Разработка программного обеспечения
Объяснение модуля Python JSON: дампы, загрузки, пользовательские типы и распространенные ошибки
JSON — это то, как большинство программ обмениваются данными, а встроенный в Python модуль json читает и записывает их в одну строку. Однако детали имеют значение: даты, десятичные дроби, числовые клавиши и числа с плавающей запятой — все это меняется по ходу выполнения. Мы протестировали каждый случай.
json.dumpsпревращает объекты Python в строку JSON;json.loadsпревращает JSON обратно в Python.dumpиloadделают то же самое с файлами.- Кортежи становятся списками, а целочисленные ключи словаря становятся строками, поэтому обращение туда и обратно не всегда идентично.
- Даты, десятичные числа, множества и UUID поднимаются
TypeError; обрабатывайте их с помощьюdefault=или специального кодировщика. - Используйте
parse_float=Decimalдля получения денег и проверяйте проанализированные данные, прежде чем доверять им.
API возвращает данные заказа, файл конфигурации хранит настройки, тестовое приспособление содержит ожидаемые результаты: все они, вероятно, являются JSON. Модуль Python JSON встроен, с ним быстро и легко начать работу, но его крайние случаи проявляются при первой попытке сохранить дату, Decimal или словарь с цифровыми клавишами.
Мы выполнили каждый приведенный ниже пример с помощью Python 3.13, и результаты получены в результате этого запуска.
Что такое JSON?
JSON, нотация объектов JavaScript, представляет собой текстовый формат для структурированных данных: объектов (пар ключ-значение), массивов, строк, чисел, true, false и null. Это стандартный формат для веб-API, и его легко читать людям. Его правила строги: ключи должны быть строками в двойных кавычках, без запятых и комментариев.
свалки и грузы
import json
data = {"id": 7, "name": "Asha", "tags": ["admin"], "active": True, "score": None, "price": 10.5}
s = json.dumps(data)
print(s)
# {"id": 7, "name": "Asha", "tags": ["admin"], "active": true, "score": null, "price": 10.5}
back = json.loads(s)
# types: id int, name str, tags list, active bool, score NoneType, price float
Обратите внимание, что True стало true, а None стало null; на обратном пути они вернулись к своим Python-формам. Буква «s» в dumps и loads означает «строка».
Сопоставление типов
| Питон | JSON | Вернемся к Питону |
|---|---|---|
диктовать |
объект | диктовать |
list, tuple |
массив | список |
ул. |
строка | ул. |
int, float |
номер | int или float |
True/False |
true/false |
True/False |
Нет |
ноль |
Нет |
date, Decimal, set, UUID |
Не поддерживается | TypeError на свалках |
Что меняется по ходу
json.loads(json.dumps({"p": (1, 2)})) # {'p': [1, 2]}
json.loads(json.dumps({1: "one", 2: "two"})) # {'1': 'one', '2': 'two'}
json.loads('{"a": 1, "a": 2}') # {'a': 2}
Кортеж вернулся в виде списка, а целочисленные ключи вернулись в виде строк, поскольку ключи объекта JSON всегда являются строками. Код, который позже ищет data[1], получит KeyError, распространенную ошибку при кэшировании словарей в формате JSON. Документ с дубликатом ключа был принят автоматически, причем выиграло последнее значение. Рассматривайте передачу JSON туда и обратно как преобразование, а не идеальную копию.
Форматирование вывода
json.dumps({"b": 1, "a": [1, 2]}, indent=2, sort_keys=True)
# {
# "a": [
# 1,
# 2
# ],
# "b": 1
# }
json.dumps({"a": 1, "b": [1, 2]}, separators=(",", ":"))
# {"a":1,"b":[1,2]}
Используйте indent для файлов, которые читают люди, таких как конфигурация или тестовые приспособления и sort_keys=True, чтобы различия в системе контроля версий оставались небольшими и стабильными. Используйте компактные разделители для экономии байтов при отправке данных по сети.
Юникод
json.dumps({"note": "नमस्ते"})
# {"note": "नमस्ते"}
json.dumps({"note": "नमस्ते"}, ensure_ascii=False)
# {"note": "नमस्ते"}
По умолчанию каждый символ, отличный от ASCII, экранируется. Обе формы являются допустимыми JSON и декодируются в один и тот же текст, но экранированные выходные данные трудно читать и имеют больший размер. Используйте ensure_ascii=False и записывайте файлы с помощью encoding="utf-8" для читаемого вывода.
