Es soll ein Webcrawler programmiert werden, der den eigenen Internetauftritt nach dort veröffentlichten E-Mail-Adressen durchsucht. Für die betroffenen Besitzer der E-Mail-Konten sollen so Awareness-Trainings gegen Social-Engineering-Angriffe angeboten werden.
Gute Software braucht gute Dokumentation – ohne unnötigen Aufwand. Eine erste Anlaufstelle ist häufig die `Readme.md`-Datei in git-Repositorys. Aber: für wen schreibe ich die eigentlich? Was sollte, was muss da rein? Wie formatiere ich die Readme-Datei mit Markdown?
Mobilitätsdatenbank erstellen: Übungsaufgabe/Gruppenklassenarbeit, um in Kleingruppen in kürzester Zeit eine Datenbank anhand der Anforderungsbeschreibung zu Modellieren (ERD, RM, SQL-DDL)
Server-Datenbank erstellen: Übungsaufgabe/Gruppenklassenarbeit um in Kleingruppen in kürzester Zeit eine Datenbank anhand der Anforderungsbeschreibung zu Modellieren (ERD, RM, SQL-DDL)
Reguläre Ausdrücke gelten als nicht wartbar. Zu kryptisch ist ihr Aufbau. Trotzdem kann man mit etwas Übung einen Blick dafür entwickeln, warum Zeichenketten durch Muster gefunden werden oder nicht gefunden werden. Hier sind ein paar Übungsaufgaben, um den Blick zu schärfen!
Die Mustererkennung Regulärer Ausdrücke (RegEx) ermöglicht Automatisierungen an Stellen, wo Handarbeit mühsam und langwierig ist. Telefonnummern in unterschiedlichen Formaten gespeichert? In einer CSV-Datei alle Spalten in verkehrter Reihenfolge? Wo stecken im Fließtext Geldbeträge mit Nachkommastellen? Derlei Aufgaben lassen sich mit RegEx lösen – besser, man kennt sie!
DELETE-Statements löschen selektierte Datensätze. Sie gehören zur DML-Sprachfamilie, lassen also die Datenstruktur (z. B. auch den Zähler für automatisch vergebene Schlüssel) unangetastet. Der Artikel zeigt das Löschen mit Unterabfragen, die Wirkung von Fremdschlüsseln, das Archivieren in einer Transaktion und den Unterschied zu TRUNCATE und DROP.
UPDATE-Statements ändern den Inhalt von selektierten Datensätzen. Die Werte können aus Literalen, Subqueries oder Formeln stammen. Der Artikel zeigt prozentuale Änderungen, Bedingungen über andere Tabellen, Fallunterscheidungen mit CASE, den Umgang mit NULL und typische Fehler.
INSERT-Statements sind zuständig dafür, neue Datensätze in die Tabellen einzufügen. Als Datenquelle können Literale oder SELECT-Statements dienen. Der Artikel zeigt, welche Werte nicht genannte Spalten erhalten, wie man mehrere Zeilen auf einmal oder Abfrageergebnisse (z. B. für ein Archiv) einfügt und woran ein INSERT scheitern kann.
Die Informationen, ob es sich bei einem Attribut um ein Schlüsselattribut handelt, ob es eingabepflichtig oder einzigartig ist: all das wird über Constraints festgelegt. Es gibt unterschiedliche Möglichkeiten, Constraints festzulegen. Einige werden hier mit Beispielen in MariaDB-Notation vorgestellt: Primär- und Fremdschlüssel (auch zusammengesetzt), NOT NULL, DEFAULT, UNIQUE, CHECK und die Regeln beim Löschen referenzierter Datensätze.
Alle Datenbankmanagementsysteme verfügen über ein ähnliches Set an Datentypen. Aber leider heißen sie oft anders und haben einen geringfügig anderen Funktionsumfang. Ich habe hier versucht, für die wichtigsten DBMS die Namen der Standardtypen zusammenzustellen; für Detailunterschiede muss ich aber auf die jeweiligen Dokumentationen der DBMS verweisen. Am Ende steht eine Entscheidungshilfe, welcher Datentyp für welche Information passt.
SQL besteht aus mehreren Teilsprachen, die sich mit der Datenbankstruktur (DDL), dem Datenbankinhalt (DML) und den Berechtigungen (DCL) beschäftigen. In diesem Artikel soll es zunächst um die Grundlagen der Struktur gehen, die in der Data Definition Language (SQL-DDL) beschrieben wird. Du lernst, Datenbanken und Tabellen anzulegen, Tabellen nachträglich umzubauen, sie zu löschen und Indizes für schnelle Abfragen zu setzen.
Grundlagenaufgaben zur Data Definition und Data Manipulation Language am Beispiel der entworfenen Let’s Meet Datenbank. Da deren Daten als SQL-Importskript vorliegen können die Aufgaben auch unmittelbar im DBMS ausprobiert werden.
Natürlich lernt man git am besten, in dem man es täglich nutzt. Wer aber die git-Integration in der IDE nutzt hat vielleicht keinen Bezug mehr zu den eigentlichen Konsolen-Befehlen des Versionscontrollsystems. Hier daher ein paar Fragen zu git, wie ich sie auch gerne in Klassenarbeiten stelle…
Ein vereinfachtes Pacman-Spiel soll objektorientiert erweitert werden. Übungsaufgaben zum Thema Objektorientierte Programmierung, Objektbeziehungen, UML-Klassendiagramm, Implementierung in Python.
Dies ist der dritte Teil (Normalisierung) einer Beispiellösung für die „Let’s Meet“ Datenbank-Lernsituation. Die Daten sollen nun über Zeichenkettenoperationen, JOIN, UNION und Subselects im Bestand normalisiert und in neue Tabellen übernommen werden.
