> ## Content Index
> Fetch the complete content index at: https://arash-hatami.ir/llms.txt
> Use this file to discover other available public pages before exploring further.

# ۹ قابلیت پایتون که اتوماسیون رو شیک و تمیز می‌کنه
- URL: https://arash-hatami.ir/9-python-features-for-automation/
- Published: 2025-10-02T14:08:47.000Z
- Updated: 2025-10-02T14:08:47.000Z
- Description: ۹ قابلیت مخفی پایتون که کدنویسی اتوماسیون رو ساده‌تر، تمیزتر و سریع‌تر می‌کنن. برای برنامه‌نویس‌ها و علاقه‌مندان اتوماسیون.
- Author: آرش حاتمی
- Tags: python, programming, برنامه نویسی, پایتون

اگه مدتیه با پایتون کارهای تکراری و روزمره رو اتومات کردی، احتمالاً کلی اسکریپت نوشتی که می‌شه گفت: «کار می‌کنه، ولی دست بهش نزن!» 😅  
این اسکریپت‌ها کار رو راه میندازن، اما یک سال بعد که برگردی سراغشون، بیشتر شبیه به یه بشقاب ماکارونی به‌هم‌ریخته شدن تا یه کد خوشگل و مرتب.

راز اینکه اسکریپت‌هات هم تمیز بمونه و هم قابل نگهداری باشه، همیشه نصب کردن یه کتابخونه جدید نیست. خیلی وقتا همون قابلیت‌های کمتر دیده‌شده‌ی خود پایتون، نجات‌دهنده هستن.  
اینجا ۹ تا از اون قابلیت‌ها رو آوردم که باعث می‌شن کدهای اتوماسیونت سریع‌تر، قابل اعتمادتر و از همه مهم‌تر تمیزتر باشن.

## 1\. عملیات اتمیک با `pathlib`

دیگه فراموش کن `os.path` و رشته‌سازی دستی مسیرها رو. با `pathlib` همه‌چیز شی‌ءگرا می‌شه و حتی عملیات اتمیک هم داری که جلوی فایل‌های نصفه‌نیمه رو می‌گیره.

```python
from pathlib import Path

data = Path('reports') / 'daily.csv'
data.parent.mkdir(parents=True, exist_ok=True)  # auto-create dirs
tmp = data.with_suffix('.tmp')

tmp.write_text('some,data,here')
tmp.replace(data)  # atomic move to final file

```

**چرا جذابه؟**  
هیچ‌وقت فایل ناقص نمی‌ذاره اگه اسکریپت وسط کار کرش کنه. برای کرون‌جاب‌ها خیلی عالیه.

## 2\. `functools.cached_property` (پایتون 3.8 به بعد)

یه محاسبه سنگین یا عملیات I/O داری که فقط یک‌بار لازمش داری؟ دیگه لازم نیست خودت منطق Cache رو پیاده‌سازی کنی.

```python
from functools import cached_property
import requests

class WeatherClient:
    def __init__(self, city):
        self.city = city

    @cached_property
    def data(self):
        return requests.get(f'https://wttr.in/{self.city}?format=j1').json()

client = WeatherClient('London')
print(client.data['current_condition'])

```

**چرا جذابه؟**  
یه بار اجرا می‌شه و بعدش همیشه آماده‌ست. هیچ ساختار Cache اضافه هم لازم نداری.

## 3\. مدیریت داینامیک منابع با `contextlib.ExitStack` 

تا حالا شده بخوای تعدادی فایل همزمان رو باز کنی؟ با `with`‌های تو در تو کد خیلی زشت می‌شه. اینجا `ExitStack` به کمکت میاد.

```python
from contextlib import ExitStack

files = ['a.txt', 'b.txt', 'c.txt']
with ExitStack() as stack:
    handles = [stack.enter_context(open(f)) for f in files]
    data = [h.read() for h in handles]