Чтение и запись файлов
with open(path, "w", encoding="utf-8") as f:
json.dump(data, f, indent=2)
with open(path, encoding="utf-8") as f:
loaded = json.load(f)
print(loaded == data) # True
Всегда передавайте явную кодировку; в Windows значением по умолчанию может быть не UTF-8. Блок with закрывает файл, даже если запись не удалась, как описано в нашем руководстве по контекстным менеджерам. Подробнее о файлах см. в разделе Обработка файлов в Python.
Даты, десятичные дроби и ваши собственные объекты
Общие типы не поддерживаются «из коробки». Наши тесты выявили:
TypeError: Object of type date is not JSON serializable
TypeError: Object of type Decimal is not JSON serializable
TypeError: Object of type set is not JSON serializable
TypeError: Object of type UUID is not JSON serializable
Самым простым решением является функция default, которая dumps вызывает любой объект, который она не может обработать:
def default(o):
if isinstance(o, (datetime.date, datetime.datetime)): return o.isoformat()
if isinstance(o, decimal.Decimal): return str(o)
if isinstance(o, set): return sorted(o)
if dataclasses.is_dataclass(o): return dataclasses.asdict(o)
raise TypeError(f"not serializable: {type(o).__name__}")
json.dumps({"order": Order(101, Decimal("1180.50"), date(2026, 11, 11)),
"tags": {"b", "a"}}, default=default)
# {"order": {"id": 101, "total": "1180.50", "placed": "2026-11-11"}, "tags": ["a", "b"]}
Даты стали строками ISO, Decimal стал строкой, сохраняющей свое точное значение, набор стал отсортированным списком, а класс данных стал словарем. Всегда заканчивайте на raise TypeError, чтобы неожиданные типы громко терпели неудачу, а не молча превращались во что-то неправильное.
Расшифровка пользовательских типов обратно
class Enc(json.JSONEncoder):
def default(self, o):
if isinstance(o, datetime.date):
return {"__date__": o.isoformat()}
return super().default(o)
def hook(d):
return datetime.date.fromisoformat(d["__date__"]) if "__date__" in d else d
json.loads(json.dumps({"d": date(2026, 11, 11)}, cls=Enc), object_hook=hook)
# {'d': datetime.date(2026, 11, 11)}
Подкласс JSONEncoder, передаваемый с cls=, выполняет ту же работу, что и default= в повторно используемом классе. На обратном пути для каждого декодированного объекта вызывается object_hook, позволяя вам превратить словари с тегами обратно в даты или ваши собственные классы. Для всего, что выходит за рамки нескольких типов, библиотека, такая как Pydantic, выполняет преобразование и проверку вместе, как показано в нашем руководстве по структурированному выводу.
Совет. Согласуйте один формат даты для всей вашей системы, обычно ISO 8601 с часовым поясом, например 2026-11-11T09:30:00+05:30 или UTC с буквой «Z». Смешанные форматы в сервисах вызывают гораздо больше ошибок, чем сам JSON.
Плавающие числа и большие числа
json.loads("0.1") + json.loads("0.2") # 0.30000000000000004
json.loads("0.1", parse_float=Decimal) + json.loads("0.2", parse_float=Decimal) # 0.3
json.loads("12345678901234567890") # 12345678901234567890
Числа JSON становятся числами с плавающей точкой Python с обычным двоичным округлением. Для денег передайте parse_float=decimal.Decimal или отправляйте суммы в виде строк или целых чисел наименьшей единицы. Python сохраняет ровно 20-значное целое число, но JavaScript и многие другие языки не могут точно представлять целые числа выше 253, поэтому большие идентификаторы часто передаются в виде строк.
Python также по умолчанию записывает NaN и Infinity, которые не являются допустимым JSON и нарушат работу других анализаторов. allow_nan=False вместо этого делает это ошибкой: «Значения с плавающей запятой вне диапазона не совместимы с JSON: nan».
Ошибки разбора
"{'a': 1}" Expecting property name enclosed in double quotes (line 1 col 2)
'{"a": 1,}' Illegal trailing comma before end of object (line 1 col 8)
'{"a": 1} extra' Extra data (line 1 col 10)
'' Expecting value (line 1 col 1)
'{"a": tru}' Expecting value (line 1 col 7)
Каждый неверный ввод вызывал json.JSONDecodeError с сообщением и позицией. Первый случай, одинарные кавычки, обычно означает, что кто-то вставил распечатку Python dict вместо настоящего JSON. Пустая строка часто означает, что API ничего не вернул, например, в случае ошибки, поэтому перед анализом проверьте статус HTTP. Обратите внимание на JSONDecodeError, где входные данные поступают извне вашей программы.
