TGINSIGHT SIMILAR POSTS
Изворен канал @pythonotes · Post #22 · 19 јан.
Заметка начинающим, которые часто сталкиваются с подобной непоняткой. Ситуация следующая, есть список файлов: names = [ 'image.bmp', 'second.txt.bkp', 'data.db', '.config.cfg', 'file.ext.bkp' ] И мы хотим убрать у них окончание ".bkp". Не знаю зачем, пример довольно надуманный) Но суть он показывает, а это главное. Те, кто еще не очень знаком с библиотекой os.path или pathlib, вероятно решат обработать имена как строки. И тут вполне подойдет метод строки strip(). Что делает этот метод? Он отрезает указанные символы по обеим сторонам строки. Если ничего не указать, то убирает невидимые символы (пробелы, табуляции и переносы строк). В нашем случае будет выглядеть вот так: >>> name.strip('.bkp') То есть просим удалить строку '.bkp' по краям имени файла, если таковая есть. Можно применить аналогичный метод rstrip(), чтобы отрезать только справа, но для этого примера используем обычный. >>> for name in names: >>> print(name.strip('.bkp')) image.bm second.txt data.d config.cfg file.ext Хм, что-то не то с нашими именами! Что случилось??? Видим нежелательное переименование в именах, где и близко не было указанной строки '.bkp' А дело всё в том, что данный метод ищет не указанную строку, а указанные символы, и не важно в каком порядке. Для метода strip() строка '.bkp' это не паттерн для поискаа список символов. Потому он отрезал симовол 'p' от '.bmp' и удалил точку из файла '.config.cfg'. Как тогда правильно заменить именно паттерн? Для начинающего можно посоветовать метод строки replace(), который как раз использует для замены указанную строку целиком. В нашем примере заменим её на пустую строку. >>> for name in names: >>> print(name.replace('.bkp', '')) image.bmp second.txt data.db .config.cfg file.ext Уже лучше, но помните, это лишь пример про strip(). Для работы с именами файлов есть способы и более "правильные", дающие однозначно верный результат. Я взял файлы только в качестве примера. Даже replase() тут может сделать не то что ожидаем. Просто впредь будьте внимательны с этим strip(). #basic
Hashtags
Пребарај: #cdc
@impfopferarchiv · Post #3414 · 24.01.2026 г., 19:14
💥DAS SOLLTE JEDER SEHEN UND HÖREN💥 Der frühere Direktor der US-Zentren für Seuchenschutz und -prävention (#CDC), Dr. Robert Redfield sagt: Die COVID-Impfung hätte nicht als Impfstoff bezeichnet werden dürfen sondern als Medikament, da es die die Infektion nicht stoppt! 🦅#TEAMHEIMAT🇩🇪
Hashtags
@sohbayarea · Post #1388 · 13.05.2021 г., 22:11
美CDC宣布完全接种疫苗者可不必戴口罩 #疫苗#CDC#福西 > 美国疾病控制和预防中心（CDC）负责人星期四（5月13日）说，完全接种冠状病毒（中共病毒）疫苗的美国人在一些场合可以不戴口罩。 : https://telegra.ph/soundofhope-05-13-77
@sohbayarea · Post #1887 · 19.08.2021 г., 00:31
美政府9月起广泛推中共病毒疫苗加强针 #疫苗加强针#CDC#中共病毒 > 美国几位联邦高级卫生官员称，美国将在9月开始广泛推广中共病毒（新冠病毒）疫苗的加强针，并将向大多数接种过该疫苗的美国人推荐这些加强针。
@sohbayarea · Post #1751 · 27.07.2021 г., 22:31
美CDC更改建议称打过疫苗在室内最好也戴口罩 #CDC#口罩#冠状病毒 >
@sohbayarea · Post #1754 · 28.07.2021 г., 17:25
前FDA局长：美国将在几周内经历疫情的最糟时期 #FDA#CDC#疫情激增 > 前食品和药物管理局（FDA）局长戈特利布（Scott Gottlieb）周三（7月28日）预测，美国将在几个星期内度过冠状病毒（中共病毒）三角洲（德尔塔）变体病例激增的最糟糕时期。
@sohbayarea · Post #1773 · 30.07.2021 г., 19:42
Delta变体内部报告披露CDC被指考虑让每人戴口罩 #CDC#新指南#三角洲变体 >
@sohbayarea · Post #949 · 20.02.2021 г., 00:00
美卫生专家：CDC新指南违背科学 阻碍重开学校 #CDC#新防疫指南#重开学校 > 2月18日（周四），约翰.霍普金斯大学的卫生政策专家马卡里（Marty Makary）医生在福克斯新闻网发表专栏文章表示，疾病预防控制中心（CDC）上周新出台的《学校（防疫）指南》没有科学依据，给重开学校造成更多的障碍。她建议学校董事会成员、家长和地方政府领导人寻找重新开放学校的途径。 : https://telegra.ph/soundofhope-02-19-55
@CNSmydream · Post #606 · 09.12.2025 г., 10:30
为坚守科学真理被解职：美国CDC前主任莫纳雷斯的故事 美国疾控中心(CDC)前主任苏珊·莫纳雷斯因坚持科学诚信原则被解职，这一事件引发了广泛关注。作为一位拥有近20年非党派政府科学家经验的微生物学家和免疫学家，莫纳雷斯在2025年8月上任仅一个月后便被卫生部长罗伯特·肯尼迪 Jr解雇。据她国会听证会证词，她拒绝执行肯尼迪的命令，包括解雇CDC顶尖科学家和未经科学数据审核就预先批准疫苗建议。肯尼迪则声称莫纳雷斯自己表示不值得信任，因此被解职。 莫纳雷斯被解职引发了CDC高层科学家集体辞职抗议，包括首席医疗官黛博拉·乌里等三人。肯尼迪作为长期反疫苗倡导者，已试图解雇约四分之一的CDC员工，并更换了所有疫苗政策咨询委员会成员，引入多位公开批评疫苗的人士。这一系列行动是美国政府扰乱科学事业更广泛行动的一部分，包括取消数千项科研资助、解雇数百名政府研究人员等。 莫纳雷斯此前在生物安全、人工智能和数据分析领域有丰富政府工作经验，她本计划通过简化数据为各地提供定制化公共卫生建议。"在科学中，你总是挑战现状，但不会为便利而妥协道德和科学诚信，"她表示。这一事件凸显了科学政治化的风险，以及科学家在政策制定中应保持独立性的重要性。 科学与政治的碰撞，真理有时真的会"死"在任上！😅 来源：Nature #CDC#科学诚信#疫苗政策#Nature10 🧬频道 ｜ 🧑🔬群组 ｜ 📨投稿
@theidealist · Post #2053 · 01.06.2020 г., 12:08
