# فصل ۰۷ — دادهٔ واقعی را وارد کن

<div dir="rtl">

# فصل ۰۷ — دادهٔ واقعی را وارد کن

## در این فصل چه یاد می‌گیری

از فصلِ ۱ یک فایل روی دیسک منتظر است: `arrivals.csv` با **۲۴۰** کتابِ تازه‌رسیده که در هیچ پرسشی از این ترم دیده نشده‌اند. این فصل واردشان می‌کند.

و در همان لحظهٔ ورود، **۲۷ سطر** ستونِ `year`شان به‌جای عدد، متن ذخیره می‌شود — همان تلهٔ فصلِ ۵، این بار جلوی چشممان. نتیجه‌اش قابلِ اندازه‌گیری است: پرسشِ «چند کتاب از ۲۰۲۳ به بعد؟» روی جدولِ خام **۱۰۴** می‌دهد و روی همان داده، وقتی درست وارد شده باشد، **۸۲**.

**درسِ اصلی همین است: بهترین جا برای پاک کردنِ داده، لحظهٔ ورودش است.** هر چیزی که همان‌جا درست نشود، باید در تک‌تکِ پرسش‌های بعدی وصله شود — و اولین باری که یادت برود، عددت غلط می‌شود.

![قیفی که دانه‌ها را به دو ظرف می‌ریزد و صافیِ داخلش فقط بخشی از ناخالصی‌ها را می‌گیرد](/lesson-assets/t1-s07-loading-data/prompt/01-image-funnel-and-filter.png)

آخر این فصل می‌توانی:

- با `CREATE TABLE` جدول بسازی و برایش `PRIMARY KEY` بگذاری
- با `INSERT` و پارامترِ `?` سطر اضافه کنی، و بگویی چرا چسباندنِ مقدار ممنوع است
- با `executemany` صدها سطر را با یک فرمان وارد کنی
- با `PRAGMA table_info` ببینی پایگاه داده فکر می‌کند چه ساخته‌ای
- ثابت کنی که ورودِ یک ستون خراب شده، و درستش کنی

## قبل از شروع

**از فصلِ ۵:** `type affinity` — ستونی که `INTEGER` اعلام شده ولی مقدارِ متنی را همان‌طور که هست نگه می‌دارد.

**بدهیِ فصلِ ۳ اینجا پرداخت می‌شود:** چهار فصل است هر مقدار را با `?` فرستادیم و گفتیم «فصلِ ۷ می‌گوید چرا». بخشِ ۳ دلیلش را با یک خطای واقعی نشان می‌دهد.

> 📓 **نوت‌بوک:** [نوت‌بوک این فصل را در Colab باز کن](/notebooks/avand/term-1-reading-data/session-07-loading-data.ipynb) — همهٔ کدهای این فصل آماده و به‌ترتیب داخلش هست.

</div>

| جدول | تعدادِ سطر | زمانِ ساخت |
|---|---|---|
| `books` | ۱٬۲۰۰ | کمتر از یک ثانیه |
| `branches` | ۶ | آنی |
| `arrivals.csv` (روی دیسک) | ۲۴۰ | آنی |

<div dir="rtl">

## ۱. اول فایل را ببین

قاعدهٔ سرنخ که اینجا هم پابرجاست: **اول داده را ببین.** فایل را با کتابخانهٔ `csv` می‌خوانیم چون می‌خواهیم دقیقاً همان چیزی را ببینیم که در فایل هست، بدونِ هیچ تفسیری.