Строки JSON для больших данных
lines = '{"id":1}\n{"id":2}\n'
[json.loads(l)["id"] for l in lines.splitlines()] # [1, 2]
json.load считывает весь документ в память. Для журналов и большого экспорта строки JSON (по одному объекту JSON в каждой строке) могут обрабатываться по одной записи за раз и безопасно добавляться к ним. Этот формат используется многими инструментами ведения журналов; информацию о структурированных журналах см. в нашем Руководстве по ведению журналов Python.
Валидация и безопасность
json.loads безопасен в том смысле, что создает только базовые типы данных; в отличие от некоторых форматов, он никогда не запускает код. Но проанализированные данные все равно могут быть неправильными: отсутствующие поля, неправильные типы или огромная полезная нагрузка. Перед использованием проверяйте форму со схемой или моделью, ограничивайте размеры запросов и никогда не передавайте значения JSON напрямую в команды SQL или оболочки. Контрактные тесты помогают поддерживать стабильность между сервисами.
Скорость и альтернативы
Модуль json стандартной библиотеки достаточно быстр для большинства приложений. Когда обработка JSON проявляется в профилировании, например, в API, который сериализует тысячи больших ответов в секунду, сторонние библиотеки, такие как orjson и ujson, часто работают в несколько раз быстрее, а orjson также самостоятельно обрабатывает даты и классы данных. Измерьте перед переключением, поскольку поведение незначительно отличается, например, как обрабатываются плавающие и нестроковые ключи.
JSON также не всегда является правильным форматом:
- Конфигурация, которую редактируют люди: TOML или YAML разрешают комментарии; см. наше руководство по YAML о ловушках.
- Большие аналитические наборы данных: столбчатые форматы, такие как Parquet, намного меньше и быстрее запрашивают.
- Служебный трафик большого объема: двоичные форматы, такие как Protocol Buffers или MessagePack, более компактны и строго типизированы.
Для повседневных API, журналов и тестовых приспособлений обычно выигрывает читабельность и универсальная поддержка JSON.
Итоги
Модуль json удовлетворяет большинство потребностей с помощью четырех функций. Помните, что меняется при обратном пути: кортежи превращаются в списки, а целочисленные ключи — в строки, обрабатывайте даты и десятичные дроби с помощью функции default, используйте ensure_ascii=False и UTF-8 для читаемых файлов и анализируйте деньги с помощью Decimal. Затем проверьте то, что вы загружаете, поскольку действительный JSON — это не то же самое, что правильные данные.
Часто задаваемые вопросы
В чем разница между json.dumps и json.dump?
json.dumps возвращает строку JSON. json.dump записывает JSON непосредственно в файловый объект. Аналогично, load анализирует строку и загружает чтение из файла.
Как преобразовать дату и время в JSON в Python?
Передайте функцию по умолчанию в json.dumps, которая возвращает obj.isoformat() для дат и времени, или используйте собственный подкласс JSONEncoder.
Почему мои целочисленные ключи становятся строками?
Ключи объекта JSON должны быть строками, поэтому json.dumps преобразует их. После загрузки {1: “one”} становится {“1”: “one”}.
Как мне красиво распечатать JSON в Python?
Используйте json.dumps(data, indent=2), добавив sort_keys=True для стабильного порядка и Sure_ascii=False, чтобы текст на неанглийском языке оставался читабельным.
Почему я получаю JSONDecodeError: Ожидаемое значение?
Входные данные пусты или недействительны в формате JSON, часто это страница с ошибкой или пустой ответ API. Перед анализом проверьте код состояния и необработанный текст.
Продолжайте учиться
Нужна помощь с тестированием, WordPress или SEO?
Мы помогаем командам выпускать лучшее программное обеспечение и развивать свои сайты. Расскажите нам, над чем вы работаете, и мы предложим четкий следующий шаг.
Больше руководств по тестирование, искусственный интеллект и современные разработки
Понравилась эта статья? Выберите тему и сразу приступайте к нашим новейшим руководствам.
