• Features
• Quick Start
• Project Structure
• Usage
• Persistent Storage
• Architecture
• Logging System
• Development
• License

• Shape Management:

  • Create points, lines, circles, squares, rectangles, ellipses
  • List all shapes with formatted output
  • Delete shapes by ID (with partial ID matching)
  • Clear all shapes at once
  • Count total shapes

• Persistent Storage:

  • Save current shapes to a JSON file
  • Load shapes from a JSON file with intelligent merging
  • Automatic conflict resolution (duplicate IDs are skipped)
  • Configurable file location (default: database/shapes.json)

• Clean Architecture:

  • Strict separation of concerns (Domain, Application, Infrastructure)
  • Repository pattern for data storage
  • Dependency injection ready
  • Interface-based design

• Enterprise Logging:

  • Structured logging with structlog
  • JSON output for production, colored console for development
  • Context binding
  • File rotation support
  • Third-party logger hijacking

• Production Ready:

  • Full type hints with Python 3.14
  • Ruff for linting and formatting
  • Pre-commit hooks for code quality
  • Docker support with uv for fast builds
  • Comprehensive test suite

• Python 3.14+
• uv
• Docker (optional)

# Clone the repository
git clone https://github.com/script-logic/vector-editor-cli.git
cd vector-editor-cli

# Install with uv
uv venv
uv pip install -e .

# Start interactive CLI
uv run python main.py

# Using Docker
docker-compose up

# Using Makefile
make run

├── database/                            # Persistent storage (JSON files)
│   └── shapes.json                      # Default shape file
├── logs/                                # Application logs
├── src/
│   └── vector_editor/
│       ├── application/                 # Application layer
│       │   └── services/                # ShapeService (use cases)
│       ├── cli/                         # CLI interface
│       │   ├── app.py                   # Click commands
│       │   └── formatting.py            # Console output
│       ├── config/                      # Configuration
│       │   └── config.py                # Pydantic settings
│       ├── domain/                      # Core business logic
│       │   ├── definitions/             # Shape definitions
│       │   ├── geometry/                # Geometric representations
│       │   ├── interfaces/              # Repository protocol
│       │   ├── primitives/              # Coordinates, Transform
│       │   └── placed_shape.py          # Shape with ID & transform
│       ├── infrastructure/              # External concerns
│       │   ├── repositories/            # InMemoryShapeRepository
│       │   └── serialization.py         # JSON serialization
│       ├── logger/                      # Structured logging system
│       └── utils/                       # Helpers (Singleton)
├── tests/                               # Unit tests
├── main.py                              # Entry point
├── pyproject.toml                       # Project configuration
├── docker-compose.yml                   # Docker setup
└── Makefile                             # Development tasks

• save without argument saves to database/shapes.json.
• If the file already exists, you will be prompted:
  • Append – loads existing shapes, merges with current (duplicate IDs are skipped), and saves combined set.
  • Overwrite – replaces file content with current shapes.

• load without argument loads from database/shapes.json.
• If there are shapes already in memory:
  • Add – adds loaded shapes, skipping duplicates.
  • Replace – clears memory and loads shapes from file.

This design ensures you never lose data unintentionally and have full control over merging.

1. Domain Layer: Pure Python with dataclasses, no external dependencies.
2. Repository Pattern: Abstract IShapeRepository protocol enables easy swapping of storage (in‑memory, file‑based, etc.).
3. Serialization: Infrastructure module converts domain objects to/from JSON.
4. Dependency Injection: Services receive repository and config via constructor.
5. Protocol-based Interfaces: Uses typing.Protocol for loose coupling.

A sophisticated, production-ready logging system built with structlog.

• Structured Logging: All logs are structured events, not just strings.
• Dual Output:
  • Development: Beautiful colored console output.
  • Production: JSON format for log aggregation.
• File Rotation: Built-in log rotation with size limits.
• Third-party Hijacking: Automatically configures logs for pydantic.

Via config.py or .env(optional):

LoggingConfig(
    debug=True,                          # False for JSON output
    app_name="Vector Editor",
    log_level="INFO",
    enable_file_logging=False,
)
FileSystem(
    db_dir=Path("database"),
    db_json_file_name="shapes.json",
    logs_dir=Path("logs"),
    logs_file_name="app.log",
    max_log_file_size_mb=10,
    log_backup_count=5,
)

# Install with dev dependencies
uv pip install -e . --group dev

# Activate venv
source .venv/bin/activate  # or .venv\Scripts\activate

# Install pre-commit hooks
pre-commit install

# Run tests
make test

# Run linter
make lint

# Fix formatting
make fix

# Clean cache
make clean

• ruff: Fast Python linter and formatter (line length 79).
• ty: Fast type checking.
• pytest: Comprehensive test suite with coverage.
• pre-commit: Automated checks before commits.

# Build and run
make docker-run

# Rebuild
make docker-rebuild

# Or manually
docker-compose run --rm vector-editor
docker-compose down

# Run all tests
uv run pytest

# With coverage
uv run pytest --cov=src --cov-report=html

# Specific test
uv run pytest tests/unit/cli/test_cli.py

MIT License – free to use and modify.

