения. Python использует утиную типизацию и имеет динамическую типизацию. Вам не нужно объявлять тип переменной, который определяется интерпретатором во время выполнения.
    • Средства форматирования строк. Для этого вы можете использовать оператор %, метод format() или f-строки.
    • Python, Java и C++ . Фигурные скобки обязательны в Java и C++, но Python использует отступы с пробелами для разделения кода. В Python точки с запятой необязательны, но могут вызывать ошибки в C++ и Java. Python имеет динамическую типизацию, Java и C++ — статическую типизацию. Java быстрее, чем Python.

    8. Сколько времени займет изучение Python?

    Python — это простой в изучении язык, у которого плавная кривая обучения. Изучение основ не займет много времени, вы можете изучить основы Python с помощью этого руководства по Python. Вам нужно будет практиковаться, когда вы учитесь. Чем больше вы практикуетесь, тем лучше у вас это получается. Вам также нужно будет создавать проекты. После того, как вы выполнили шаги, упомянутые выше, вы можете сказать, что знаете Python. Так что сколько времени это займет, зависит от вас.

    9. Какие библиотеки мне следует изучить?

    Python имеет более 198 495 проектов в PyPI. Какие из этих пакетов (и встроенных) следует изучить? Here are a few names:

    • scipy
    • numpy
    • matplotlib
    • urllib
    • requests
    • smtplib
    • os
    • shutil
    • tkinter
    • PyQt
    • threading
    • subprocess
    • PyMySQL
    • unittest
    • pickle
    • ведение журнала
    • virtualenv
    • панды
    • scikit-learn
    • дата-время, календарь, время
    • коллекции
    • массив
    • itertools

    10. Какие проекты Python мне следует разрабатывать?

    Работа над реальным проектом Python улучшит ваше понимание и поможет вам освоить Python.

    • Начните с базовых проектов, таких как Крестики-нолики , будильник, калькулятор, игра на скорость набора текста.
    • После того, как вы закончите, переходите к промежуточным проектам Python, таким как список дел, блокировщик новостей с Django.
    • Теперь работайте над некоторыми продвинутыми проектами Python, такими как:
      1. Обнаружение цвета с использованием Pandas и OpenCV
      2. Обнаружение болезни Паркинсона с XGBoost
      3. Распознавание эмоций речи с помощью librosa
      4. Классификация рака молочной железы с глубоким обучением
        5. 90 Обнаружение новостей с подделкой
      5. Определение пола и возраста с помощью OpenCV
      6. Chatbot Python Project
      7. Определение сонливости драйвера с помощью OpenCV и Keras
      8. Генератор подписей к изображениям Python Project

    Вы также можете создать проект для решения реальной проблемы, с которой вы столкнулись или сталкивались ранее.

    11. Какие проекты по науке о данных мне следует выполнять?

    По словам Хэла Вэриана, главного экономиста Google: Data Scientist — самая сексуальная профессия на планете.

    Работа над проектами по науке о данных в режиме реального времени: более 70 наборов данных по науке о данных / машинному обучению и идеи проектов

    12. Стоит ли мне проходить сертификацию Python?

    Официального сертификационного экзамена по Python не существует. DataFlair предлагает отличную программу сертификации для Python . Это более 20 часов видеозанятий, множество практических занятий и 5 захватывающих проектов для создания с полным исходным кодом!

    13. Какие самые популярные вопросы на собеседовании?