Объяснение стратегий разделения RAG: фиксированное, перекрытие, предложение, рекурсивное и заголовки, измеренное
Стратегии фрагментирования RAG в одном документе с tiktoken 0,14: фиксированный размер, перекрытие, упаковка предложений, рекурсивное разделение и ф…
Читать статью →Разработка ПООбъяснение идемпотентности API: проверенные ключи идемпотентности и безопасные повторы
Идемпотентность API, объясненная на примере сервера и клиента Python, которые мы запускали: потеря ответа вызывала двойную оплату без ключа и единст…
Читать статью →DevOpsОбъяснение Git Stash: сохранение, применение, удаление и неотслеживаемые файлы, протестировано
Git stash объясняется с помощью команд, которые мы запускали в Git 2.56: push с сообщением, неотслеживаемые файлы, список и отображение, применение …
Читать статью →Тестирование ПООбъяснение парного тестирования: как все пары сокращают 216 тестов до 13, протестированных
Попарное тестирование объясняется с помощью генератора, который мы запускали в Python 3.13: проверка с 216 комбинациями, охватываемыми 13 тестами, п…
Читать статью →Автоматизация тестированияОбъяснение тестовых двойников: манекен, заглушка, шпион, макет и подделка, с протестированным кодом Python
Двойные тесты объяснены на одном примере Python, запущенном в pytest 9.2: манекен, заглушка, шпион, макет и подделка, когда использовать каждый из н…
Читать статью →Базы данных и SQLОбъяснение SQL COALESCE: значения по умолчанию, NULLIF, IFNULL против ISNULL и ловушки, протестировано
SQL COALESCE объясняется с помощью запросов, которые мы выполняли в SQLite 3.50: первые ненулевые значения, пустые строки, NULL в математике, NULLIF…
Читать статью →Базы данных и SQLОбъяснение самосоединения SQL: сотрудник-менеджер, сравнение пар и строк, протестировано
Самосоединение SQL объясняется с помощью запросов, которые мы выполняли в SQLite 3.50: сотрудник и менеджер, заработок больше, чем менеджер, уникаль…
Читать статью →Разработка ПООбъяснение оператора расширения JavaScript: распространение против остальных, копии и ошибки, протестировано
Оператор расширения JavaScript, объясненный с помощью кода, который мы запускали на узле 24: массивы, объекты, мелкие копии, остальные параметры, ог…
Читать статью →Разработка ПООбъяснение модуля коллекций Python: счетчик, defaultdict, deque и многое другое, протестировано
Коллекции Python объяснены с помощью кода, который мы запускали в Python 3.13: Counter, defaultdict, deque, Nametuple, OrderedDict и ChainMap, а так…
Читать статью →Искусственный интеллектОбъяснение контекстного окна LLM: токены, ограничения и способы вместить больше, измеренное
Контекстное окно LLM поясняется количеством токенов, которые мы измеряли с помощью tiktoken: слова и токены для прозы, кода и хинди, входные и выход…
Читать статью →Разработка ПООбъяснение вебхуков: как они работают и как безопасно их получать
Веб-хуки объясняются с помощью получателя и отправителя, которые мы запускали на Python: push и опрос, подписи HMAC-SHA256, отклонение подделанных и…
Читать статью →DevOpsОбъяснение Git Cherry-Pick: скопируйте нужный вам коммит, безопасно и протестировано
Git Cherry-Pick объяснил это командами, которые мы запускали в Git 2.56: копирование исправления в ветку выпуска, новые хэши и идентификаторы патчей…
Читать статью →Автоматизация тестированияОбъяснение моментального тестирования: как оно работает, когда помогает, а когда вредит
Тестирование снимков объясняется с помощью pytest и сладкой демонстрации, которую мы запускали: создание снимков, чтение различий после изменения ко…
Читать статью →Тестирование ПООбъяснение мутационного тестирования: почему при 100% покрытии все еще не обнаружена наша ошибка
Тестирование мутаций объясняется с помощью небольшого инструмента мутаций, который мы создали и запустили: 14 мутантов, набор тестов со 100%-ным пок…
Читать статью →Искусственный интеллектОбъяснение быстрого внедрения: как обманывают приложения искусственного интеллекта и как их защитить
Быстрое внедрение, объясненное для разработчиков: прямые и косвенные атаки, почему фильтры ключевых слов не работают (наш тест заблокировал 1 из 4),…
Читать статью →DevOpsОбъяснение DNS-записей: A, AAAA, CNAME, MX, TXT и TTL с реальным поиском
Записи DNS объяснены с помощью выполненных нами поисков: как работает разрешение, A и AAAA, правила CNAME, MX и нулевой MX, TXT для SPF и проверки, …
Читать статью →DevOpsОбъяснение флагов функций: безопасные выпуски, постепенное развертывание и гигиена флагов