</div>

```python
import csv

with CSV_PATH.open(encoding="utf-8") as fh:
    incoming = list(csv.DictReader(fh))

print("سطرهای فایل:", len(incoming))
print("ستون‌ها     :", list(incoming[0]))
print("سطر نمونه   :", incoming[0])
```

```text
سطرهای فایل: 240
ستون‌ها     : ['title', 'author', 'category', 'pages', 'year', 'price_text', 'donor']
سطر نمونه   : {'title': 'سنگ در باران', 'author': 'سعید رحیمی', 'category': 'شعر', 'pages': '619', 'year': '2023', 'price_text': '492000', 'donor': 'رضا صادقی'}
```

<div dir="rtl">

**به کوتیشن‌ها نگاه کن: `'619'` و `'2023'` هر دو رشته‌اند.** یک فایلِ `CSV` نوع ندارد؛ همه‌چیزش متن است. هر نوعی که در پایگاه داده بگیرند، تصمیمِ ماست.

## ۲. `CREATE TABLE`

</div>

```python
ARRIVALS_TABLE = """
CREATE TABLE arrivals (
    id         INTEGER PRIMARY KEY,
    title      TEXT,
    author     TEXT,
    category   TEXT,
    pages      INTEGER,
    year       INTEGER,
    price_text TEXT,
    donor      TEXT
)
"""

con.execute("DROP TABLE IF EXISTS arrivals")
con.execute(ARRIVALS_TABLE)
con.commit()
print(q("SELECT type, name FROM sqlite_master"))
```

```text
    type                         name
0  table                     branches
1  index  sqlite_autoindex_branches_1
2  table                        books
3  table                     arrivals
```

<div dir="rtl">

جدولِ چهارم ساخته شد و در همان `sqlite_master`ِ فصلِ ۱ نشست.

**`id INTEGER PRIMARY KEY` یعنی این ستون یکتاست و اگر مقداری برایش ندهی، `SQLite` خودش شماره می‌دهد.** فعلاً همین‌قدر بدان؛ ترمِ ۴ فصلِ ۲ کاملاً بازش می‌کند — چه چیزی می‌تواند کلید باشد، کِی کلیدِ طبیعی بهتر است، و چرا کلیدی که فکر می‌کردی یکتاست معمولاً نیست.

**و `DROP TABLE IF EXISTS` را جدی بگیر:** بدونِ آن، اجرای دوبارهٔ همین سلول خطا می‌دهد. متنِ ساختِ جدول را در یک متغیرِ پایتونی نگه داشتیم تا بعداً بتوانیم دوباره اجرایش کنیم — **این نگه داشتنِ متنِ پرسش است، نه چسباندنِ مقدار به آن. بخشِ بعد دقیقاً همین مرز را نشان می‌دهد.**

## ۳. `INSERT` با `?` — و چرا چسباندنِ مقدار ممنوع است

</div>

```python
con.execute(
    "INSERT INTO arrivals (title, author, category, pages, year) VALUES (?, ?, ?, ?, ?)",
    ("کتاب آزمایشی", "نام آزمایشی", "علم", 100, 2024),
)
con.commit()
print(q("SELECT id, title, pages, year, donor FROM arrivals"))
```

```text
   id         title  pages  year donor
0   1  کتاب آزمایشی    100  2024  None
```

<div dir="rtl">

`id` را ندادیم و `SQLite` خودش ۱ گذاشت. `donor` را هم ندادیم و `NULL` شد — چون **ستونی که مقدار نگیرد، خالی می‌ماند، نه صفر و نه رشتهٔ خالی.**

**`con.commit()` را جا نینداز.** `sqlite3`ِ پایتون خودش تراکنش را باز می‌کند ولی خودش نمی‌بنددش. بدونِ `commit`، نوشته‌ات با بسته شدنِ اتصال از بین می‌رود و هیچ خطایی هم نمی‌گیری.

