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: #ern
@proanalysistrader · Post #28509 · 02.03.2025 г., 04:21
#ERN/USDT analysis : #ERN is currently in an uptrend, trading above the 200 Exponential Moving Average (EMA). The price has recently bounced back and broken out above the trendline, suggesting a potential continuation of the uptrend. The price is anticipated to move upside and test the swing high level. TF : 30min Entry : $1.704 Target : $1.992 SL : $1.620
Hashtags
@proanalysistrader · Post #28398 · 18.01.2025 г., 18:12
#ERN/USDT analysis : #ERN is currently in a bearish trend, characterized by a series of lower lows (LLs) and lower highs (LHs) while adhering to the trendline. The price is anticipated to continue this direction, testing lower levels in the near future. TF : 1D Entry : $2.230 Target : $1.610 SL : $2.608
Hashtags
@proanalysistrader · Post #27973 · 29.09.2024 г., 16:30
#ERN/USDT analysis : #ERN has broken out above the 200 EMA and is currently consolidating above it. The price is expected to sustain its bullish momentum and is likely to continue its upward trajectory. TF : 4h Entry : $2.277 Target : $2.554 SL : $2.088
Hashtags
@coinlegs · Post #9334 · 08.11.2023 г., 07:15
I found an altcoin which is close to All-Time-Low (1 year) #ERN added a small amount of it to my bag, DYOR
Hashtags
@coinlegs · Post #10123 · 21.03.2024 г., 10:15
🐬DOLPHIN | AI PREDICTIONS 21.03.2024 10:00 GMT Expected 5% Profit/Loss in 24 Hours #POLYX | 0.4088 | PP: 50% | LP: 94% #PHA | 0.329 | PP: 50% | LP: 95% #ERN | 7.537 | PP: 50% | LP: 96% #LTO | 0.1761 | PP: 50% | LP: 97% #FTM | 1.0574 | PP: 46% | LP: 91% #REI | 0.10968 | PP: 46% | LP: 93% #OM | 0.64366 | PP: 45% | LP: 96% #SSV | 56.36 | PP: 44% | LP: 92% #CFX | 0.434 | PP: 44% | LP: 98% #STX | 3.3721 | PP: 43% | LP: 96% #PAXG | 2183 | PP: 43% | LP: 97% #CYBER | 13.737 | PP: 43% | LP: 98% #FLOKI | 0.00024944 | PP: 42% | LP: 99% #RSR | 0.006467 | PP: 41% | LP: 98% #DUSK | 0.4065 | PP: 40% | LP: 98% #FET | 2.6868 | PP: 40% | LP: 98% #BNB | 559.5 | PP: 40% | LP: 99% #DEXE | 10.712 | PP: 39% | LP: 97% #TRU | 0.09719 | PP: 39% | LP: 97% #OCEAN | 1.2 | PP: 39% | LP: 98% #SOL | 187.61 | PP: 39% | LP: 99% #IQ | 0.014558 | PP: 38% | LP: 95% #MKR | 3058 | PP: 38% | LP: 99% #PEPE | 0.00000823 | PP: 38% | LP: 99% #OOKI | 0.003513 | PP: 36% | LP: 99% #HIFI | 1.0967 | PP: 35% | LP: 97% #APT | 15.292 | PP: 35% | LP: 99% #CLV | 0.12307 | PP: 35% | LP: 99% #UTK | 0.13 | PP: 34% | LP: 96% #AMP | 0.010762 | PP: 34% | LP: 99% #DEGO | 3.603 | PP: 33% | LP: 99% #FORTH | 6.283 | PP: 33% | LP: 99% #NULS | 0.4503 | PP: 33% | LP: 99% #TKO | 0.6404 | PP: 33% | LP: 99% #FIS | 0.7002 | PP: 33% | LP: 100% #SANTOS | 7.64 | PP: 32% | LP: 94% #WBTC | 66789.15 | PP: 32% | LP: 99% #JASMY | 0.020469 | PP: 31% | LP: 98% #BCH | 432.2 | PP: 31% | LP: 99% #BTC | 66843.96 | PP: 31% | LP: 100% #SUN | 0.015141 | PP: 30% | LP: 94% #CKB | 0.020456 | PP: 30% | LP: 99% #RAY | 2.2809 | PP: 30% | LP: 99% #POND | 0.03243 | PP: 29% | LP: 90% #CREAM | 23.08 | PP: 29% | LP: 99% #FOR | 0.03258 | PP: 29% | LP: 99% #NEXO | 1.359 | PP: 29% | LP: 99% #UFT | 0.638 | PP: 29% | LP: 99% #FLUX | 1.4129 | PP: 29% | LP: 100% #ACA | 0.1858 | PP: 28% | LP: 99% ... ——————————————————————— Total Predictions: 371 PP > 50%: 4 LP > 50%: 365 PP > 60%: 0 LP > 60%: 362 PP > 70%: 0 LP > 70%: 347 PP > 80%: 0 LP > 80%: 331 PP > 90%: 0 LP > 90%: 316 ——————————————————————— PP: Profit Probability | LP: Loss Probability