Флаги функций объяснены с помощью моделирования развертывания, которое мы провели: типы флагов, процентное развертывание со стабильным хешированием,…
Читать статью →Автоматизация тестированияГенерация тестовых данных с помощью Python Faker: реалистичные, повторяемые и безопасные данные
Генерация тестовых данных с помощью Python Faker, запуск и измерение: заполнение повторяющихся данных, локали, уникальные значения, записи в форме д…
Читать статью →Тестирование ПООбъяснение тестирования с помощью Shift-Left: находите ошибки раньше, не замедляя работу команды
Сдвиг влево при тестировании объяснил: что это значит, почему ранние дефекты обходятся дешевле, практики от проверки требований до CI-проверок, меня…
Читать статью →Базы данных и SQLОбъяснение строковых функций SQL: TRIM, SUBSTR, REPLACE, CONCAT и очистка данных
Строковые функции SQL, объясненные с помощью выполненных нами запросов: конкатенация и NULL, TRIM, UPPER и LOWER, SUBSTR и INSTR, REPLACE, заполнени…
Читать статью →Базы данных и SQLОбъяснение триггеров SQL: триггеры ДО и ПОСЛЕ, журналы аудита и подводные камни
Триггеры SQL объяснены с помощью триггеров, которые мы запускали: ДО и ПОСЛЕ, СТАРЫЙ и НОВЫЙ, журналы аудита, проверка, обновления запасов, условия …
Читать статью →Разработка ПООбъяснение модуля Python JSON: дампы, загрузки, пользовательские типы и распространенные ошибки
Модуль Python JSON, объясненный с помощью кода, который мы выполнили: дампы и загрузки, файлы, преобразования типов, даты и десятичные дроби, пользо…
Читать статью →Разработка ПОМодули ES против CommonJS: как работает импорт JavaScript в Node.js, протестировано
Модули ES и CommonJS объяснены с помощью кода, который мы запускали в Node.js: синтаксис импорта и экспорта, требование, живые привязки, кэширование…
Читать статью →Разработка ПООбъяснение регулярных выражений Python: шаблоны, группы, предварительные просмотры и подводные камни, протестировано
Регулярное выражение Python объясняется с помощью шаблонов, которые мы использовали: поиск против совпадения, поиск, группы и именованные группы, жа…
Читать статью →Искусственный интеллектОбъяснение структурированного вывода LLM: получение надежного JSON из моделей искусственного интеллекта
Структурированный вывод LLM объясняется проверкой, которую мы проводили в Pydantic: режим и схемы JSON, ограниченное декодирование, способы моделиро…
Читать статью →DevOpsОбъяснение ключей SSH: как они работают, ssh-keygen, Ed25519 и безопасные привычки
Ключи SSH объяснены ключами, которые мы сгенерировали: открытые и закрытые ключи, ssh-keygen, Ed25519 и RSA, отпечатки пальцев, парольные фразы, ssh…
Читать статью →DevOpsОбъяснение HTTP-кэширования: Cache-Control, ETag и ответы 304, с живым тестом
Объяснение HTTP-кеширования на небольшом сервере, который мы запускали: директивы Cache-Control, максимальный возраст, отсутствие кэша и отсутствие …
Читать статью →Автоматизация тестированияОбъяснение тестирования контрактов API: уловите критические изменения до их выпуска
Тестирование контрактов API объясняется с помощью проведенной нами проверки схемы: что такое контракт, контракты, управляемые потребителем, Pact, Op…
Читать статью →Тестирование ПООбъяснение тестирования на основе рисков: оцените риски, постройте матрицу и протестируйте то, что имеет значение
Тестирование на основе рисков объясняется шаг за шагом: выявление рисков, оценка вероятности и воздействия, построение матрицы рисков, сопоставление…
Читать статью →Базы данных и SQLОбъяснение ограничений SQL: NOT NULL, UNIQUE, CHECK и FOREIGN KEY, протестировано
Ограничения SQL объяснены с помощью проведенных нами тестов: NOT NULL, UNIQUE, CHECK, DEFAULT, PRIMARY и FOREIGN KEY, лазейки NULL, настройка внешне…
Читать статью →Базы данных и SQLОбъяснение функций даты SQL: добавление, сравнение и группировка дат без ошибок
Функции даты SQL, объясненные с помощью запросов, которые мы выполняли: добавление интервалов, сюрпризы в конце месяца, различия в датах, ловушка МЕ…
Читать статью →Разработка ПООбъяснение Python asyncio: асинхронность, ожидание, сбор и группа задач с реальным временем
Python asyncio объяснен с помощью кода, который мы запланировали: сопрограммы, ожидание, сбор, TaskGroup, обработка ошибок, тайм-ауты, ограничение п…
Читать статью →Разработка ПОDebounce против Throttle в JavaScript: как они работают, когда использовать каждый, протестировано
Сравнение Debounce и Throttle в JavaScript объясняется с помощью таймингов, которые мы измеряли в Node.js: как каждый из них работает, простые реали…
Читать статью →Разработка ПООбъяснение менеджеров контекста Python: оператор with, contextlib и реальное использование