و حالا همان چیزی که چهار فصل عقب افتاده بود. **فرض کن مقدار را به‌جای `?` مستقیم داخلِ متنِ پرسش بچسبانیم:**

</div>

```python
tricky = "کتابِ 'نقل قول'دار"
sql_by_hand = "SELECT COUNT(*) FROM arrivals WHERE title = '" + tricky + "'"
print("پرسشی که با چسباندن مقدار ساخته شد:")
print(sql_by_hand)
print()
try:
    q(sql_by_hand)
except Exception as error:
    print(type(error).__module__ + "." + type(error).__name__)
    print(error)
print()
print("همان پرسش با پارامتر، بدون هیچ دردسری:",
      int(q("SELECT COUNT(*) FROM arrivals WHERE title = ?", (tricky,)).iloc[0, 0]))
```

```text
پرسشی که با چسباندن مقدار ساخته شد:
SELECT COUNT(*) FROM arrivals WHERE title = 'کتابِ 'نقل قول'دار'

pandas.errors.DatabaseError
Execution failed on sql 'SELECT COUNT(*) FROM arrivals WHERE title = 'کتابِ 'نقل قول'دار'': near "نقل": syntax error

همان پرسش با پارامتر، بدون هیچ دردسری: 0
```

<div dir="rtl">

**یک آپاستروف داخلِ عنوان، و پرسش از وسط دو نیم شد.** `SQLite` رشته را سرِ آن آپاستروف تمام‌شده دید و بقیه را دستوری خواند که معنایی ندارد.

**و این خوش‌شانسیِ ماست که خطا داد.** حالت‌های بدتری هم هست: اگر آن متن به‌جای یک آپاستروف، **چیزی شبیهِ یک دستورِ معتبر** باشد، پرسشت بی‌صدا کارِ دیگری می‌کند — چیزی که در دنیای واقعی به آن `SQL injection` می‌گویند و رایج‌ترین راهِ سرقتِ داده از یک برنامه است.

با `?` هیچ‌کدام از این‌ها ممکن نیست، **چون مقدار هرگز بخشی از متنِ پرسش نمی‌شود.** پرسش یک بار تحلیل می‌شود، بعد مقدار در جای خالی می‌نشیند. **این تنها راهِ درست است و در هیچ فصلی، حتی «برای سادگی»، استثنا ندارد.**

## ۴. `executemany`: ۲۴۰ سطر با یک فرمان

</div>

```python
con.execute("DROP TABLE IF EXISTS arrivals")
con.execute(ARRIVALS_TABLE)

rows = [(r["title"], r["author"], r["category"], r["pages"], r["year"],
         r["price_text"], r["donor"]) for r in incoming]
con.executemany("""
    INSERT INTO arrivals (title, author, category, pages, year, price_text, donor)
    VALUES (?, ?, ?, ?, ?, ?, ?)
""", rows)
con.commit()

print("سطرهای وارد شده:", int(q("SELECT COUNT(*) FROM arrivals").iloc[0, 0]))
print("سطرهای فایل    :", len(incoming))
```

```text
سطرهای وارد شده: 240
سطرهای فایل    : 240
```

<div dir="rtl">

> ✅ **چک کن:** این دو عدد **همیشه** باید یکی باشند و این اولین شمارشِ کنترلیِ هر واردکردنی است. اگر عددِ اول کمتر بود، سطرهایی رد شده‌اند؛ اگر بیشتر بود، سلول را دو بار اجرا کرده‌ای.

> 🔧 **اگر کار نکرد:** پرتکرارترین خطای `executemany` این است که تعدادِ `?`ها با تعدادِ خانه‌های هر `tuple` نخواند:

</div>

```python
try:
    con.executemany("""
        INSERT INTO arrivals (title, author, category, pages, year, price_text, donor)
        VALUES (?, ?, ?, ?, ?, ?, ?)
    """, [(r["title"], r["author"], r["category"], r["pages"], r["year"])
          for r in incoming[:1]])
except Exception as error:
    print(type(error).__module__ + "." + type(error).__name__)
    print(error)
```

```text
sqlite3.ProgrammingError
Incorrect number of bindings supplied. The current statement uses 7, and there are 5 supplied.
```

<div dir="rtl">

پیام دقیقاً می‌گوید چند تا انتظار داشت و چند تا گرفت. **همین خطاست که در فصلِ ۳ گفتیم اگر `("شعر",)` را بدونِ کاما بنویسی می‌گیری** — آن‌وقت پایتون یک رشته می‌بیند و `sqlite3` هر حرفش را یک مقدار می‌شمارد.