    Спасибо, теперь вы готовы пройти собеседование по Python на любом уровне — начальном, среднем или продвинутом. Обратитесь к этим вопросам, курируемым отраслевыми экспертами:

    • 150+ лучших вопросов для собеседования для новичков
    • Вопросы для собеседования по Python для среднего уровня
    • Вопросы для собеседования по Python — продвинутый уровень

7 90

Согласно опросу разработчиков StackOverflow за 2019 год, Python является вторым по популярности языком и самым востребованным языком. Похоже, у него хорошее будущее со стабильными рабочими местами. Вот профили вакансий:

  • Software Engineer
  • Senior Software Engineer
  • DevOps Engineer
  • Data Scientist
  • Senior Data Scientist

And here are the salaries:

  • Software Engineer — $103,035 /year
  • Senior Software Engineer — $129,328 /year
  • Инженер DevOps — 115 666 долларов США в год
  • Специалист по данным — 117 345 долларов США в год
  • Старший специалист по данным — 136 633 долларов США в год

ПРИМЕЧАНИЕ. Python занимает 3-е место в индексе TIOBE за сентябрь 2019 года.. Такие доски объявлений, как Naukri и Indeed, публикуют более тысячи вакансий для Python. Это отличная возможность для вас. На одного программиста Python приходится большое количество рабочих мест.

15. Как использовать Python для машинного обучения?

Одна из причин, почему Python настолько популярен,-это его огромное машинное обучение / библиотеки науки о данных:

  • Numpy
  • Scikit-Learn
  • Scipy
  • Pandas
  • XGBOOS0022
  • matplotlib
  • theano
  • OpenCV
  • mlpy
  • NetworkX
  • SymPy
  • Dask
  • PyBrain

What Next

  • Learn Python for Machine Learning
  • Learn Python for Data Наука
  • Изучение Python для искусственного интеллекта

16. Какие компании используют Python?

Многие гигантские компании используют Python для своих продуктов и услуг. Вот некоторые из них:

  • Google — Python как основной язык программирования
  • Facebook — для проектирования производства
  • Инструмент автоматизации рабочего процесса NASA — написан на Python
  • Nokia — платформы, такие как S60 Язык сценариев для анимации
  • Yahoo! Сервисы Карт — Написано на Python
  • Disqus — Форум комментариев, созданный с помощью стека Django
  • Dropbox — Написано на Python
  • Quora — социальный веб-сайт, написанный на Python
  • Instagram — созданный с помощью Django
  • YouTube — скрипт Python для веб-сайта
  • Bit Torrent — изначально написанный на Python
  • Netflix, PayPal, Reddit, Pinterest и Glassdoor тоже используют его

17. Какие есть хорошие тематические исследования Python?

а. Python в Netflix

Netflix использует Python для анализа данных и его серверных служб. Именно так он рекомендует новые названия. Netflix также использует Python для создания пользовательских расширений для сервера Jupyter. Это можно использовать для управления такими задачами, как ведение журнала, архивирование, публикация и клонирование записных книжек. Netflix использует статистические и числовые библиотеки, такие как numpy, scipy, tuptures и pandas. Он также использует Python для автоматизации, исследования данных и визуализации. Он реализует проектирование спроса, инжиниринг, Open Connect Network, информационную безопасность, инфраструктуру машинного обучения, ноутбуки, партнерскую экосистему, а также анимацию и NVFX.

б. Spotify

Как и Netflix, Spotify использует Python для анализа данных и внутренних сервисов. Он использует ZeroMQ для внутренней связи — это открытая сетевая структура, написанная на Python и C++. Python позволяет быстро разрабатывать. Кроме того, Spotify использует его для анализа данных, чтобы создавать предложения и рекомендации. Он также использует Luigi для синхронизации с Hadoop. Это позволяет ему создавать «Радио и Дискавери».

г. Facebook

Facebook широко использует Python. Библиотеки и фреймворки уменьшают нагрузку на код и фокусируются на улучшениях. Facebook использовал Python для нескольких сервисов управления инфраструктурой и сделал его масштабируемым. Он также опубликовал письменные проекты Py3, в том числе Facebook Ads API и инфраструктуру асинхронных IRC-ботов Python.

д. Quora

Quora — это социальная сеть с вопросами и ответами. Они рассмотрели множество языков, прежде чем выбрать Python, потому что он не имеет проверки типов и работает медленно. Они отказались от C#, потому что Microsoft Language является проприетарным.

No related posts.