Контекстные менеджеры Python объяснили с помощью кода, который мы запускали: как работает, __enter__ и __exit__, contextlib.contextmanager, подавлен…
Читать статью →Искусственный интеллектОбъяснение температуры LLM и Top-p: как модели ИИ выбирают свое следующее слово
Температура LLM и top-p объяснены с помощью моделирования, которое мы провели: как изменяются вероятности, что сохраняет top-p, рекомендуемые настро…
Читать статью →DevOpsОбъяснение YAML: синтаксис, проблема Норвегии и другие ловушки, которые мы тестировали
YAML объясняется с помощью теста парсера: базовый синтаксис, списки и карты, проблема Норвегии, версии, превращающиеся в числа с плавающей запятой, …
Читать статью →DevOpsОбъяснение Cron Jobs: синтаксис, реальные расписания и ошибки, которые их нарушают
Задания Cron объясняются графиками, которые мы проверили: пять полей, операторы, реальные примеры, ловушка дня месяца ИЛИ дня недели, проблемы окруж…
Читать статью →Искусственный интеллектОбъяснение галлюцинаций искусственного интеллекта: почему языковые модели все выдумывают и как их уменьшить
Галлюцинации ИИ объяснили: что это такое, почему языковые модели их создают, распространенные типы, как уменьшить их с помощью заземления и подсказо…
Читать статью →DevOpsОбъяснение переменных среды: файлы .env, секреты и правильно выполненная конфигурация
Переменные среды объясняются на примерах Python, которые мы запускали: их чтение и установка, почему каждое значение является строкой, файлы .env, н…
Читать статью →Разработка ПООбъяснение ограничения скорости API: алгоритмы, заголовки и обработка ошибок 429
Ограничение скорости API объясняется с помощью проведенного нами моделирования: сегмент токенов, фиксированное окно, скользящее окно, 429 ответов, з…
Читать статью →Автоматизация тестированияИздевательство в Python: unittest.mock, патч и ошибки, из-за которых тесты лгут
Издевательство на Python с помощью unittest.mock, протестировано: Mock и return_value, Side_effect, исправление использования имени, спецификация и …
Читать статью →Тестирование ПООбъяснение покрытия кода: покрытие линий или ветвей и что на самом деле означает 100%
Покрытие кода объяснено с помощью реального запуска покрытия.py: покрытие строк, ветвей и условий, чтение отчета, почему 100%-ное покрытие все еще м…
Читать статью →Базы данных и SQLDELETE, TRUNCATE и DROP в SQL: различия, откат и когда использовать каждый из них
Объяснение DELETE, TRUNCATE и DROP на примере протестированного SQL: что каждый из них удаляет, откат, триггеры, сброс идентификаторов, скорость и ч…
Читать статью →Базы данных и SQLОбъяснение представлений SQL: создавайте, используйте и избегайте ловушек, с примерами
Представления SQL, объясненные с помощью запросов, которые мы выполняли: создание представления, результаты в реальном времени, скрытие столбцов, пр…
Читать статью →Разработка ПОИнтерфейс TypeScript и тип: реальные различия, протестированные с помощью компилятора
Интерфейс TypeScript против типа, проверенный реальным компилятором: что могут делать оба, что может делать только один, слияние объявлений, расшире…
Читать статью →Разработка ПООбъяснение Python *args и **kwargs: гибкие функции с понятными примерами
Python *args и **kwargs, объясненные с помощью кода, который мы запускали: упаковка и распаковка, порядок параметров, аргументы только по ключевым с…
Читать статью →Разработка ПОЛямбда-функции Python: синтаксис, реальное использование и когда их не следует использовать
Лямбда-функции Python, объясненные с помощью кода, который мы запускали: синтаксис, сортировка с помощью ключа, карты и фильтра, замыкания, ловушка …
Читать статью →Искусственный интеллектЧто такое ИИ-агенты? Как они работают: можно запустить простой цикл агента
Что такое агенты ИИ? Простое руководство по циклу агента, инструментам, памяти и ограничениям, с небольшим циклом Python, который мы запустили, реал…
Читать статью →DevOpsМониторинг и наблюдаемость: реальная разница с журналами, метриками и трассировками
Объяснение мониторинга и наблюдаемости: известные и неизвестные сбои, журналы, метрики и трассировки, пошаговое руководство по инцидентам при оформл…
Читать статью →DevOpsDocker Volumes против Bind Mounts: правильное сохранение данных контейнера
Объяснение томов Docker и монтирования привязки: почему исчезают данные контейнера, именованные тома, монтирование привязки, tmpfs, примеры создания…
Читать статью →Автоматизация тестированияTDD против BDD: ключевые различия, одна функция, созданная для обоих способов, и когда использовать каждый