## ۵. `PRAGMA table_info`: پایگاه داده چه فکر می‌کند دارد

</div>

```python
print(q("PRAGMA table_info(arrivals)"))
```

```text
   cid        name     type  notnull dflt_value  pk
0    0          id  INTEGER        0       None   1
1    1       title     TEXT        0       None   0
2    2      author     TEXT        0       None   0
3    3    category     TEXT        0       None   0
4    4       pages  INTEGER        0       None   0
5    5        year  INTEGER        0       None   0
6    6  price_text     TEXT        0       None   0
7    7       donor     TEXT        0       None   0
```

<div dir="rtl">

هشت ستون، و ستونِ `pk` می‌گوید فقط `id` کلیدِ اصلی است. **این پرسش را روی هر جدولی که خودت نساخته‌ای بزن؛ پنج ثانیه وقت می‌گیرد و اسکیمای واقعی را به‌ت می‌گوید، نه اسکیمایی که فکر می‌کنی هست.**

**ولی حواست باشد این جدول فقط «اعلام»ها را نشان می‌دهد، نه واقعیتِ داده.** ستونِ `year` اینجا `INTEGER` نوشته شده. بخشِ بعد نشان می‌دهد که این ادعا برای ۲۷ سطر درست نیست.

## ۶. ستونی که موقعِ ورود خراب شد

</div>

```python
for kind in ("integer", "text"):
    n_year = int(q("SELECT COUNT(*) FROM arrivals WHERE typeof(year) = ?", (kind,)).iloc[0, 0])
    n_pages = int(q("SELECT COUNT(*) FROM arrivals WHERE typeof(pages) = ?", (kind,)).iloc[0, 0])
    print(f"  {kind:<8} → year: {n_year:>4} سطر | pages: {n_pages:>4} سطر")
print()
print(q("""
    SELECT id, year, typeof(year) AS kind
    FROM arrivals
    WHERE typeof(year) = ?
    ORDER BY id
    LIMIT 3
""", ("text",)))
```

```text
  integer  → year:  213 سطر | pages:  240 سطر
  text     → year:   27 سطر | pages:    0 سطر

   id  year  kind
0   9  ۲۰۲۲  text
1  19  ۲۰۲۴  text
2  36  ۲۰۲۳  text
```

<div dir="rtl">

**ستونِ `pages` سالم درآمد و ستونِ `year` در ۲۷ سطر خراب شد — با اینکه هر دو از یک فایل و با یک فرمان وارد شدند.**

تفاوت در خودِ داده است: در فایل، همهٔ صفحه‌ها با رقمِ انگلیسی تایپ شده بودند و ۲۷ سال با رقمِ فارسی. `SQLite` رشتهٔ `'619'` را به عدد تبدیل کرد و رشتهٔ `'۲۰۲۲'` را نتوانست، پس همان‌طور که بود نگه داشت. **بی‌صدا، بدونِ هشدار.**

و حالا هزینه‌اش:

</div>

```python
recent = int(q("SELECT COUNT(*) FROM arrivals WHERE year >= ?", (2023,)).iloc[0, 0])
old = int(q("SELECT COUNT(*) FROM arrivals WHERE year < ?", (2023,)).iloc[0, 0])
broken = int(q("SELECT COUNT(*) FROM arrivals WHERE typeof(year) = ?", ("text",)).iloc[0, 0])

print("year >= 2023 :", recent)
print("year <  2023 :", old)
print("جمع دو تکه   :", recent + old, "| سطرهای جدول: 240")
print("و چند سطر از دستهٔ اول اصلاً متن‌اند؟", broken)
```

```text
year >= 2023 : 104
year <  2023 : 136
جمع دو تکه   : 240 | سطرهای جدول: 240
و چند سطر از دستهٔ اول اصلاً متن‌اند؟ 27
```

<div dir="rtl">

**دقیقاً همان الگوی فصلِ ۵: جمعِ دو تکه درست است و هر دو تکه غلط.** هر ۲۷ سطرِ متنی در دستهٔ «۲۰۲۳ به بعد» افتادند، چون متن از عدد بزرگ‌تر شمرده می‌شود — حتی متنی که مقدارش ۲۰۱۸ است.