• Возможности
• Быстрый старт
• Структура проекта
• Использование
• Постоянное хранилище
• Архитектура
• Система логирования
• Разработка
• Лицензия

• Управление фигурами:

  • Создание точек, линий, кругов, квадратов, прямоугольников, эллипсов
  • Просмотр всех фигур с форматированным выводом
  • Удаление фигур по ID (с поддержкой частичного совпадения)
  • Удаление всех фигур одной командой
  • Подсчёт общего количества фигур

• Постоянное хранилище:

  • Сохранение текущих фигур в JSON-файл
  • Загрузка фигур из JSON-файла с опциональным слиянием
  • Автоматическое разрешение конфликтов (дублирующиеся ID пропускаются)
  • Настраиваемое расположение файла (по умолчанию: database/shapes.json)

• Чистая архитектура:

  • Чёткое разделение слоёв (домен, приложение, инфраструктура)
  • Паттерн «Репозиторий» для хранения данных
  • Готовность к внедрению зависимостей
  • Проектирование на основе интерфейсов

• Промышленное логирование:

  • Структурированное логирование с помощью structlog
  • Вывод в JSON для продакшена, цветной вывод для разработки
  • Привязка контекста
  • Поддержка ротации файлов
  • Перехват логов сторонних библиотек

• Готовность к продакшену:

  • Полная типизация (Python 3.14)
  • Линтинг и форматирование с Ruff
  • Pre-commit хуки для контроля качества кода
  • Поддержка Docker с uv для быстрой сборки
  • Комплексный набор тестов

• Python 3.14+
• uv
• Docker (опционально)

# Клонировать репозиторий
git clone https://github.com/script-logic/vector-editor-cli.git
cd vector-editor-cli

# Установка с помощью uv
uv venv
uv pip install -e .

# Запуск интерактивного CLI
uv run python main.py

# С использованием Docker
docker-compose up

# С использованием Makefile
make run

├── database/                            # Постоянное хранилище (JSON-файлы)
│   └── shapes.json                      # Файл хранения по умолчанию
├── logs/                                # Логи приложения
├── src/
│   └── vector_editor/
│       ├── application/                 # Слой приложения
│       │   └── services/                # ShapeService
│       ├── cli/                         # Интерфейс командной строки
│       │   ├── app.py                   # Команды Click
│       │   └── formatting.py            # Вывод в консоль
│       ├── config/                      # Конфигурация
│       │   └── config.py                # Настройки Pydantic
│       ├── domain/                      # Основная бизнес-логика
│       │   ├── definitions/             # Определения фигур
│       │   ├── geometry/                # Геометрические представления
│       │   ├── interfaces/              # Протокол репозитория
│       │   ├── primitives/              # Координаты, трансформация
│       │   └── placed_shape.py          # Фигура с ID и трансформацией
│       ├── infrastructure/              # Внешние зависимости
│       │   ├── repositories/            # InMemoryShapeRepository
│       │   └── serialization.py         # JSON-сериализация
│       ├── logger/                      # Система структурированного логирования
│       └── utils/                       # Вспомогательные утилиты (Singleton)
├── tests/                               # Модульные тесты
├── main.py                              # Точка входа
├── pyproject.toml                       # Метаданные проекта
├── docker-compose.yml                   # Настройки Docker
└── Makefile                             # Задачи разработки

• save без аргумента сохраняет в database/shapes.json.
• Если файл уже существует, будет задан вопрос:
  • Добавить – загружает существующие фигуры, объединяет с текущими (дублирующиеся ID пропускаются) и сохраняет объединённый набор.
  • Перезаписать – заменяет содержимое файла текущими фигурами.

• load без аргумента загружает из database/shapes.json.
• Если в памяти уже есть фигуры:
  • Добавить – добавляет загруженные фигуры, пропуская дубликаты.
  • Заменить – очищает память и загружает фигуры из файла.

Такое поведение гарантирует, что вы никогда не потеряете данные случайно и сохраняете полный контроль над слиянием.

1. Слой домена: Чистый Python с датаклассами, без внешних зависимостей.
2. Паттерн «Репозиторий»: Абстрактный протокол IShapeRepository позволяет легко заменять хранилище (в памяти, на основе файлов и т.д.).
3. Сериализация: Модуль инфраструктуры преобразует объекты домена в JSON и обратно.
4. Внедрение зависимостей: Сервисы получают репозиторий и конфигурацию через конструктор.
5. Интерфейсы на основе протоколов: Использование typing.Protocol для слабой связанности.

Сложная, готовая к продакшену система логирования на базе structlog.

• Структурированное логирование: Все логи — это структурированные события, а не просто строки.
• Два режима вывода:
  • Разработка: красивый цветной вывод в консоль.
  • Продакшен: JSON-формат для агрегации логов.
• Ротация файлов: Встроенная ротация логов с ограничением по размеру.
• Перехват сторонних логгеров: Автоматически настраивает логи для pydantic.

Через config.py или .env (опционально):

LoggingConfig(
    debug=True,                          # False для JSON-вывода
    app_name="Vector Editor",
    log_level="INFO",
    enable_file_logging=False,
)
FileSystem(
    db_dir=Path("database"),
    db_json_file_name="shapes.json",
    logs_dir=Path("logs"),
    logs_file_name="app.log",
    max_log_file_size_mb=10,
    log_backup_count=5,
)

# Установка с dev-зависимостями
uv pip install -e . --group dev

# Активировать виртуальное окружение
source .venv/bin/activate  # или .venv\Scripts\activate

# Установить pre-commit хуки
pre-commit install

# Запустить тесты
make test

# Запустить линтер
make lint

# Исправить форматирование
make fix

# Очистить кеш
make clean

• ruff: Быстрый линтер и форматтер Python (длина строки 79).
• ty: Быстрая проверка типов.
• pytest: Комплексный набор тестов с покрытием.
• pre-commit: Автоматические проверки перед коммитами.

# Собрать и запустить
make docker-run

# Пересобрать
make docker-rebuild

# Или вручную
docker-compose run --rm vector-editor
docker-compose down

# Запустить все тесты
uv run pytest

# С отчётом о покрытии
uv run pytest --cov=src --cov-report=html

# Конкретный тест
uv run pytest tests/unit/cli/test_cli.py

Лицензия MIT – можно свободно использовать и модифицировать.