TDD и BDD объясняются с помощью одной функции скидки, созданной в обоих направлениях: красно-зеленый рефакторинг с кодом, который мы запускали, сцен…
Читать статью →Тестирование ПОПользовательское приемочное тестирование (UAT): процесс, контрольный список и реальные примеры
Приемочное тестирование пользователей объяснило: кто его проводит, чем оно отличается от контроля качества, семиэтапный процесс, шаблон тестового сц…
Читать статью →Базы данных и SQLОбъяснение значений NULL в SQL: IS NULL, COALESCE, NULLIF и ловушки, которых следует избегать
Значения SQL NULL объяснены с помощью запросов, которые мы выполнили: трехзначная логика, IS NULL, COALESCE, NULLIF, как агрегаты, соединения и сорт…
Читать статью →Базы данных и SQLОператор SQL CASE WHEN: синтаксис, реальные примеры и распространенные ошибки
SQL CASE WHEN объяснен с помощью запросов, которые мы выполняли: простые формы и формы для поиска, порядок условий, повороты с помощью SUM, трюки CO…
Читать статью →Разработка ПОЧто такое JWT? Веб-токены JSON, объясненные на рабочем примере
Что такое JWT? Объяснение JSON Web Tokens: три части: токен, созданный и измененный в коде, который мы запускали, JWT и сеансы, хранилище, токены об…
Читать статью →Разработка ПООбъяснение цикла событий JavaScript: стек вызовов, микрозадачи и таймеры с примерами
Цикл событий JavaScript объясняется с помощью кода, который мы запускали: стек вызовов, очереди задач и микрозадач, почему setTimeout 0 не является …
Читать статью →Разработка ПОГенераторы Python и объяснение доходности: экономьте память с помощью реальных примеров
Генераторы Python и доходность, объясненные с помощью кода, который мы запускали: как они приостанавливаются и возобновляются, измеряют экономию пам…
Читать статью →Искусственный интеллектЧто такое вложения? Простое объяснение векторов и косинусного сходства
Что такое вложения? Простое руководство по векторам, косинусному подобию и семантическому поиску с небольшим примером, который мы использовали, общи…
Читать статью →DevOpsСине-зеленое и канареечное развертывание: различия, компромиссы и как выбрать
Объяснение сине-зеленого и канареечного развертывания: как каждый из них работает, стоимость, риски и откат, стабильное группирование пользователей,…
Читать статью →Автоматизация тестированияНенадежные тесты: что их вызывает и как их исправить навсегда
Ненадежные тесты объясняются на демонстрациях, которые мы запускали: основные причины, способы подтверждения и диагностики, правильные исправления в…
Читать статью →Тестирование ПОНагрузочное тестирование и стресс-тестирование: различия, метрики и примеры k6
Объяснение нагрузочного и стресс-тестирования: что доказывает каждое из них, тесты на всплески и выдержки, важные метрики, почему средние значения в…
Читать статью →Тестирование ПОТестовый пример и тестовый сценарий: ключевые различия, примеры и когда использовать каждый
Объяснение тестового случая и тестового сценария: четкие определения, параллельная таблица, одна функция сброса пароля, взятая из сценариев в случаи…
Читать статью →Базы данных и SQLОптимизация SQL-запросов: чтение планов выполнения и исправление медленных запросов с указанием времени
Оптимизация SQL-запросов проверена на миллионе строк: читайте планы выполнения, добавляйте правильные индексы, исправляйте неразмещаемые фильтры, ис…
Читать статью →Базы данных и SQLSQL UNION против UNION ALL: различия, примеры и проверка производительности
SQL UNION и UNION ALL объяснены с помощью запросов, которые мы выполнили: дубликаты, правила, которым следуют оба, реальная ошибка данных, измеренна…
Читать статью →Разработка ПОУчебное пособие по API JavaScript Fetch: GET, POST, обработка ошибок и тайм-ауты
Учебное пособие по API JavaScript Fetch, протестированное на локальном сервере: GET и POST, почему не выдается ошибка 404, многоразовый помощник, ст…
Читать статью →Разработка ПООбработка файлов Python: чтение, запись, CSV, JSON и pathlib с примерами
Обработка файлов Python объясняется с помощью кода, который мы запускали: открытые режимы, чтение больших файлов, CSV, JSON, pathlib, двоичные файлы…
Читать статью →Разработка ПОКлассы и объекты Python: учебник ООП с реальными примерами
Классы и объекты Python, объясненные с помощью кода, который мы запускали: __init__, методы, атрибуты класса и экземпляра, наследование, свойства, м…
Читать статью →Искусственный интеллектЧто такое большая языковая модель? Как работают LLM, объяснено без шумихи