## ۷. پاک‌سازی در لحظهٔ ورود

راهِ درست این نیست که در هر پرسش `replace` بنویسیم. **راهِ درست این است که یک بار، موقعِ ساختنِ `tuple`ها، داده را درست کنیم.**

</div>

```python
digits = dict(zip("۰۱۲۳۴۵۶۷۸۹", "0123456789"))
clean_rows = []
for r in incoming:
    year = "".join(digits.get(ch, ch) for ch in r["year"])
    clean_rows.append((r["title"], r["author"], r["category"], int(r["pages"]),
                       int(year), r["price_text"], r["donor"] or None))

con.execute("DROP TABLE IF EXISTS arrivals_clean")
con.execute(ARRIVALS_TABLE.replace("arrivals", "arrivals_clean"))
con.executemany("""
    INSERT INTO arrivals_clean (title, author, category, pages, year, price_text, donor)
    VALUES (?, ?, ?, ?, ?, ?, ?)
""", clean_rows)
con.commit()

print("سطرهای متنی در year — جدول خام :",
      int(q("SELECT COUNT(*) FROM arrivals WHERE typeof(year) = ?", ("text",)).iloc[0, 0]))
print("سطرهای متنی در year — جدول پاک :",
      int(q("SELECT COUNT(*) FROM arrivals_clean WHERE typeof(year) = ?", ("text",)).iloc[0, 0]))
print("year >= 2023 — جدول خام        :",
      int(q("SELECT COUNT(*) FROM arrivals WHERE year >= ?", (2023,)).iloc[0, 0]))
print("year >= 2023 — جدول پاک        :",
      int(q("SELECT COUNT(*) FROM arrivals_clean WHERE year >= ?", (2023,)).iloc[0, 0]))
print("donor خالی که NULL شد          :",
      int(q("SELECT COUNT(*) FROM arrivals_clean WHERE donor IS NULL").iloc[0, 0]))
```

```text
سطرهای متنی در year — جدول خام : 27
سطرهای متنی در year — جدول پاک : 0
year >= 2023 — جدول خام        : 104
year >= 2023 — جدول پاک        : 82
donor خالی که NULL شد          : 38
```

<div dir="rtl">

**۱۰۴ در برابرِ ۸۲. بیست‌ودو سطر بی‌جا در دستهٔ «تازه» نشسته بودند.**

سه کار در حلقهٔ بالا انجام شد و هر سه‌شان تصمیم‌اند، نه تشریفات:

1. **رقمِ فارسی به انگلیسی** — همان ۲۷ سطر را نجات داد.
2. **`int(...)` روی `pages` و `year`** — تبدیل را از حدسِ `SQLite` گرفتیم و صریح کردیم. اگر مقداری واقعاً عدد نباشد، حالا خطا می‌گیریم به‌جای اینکه بی‌صدا متن بماند.
3. **`r["donor"] or None`** — رشتهٔ خالی را به `NULL` تبدیل کرد. ۳۸ سطر. **این یک انتخاب است، نه یک قاعده:** «اهداکننده را نمی‌دانیم» با «اهداکننده‌ای نبوده» فرق دارد، و اینجا تصمیم گرفتیم اولی باشد چون فایل بینشان تفاوتی نگذاشته بود. **در گزارش باید همین جمله را بنویسی.**