Aggregatfunktionen wie COUNT, SUM, AVG, MIN und MAX fassen die Werte vieler Zeilen zu einem Wert zusammen – für die ganze Tabelle oder mit GROUP BY je Gruppe. Mit HAVING filterst Du nach diesen Ergebnissen. Der Artikel zeigt außerdem, wie NULL-Werte, Verbünde (JOIN) und Prozentrechnungen die Ergebnisse beeinflussen, wie Du mit Aggregaten weiterrechnest (z. B. Deckungsbeitrag), Streuung und Zeitdauern auswertest und welche Fehler typisch sind.
In der Projektion eines SELECT-Statements können Funktionen genutzt werden, die skalar oder aggregierend sind, die Zahlen, Zeichenketten, Datumswerte oder auch die Ablaufsteuerung betreffen. Dieser Artikel gibt eine kurze Übersicht für MariaDB/MySQL und andere DBMS und zeigt typische Anwendungen: Alter berechnen, Nummern zerlegen, Namen kürzen.
Der am häufigsten benötigte SQL-Befehl ist der SELECT-Befehl. In diesem Grundlagenartikel werden die Bestandteile Projektion und Selektion sowie die einzelnen Clauses einfacher SELECTs beschrieben. Dazu gehören Spaltenaliase, Bedingungen mit Mustern, Bereichen und NULL – samt der typischen Stolperfallen bei Postleitzahlen, Datumswerten und Umlauten. Sortieren und Begrenzen behandelt ein eigener Artikel.
Dies ist der zweite Teil (Datenimport) einer Beispiellösung für die „Let’s Meet“ Datenbank-Lernsituation. Aus der Excel-Datei wird über Formeln ein SQL-Importscript erstellt, das in einen neuen Docker-Container importiert wird.
Dies ist der erste Teil (Modellierung) einer Beispiellösung für die Let’s Meet“ Datenbank-Lernsituation. Es führen viele Wege zum Ziel – der einzig richtige ist der Weg, den man selbstständig gegangen ist. Daher ist diese Variante bestenfalls als eine Ideenskizze zu verstehen, die genutzt werden kann, wenn man nicht mehr weiterkommt. Einige Schritte habe ich bewusst etwas umständlicher realisiert, um so bestimmte Techniken des Datenbankentwurfs bzw. Abfragetechniken darstellen zu können.
Im konzeptuellen Modell wird die innere Struktur der Daten erfasst, die in einer Datenbank persistiert werden sollen. Auf Basis des so erstellten ER-Modells kann später entschieden werden, welches Datenmodell zur Speicherung der vorliegenden Struktur am geeignetsten ist. Der Artikel erklärt die Chen-Notation mit allen Beziehungsarten (auch rekursiv, mehrfach und mit Attributen) und zeigt Schritt für Schritt, wie man aus einem Anforderungstext oder einem Beleg ein ER-Diagramm entwickelt, Zeiträume und Messwerte modelliert und Schlüssel kennzeichnet.
Übersicht über alle Leitfragen und Übungsaufgaben zum Testen von Software: Softwarequalität, Teststrategie und Unit-Tests, testgetriebene Entwicklung (test-driven development, TDD) und Testfallerstellung nach Blackbox- und nach Whitebox-Systematik, jeweils mit den zugehörigen Lehrartikeln.
Bevor der ESP Thermostate auslesen kann, müssen erstmal die Basics erledigt werden: WiFi, Over-The-Air-Firmwareupdate, Logging. Erst danach wird es projektspezifisch.
Für eine Heizungsregelung (ESP32 basierend auf 1-2-4-Bus) sollen Heizungsthermostate (Fritz SmartHome, Dect ULE) ausgelesen werden. Basierend auf den Werten soll die Steuerspannung am Analog-Ausgang des ESP32 eingestellt werden.
Bei einfachen Projekten ist das Logging über die serielle Verbindung ein Segen beim Debugging: über die USB-Verbindung können am seriellen Monitor der Arduino-IDE Werte ausgegeben werden. Was aber tun, wenn die serielle Verbindung nicht besteht? Wie kann ich Logging am ESP komfortabel und einfach umsetzen? Ein Vorschlag.
Ein Taster am Eingang braucht mehr als zwei Drähte: Hier erfährst Du, ab welcher Spannung ein Eingang HIGH liest, warum ein offener Eingang einen Pull-up- oder Pull-down-Widerstand braucht, wie Du Pegel und Ströme an Taster-Widerstands-Netzwerken berechnest, wann ein Öffner sicherer ist als ein Schließer, wie Du viele Taster an wenige Pins bringst und wie Du prellende Kontakte in Hardware und Software entprellst. Für ESP32-C6, ESP32, ESP8266 (NodeMCU) und Arduino Uno.
Kein Mikrocontroller-Projekt ohne blinkende LED. Hier richtest Du die Arduino-IDE mit Board-Paket, Treiber und Port ein, lernst den Aufbau eines Programms mit setup() und loop() kennen, lässt eine LED blinken und liest einen Taster ein – für ESP32-C6, ESP32, ESP8266 (NodeMCU) und Arduino Uno. Zum Schluss geht es um die typischen Fehler beim Hochladen.
Eine Heizung mit nur einem Raumthermostat ist wenig flexibel, wenn dieser Raum mal nicht beheizt werden soll. Mit Hilfe eines ESP32 soll die vorhandene Regelung ergänzt werden um die Möglichkeit, weitere IoT-Thermostate auszulesen.
Wer gut änderbaren Code programmieren will, der versteckt Implementierungsdetails wie den Zustand von Objekten. Veröffentlicht wird nur, was wirklich benötigt wird. In Python ist es nicht ganz einfach (und eher unüblich), den Rest wegzukapseln. Aber wie lässt sich Kapselung in Python umsetzen?