Что такое большая языковая модель? LLM объясняется простым языком: токены, встраивания, внимание, обучение, температурные и контекстные окна, крошеч…
Читать статью →DevOpsКоманды Linux для начинающих: основное руководство по терминалу с примерами
Команды Linux для начинающих, сгруппированные по задачам: навигация, файлы, просмотр журналов, grep, каналы, разрешения, процессы и архивы, с практи…
Читать статью →Автоматизация тестированияSelenium vs Playwright: ключевые различия, сравнение кода и что выбрать
Сравнение Selenium и Playwright: архитектура, ожидание, поддержка браузера и языка, отладка, одинаковый тест в обоих инструментах, советы по миграци…
Читать статью →Тестирование ПОРазделение эквивалентности: метод проектирования тестов, объясненный на рабочих примерах
Объяснение эквивалентного разделения: как найти действительные и недействительные разделы, рабочие примеры для возрастов, паролей и купонов, проведе…
Читать статью →Тестирование ПОСерьезность и приоритет в тестировании программного обеспечения: различия, матрица и реальные примеры
Объяснение серьезности и приоритета при тестировании программного обеспечения: четкие определения, четырехсторонняя матрица с примерами, шкалы уровн…
Читать статью →Базы данных и SQLУчебное пособие по подзапросам SQL: типы, коррелирующие подзапросы и EXISTS с примерами
Руководство по подзапросам SQL с выполненными нами запросами: скалярные подзапросы, IN, FROM и SELECT, коррелированные подзапросы, EXISTS, ловушка N…
Читать статью →Базы данных и SQLОбъяснение транзакций SQL и ACID: COMMIT, ROLLBACK и уровни изоляции
Транзакции SQL и ACID, объясненные с помощью банковского перевода, который мы выполнили: COMMIT, ROLLBACK, точки сохранения, блокировки, уровни изол…
Читать статью →Разработка ПОGit Commands Cheat Sheet: The Commands You Actually Use, With Examples
Шпаргалка по командам Git, сгруппированная по задачам: настройка, промежуточный этап, ветки, удаленные устройства, тайник, история и исправление оши…
Читать статью →Разработка ПООбъяснение промисов в JavaScript: then, catch, Promise.all и распространенные ошибки
Обещания JavaScript, объясненные с помощью кода, который мы запускали: состояния, цепочки then и catch, обработка ошибок, Promise.all, allSettled, R…
Читать статью →Разработка ПОУчебное пособие по словарю Python: методы, примеры и общие шаблоны
Учебное пособие по словарю Python с кодом, который мы выполнили: создание, чтение и обновление словарей, ключевые методы, слияние, понимание, шаблон…
Читать статью →Искусственный интеллектЧто такое РАГ? Генерация с расширенным поиском, объясненная на рабочем примере
Что такое РАГ? Retrieval-augmented generation explained step by step: indexing, chunking, embeddings, retrieval, a small working Python example, eva…
Читать статью →DevOpsУчебное пособие по Terraform для начинающих: инфраструктура как код от первого файла до модулей
Учебное пособие по Terraform для начинающих: начните без облачной учетной записи, изучите инициализацию, планирование и применение, затем переменные…
Читать статью →DevOpsDocker и Kubernetes: ключевые различия, как они работают вместе и что вам нужно
Объяснение Docker и Kubernetes: что делает каждый из них, одно и то же приложение работает с обоими, сравнение Docker Compose и Swarm, изменение doc…
Читать статью →Автоматизация тестированияУчебное пособие по Pytest для начинающих: фикстуры, параметризация и реальные примеры
Учебное пособие по pytest для начинающих с тестами, которые мы запускали на pytest 9.2: утверждения, фикстуры, параметризация, conftest, маркеры, tm…
Читать статью →Тестирование ПОЖизненный цикл тестирования программного обеспечения (STLC): 6 этапов, критерии входа и выхода, пример
Объясняется жизненный цикл тестирования программного обеспечения: шесть этапов STLC с критериями входа и выхода, результаты, пример проработанной фу…
Читать статью →Разработка ПОGit merge vs rebase: отличия, примеры и когда что использовать
Git merge vs rebase с реальным выводом log, сравнительной таблицей, золотым правилом rebase и безопасным рабочим процессом для команды.
Читать статью →Разработка ПОГенераторы списков в Python: синтаксис, примеры и когда их избегать
Генераторы списков в Python: синтаксис, фильтры, if-else, вложенные циклы, измеренное время и случаи, когда обычный цикл for лучше.
Читать статью →Базы данных и SQLSQL JOIN: объяснение с примерами (Inner, Left, Right, Full)
Разберите SQL JOIN шаг за шагом на примерах таблиц и запросов: INNER, LEFT, RIGHT, FULL, CROSS и SELF, а также частые ошибки и советы по производите…
Читать статью →