```

**چرا جذابه؟**  
یه `with` کافیه برای هر تعداد منبع. کدت تمیز می‌مونه و نیاز به `with` تو در تو نیست.

## 4\. موازی‌سازی با فیدبک لحظه‌ای

خیلیا `ThreadPoolExecutor` رو می‌شناسن، ولی کمتر کسی می‌دونه `as_completed` می‌تونه نتایج رو همون لحظه‌ای که آماده شدن بهت برگردونه.

```python
from concurrent.futures import ThreadPoolExecutor, as_completed
import requests

urls = ['https://example.com', 'https://python.org', 'https://pypi.org']

with ThreadPoolExecutor(max_workers=5) as ex:
    futures = [ex.submit(requests.get, url) for url in urls]
    for future in as_completed(futures):
        print(f"{future.result().url} done")

```

**چرا جذابه؟**  
فیدبک فوری می‌گیری. برای مثال در کد بالا لازم نیست تا آخرین URL صبر کنی.

## 5\. پاکسازی خودکار - `tempfile.TemporaryDirectory`

خیلی وقتا وسط اتوماسیون باید فایل موقت بسازی. چرا بذاری یه عالمه فایل بی استفاده روی سیستم بمونه؟

```python
import tempfile, shutil, pathlib

with tempfile.TemporaryDirectory() as tmpdir:
    path = pathlib.Path(tmpdir) / 'data.txt'
    path.write_text('temporary data')
    print(path.read_text())

# directory gone automatically here

```

**چرا جذابه؟**  
خودش فایل‌های به درد نخور رو پاک می‌کنه. دیگه لازم نیست یادت باشه این کار رو دستی انجام بدی.

## 6\. زمان‌بندی ساده - `sched`

همه سریع می‌رن سراغ cron یا APScheduler، ولی پایتون یه سیستم ساده برای خودش داره.

```python
import sched, time

s = sched.scheduler(time.time, time.sleep)

def job(name):
    print(f"Running {name} at {time.ctime()}")

s.enter(5, 1, job, argument=('task1',))
s.enter(10, 1, job, argument=('task2',))
s.run()

```

**چرا جذابه؟**  
برای کارهای کوچک، بدون هیچ سرویس خارجی، عالیه.

## 7\. خاتمه‌ی تمیز اسکریپت با `signal` و `atexit`

اسکریپت ۲۴/۷ داری؟ می‌خوای مطمئن بشی حتی با Ctrl+C هم تمیز و مرتب به اتمام می‌رسه؟

```python
import signal, atexit

def cleanup():
    print("Cleaning up before exit…")

atexit.register(cleanup)
signal.signal(signal.SIGTERM, lambda s,f: exit(0))
signal.signal(signal.SIGINT, lambda s,f: exit(0))

print("Running forever. Press Ctrl+C.")
while True:
    time.sleep(1)

```

**چرا جذابه؟**  
حتی وقتی وسط کار قطع بشه، مطمئن میشی فایل‌های موقت یا کانکشن‌ها درست بسته بشن.

## 8\. آبجکت سبک و بهینه - `dataclasses` و `slots=True`

وقتی هزاران رکورد کوچیک داری، کلاس‌های معمولی سنگین میشن. `dataclasses` با `slots` خیلی سبک‌تر عمل میکنه.

```python
from dataclasses import dataclass

@dataclass(slots=True)
class Job:
    id: int
    name: str
    status: str = 'pending'

jobs = [Job(i, f'task-{i}') for i in range(10_000)]
print(jobs[0])

```

**چرا جذابه؟**  
کمتر رم مصرف میکنه و کدت هم تمیزتره.

## 9\. پکیج کردن فایل‌های جانبی - `importlib.resources`

اسکریپت های اتومیشن مهمولا همراه با کد SQL یا متن ایمیل میان. به‌جای هاردکد کردن مسیر فایل ها، همه‌چیز رو داخل یک پکیج بذار و باهم استفاده کن.

```python
import importlib.resources as res

with res.files('my_package').joinpath('templates/email.txt').open() as f:
    template = f.read()
    print(template)

```

**چرا جذابه؟**  
اسکریپتت خودکفا می‌شه. دیگه مشکل **«روی سیستم من کار می‌کنه»** نداری.

---

## جمع‌بندی

همین چند تا قابلیت کوچیک می‌تونن تفاوت بزرگی بسازن. اسکریپت‌هایی که قبلاً شلوغ و سخت بودن، الان تمیز، سبک و قابل نگهداری می‌شن. دفعه بعدی که خواستی یه کار رو اتومات کنی، یکی از این ترفندها رو امتحان کن 😉