The Atlantic: федеральные данные США и данные штатов по COVID-19 не совпадают Коронавирус стал серьёзным испытанием не только для простых граждан, но и отличным тестом эффективности государственных механизмов. В результате мы видим, что даже самые эффективные государства в мире серьёзно "сбоят" перед вызовами подобного масштаба. Например, в США со статистикой вокруг текстов на Covid-19 творится настоящий бардак: штаты дают одни цифры, федеральное правительство - другие, и местами они отличаются друг от друга на десятки процентов. А ведь количество тестов необходимо для того, чтобы понять масштаб заражения, уровень смертности, и, соответственно необходимые действия в том или ином направлении. В результате журналистам, учёным и даже некоторым политикам приходится полагаться на негосударственный проект, возможности которого очевидно ниже, чем у федерального правительства. «Анализ данных CDC на уровне штатов обнаруживает серьезные расхождения между тем, что сообщают многие штаты, и данными федерального правительства. Например, во Флориде эта разница огромна. В пятницу правительство штата сообщило, что с начала вспышки по всему штату было проведено около 700 000 тестов на коронавирус... Тем не менее, по данным CDC за этот же период проведено более чем 919 000 тестов. Это на 31% больше, чем, по мнению представителей самой Флориды. «Если происходит подобное, то представители CDC должны взять трубку и позвонить во Флориду с простым вопросом: «Что происходит?» - считает Ашиш Джа, профессор здравоохранения в Гарварде. Учитывая сложность и огромное количество источников данных, некоторые неточности, безусловно, объяснимы. Но обнаруженные нами несоответствия свидетельствуют о том, что Флорида не является исключением. В 22 штатах количество тестов CDC отличается от числа, сообщенного правительством штата, более чем на 10 процентов. В 13 штатах расхождение более чем 25 процентов. В некоторых случаях количество тестов, указанных CDC намного выше, чем сообщают штаты; в других гораздо ниже». https://theidealist.ru/cdcdata/ #TheAtlantic#власть#общество#США#статистика#CDC#коронавирус
@panguliaowang · Post #17877 · 24.04.2020 г., 05:34
#CDC#绣豹图 20200423 美CDC月刊封面放了张图 中媒：种族歧视 美国疾病预防及控制中心（CDC）日前出版最新一期的《新发传染病》（Emerging Infectious Diseases）月刊，封面使用中国清代三品武官的“绣豹图”，#蝙蝠赫然在列，遭质疑涉及种族歧视， #中国媒体直指“字里行间充满‘东方主义’，甚至强行将新冠病毒和中国历史扯到一起。”
@american_observer · Post #5642 · 17.04.2026 г., 17:04
🏥 Trump Picks a Mainstream Face for the CDC Donald Trump has formally named Erica Schwartz to lead the CDC. The choice signals a turn away from vaccine politics and toward someone who can look credible to the public after months of turmoil inside the agency. Schwartz is not coming in to sell a new ideology. She is coming in to clean up a mess. The CDC has been battered by political fights, legal challenges, staff losses, and Kennedy’s unpopular vaccine agenda, and the agency now needs basic authority more than another round of messaging theater. That is a political reversal, even if the White House will not say it that way. The administration is trying to blunt the damage before the midterms, calm the public-health establishment, and stop the CDC from looking like a culture war machine with a lab coat on. Schwartz will still have a hard job. She would be taking over an agency where trust has eroded, staff morale is badly damaged, and vaccine policy has become a battlefield instead of a public health tool. The real test is whether she can restore some discipline before the next crisis arrives. #cdc#trump#health#vaccines#kennedy#publichealth 📱American Оbserver - Stay up to date on all important events 🇺🇸
@githubtrending · Post #15397 · 07.01.2026 г., 12:30
#java#cdc#chunjun#dataops#datax#etl#flink#flink_streaming#java TIS is an easy enterprise data integration tool using batch (DataX) and streaming (Flink-CDC, Chunjun) with a simple interface to sync data end-to-end without complex scripts. Its v5.0.0 adds Pipeline AI Agent, letting you describe needs in natural language for auto-pipeline creation, smart plugin installs, and low-cost AI like DeepSeek. Install quickly via single-node, Docker, or K8S. This saves you time, cuts errors, simplifies ETL tasks, and boosts fun, efficient data pipelines for real-time analytics. https://github.com/datavane/tis