> 📏 **اندازه بگیر:** **یک سطر یعنی چه؟** یک کتابِ تازه‌رسیده در محمولهٔ این فایل — نه یک کتاب در فهرستِ کتابخانه؛ `books` و `arrivals` هنوز دو جدولِ جدا هستند. **با کدام شمارشِ دوم سنجیدی؟** سه‌تا: تعدادِ سطرهای فایل در برابرِ سطرهای جدول (۲۴۰ و ۲۴۰)، شمارشِ `typeof` روی هر ستون (۲۱۳ و ۲۷)، و همان پرسش روی جدولِ خام در برابرِ جدولِ پاک (۱۰۴ و ۸۲). **چه کسی از قلم افتاد؟** در جدولِ خام، ۲۲ سطر در دستهٔ اشتباه بودند. و ۳۸ کتاب اهداکننده‌شان نامعلوم است: در جدولِ خام رشتهٔ خالی‌اند و در جدولِ پاک `NULL`، که در هر شرطی روی `donor` کنار می‌رود.

## ۸. `df.to_sql`: راهِ کوتاه، و چیزی که خودش تصمیم می‌گیرد

</div>

```python
frame = pd.DataFrame(incoming)
frame.to_sql("arrivals_auto", con, index=False, if_exists="replace")
con.commit()

print(q("PRAGMA table_info(arrivals_auto)"))
print()
for kind in ("integer", "text"):
    n = int(q("SELECT COUNT(*) FROM arrivals_auto WHERE typeof(pages) = ?", (kind,)).iloc[0, 0])
    print(f"  pages از نوع {kind:<8}: {n:>4} سطر")
```

```text
   cid        name  type  notnull dflt_value  pk
0    0       title  TEXT        0       None   0
1    1      author  TEXT        0       None   0
2    2    category  TEXT        0       None   0
3    3       pages  TEXT        0       None   0
4    4        year  TEXT        0       None   0
5    5  price_text  TEXT        0       None   0
6    6       donor  TEXT        0       None   0

  pages از نوع integer :    0 سطر
  pages از نوع text    :  240 سطر
```

<div dir="rtl">

**یک خط کد، و هر هفت ستون `TEXT` شد — حتی `pages` که در روشِ دستی سالم درآمده بود. و هیچ کلیدِ اصلی‌ای هم ساخته نشد.**

این باگِ `pandas` نیست: `to_sql` نوعِ ستون‌های `DataFrame` را ترجمه می‌کند، و `DataFrame`ی که از رشته‌های `CSV` ساخته شده، همه‌اش رشته است. **`to_sql` اسکیما را از دادهٔ ورودی می‌سازد، و اگر دادهٔ ورودی نوعِ درستی نداشته باشد، اسکیما هم ندارد.**

**پس کِی از هرکدام استفاده کنیم؟** `to_sql` برای وقتی که جدول یک‌بارمصرف است یا `DataFrame` از قبل نوعِ درست دارد. `CREATE TABLE` + `executemany` برای هر جدولی که قرار است بماند — چون آنجا **تو** تصمیم می‌گیری هر ستون چه نوعی باشد، نه یک تابع.

> 🤖 **از دستیارت بپرس:** «`SQL injection` چیست و چرا پارامتر جلویش را می‌گیرد؟» بعد این را بپرس: **«چرا نمی‌شود نامِ جدول را هم با `?` فرستاد؟»** — جواب به تفاوتِ «ساختارِ پرسش» و «مقدار» اشاره می‌کند: پرسش قبل از رسیدنِ مقدارها تحلیل می‌شود، پس ساختارش باید همان موقع معلوم باشد.

## واژه‌های تازهٔ این فصل

</div>

| کلمه | تلفظ به حروف فارسی | یعنی چه |
|---|---|---|
| CREATE TABLE | کریت تیبل | ساختنِ جدولِ تازه |
| INSERT | اینسرت | افزودنِ سطر به جدول |
| PRIMARY KEY | پرایمری کی | ستونی که هر سطر را یکتا می‌کند |
| parameterised query | پارامترایزد کوئری | پرسشی که مقدارهایش جدا از متنش می‌روند |
| SQL injection | اس‌کیو‌ال اینجکشن | حمله‌ای که با چسباندنِ مقدار به متنِ پرسش ممکن می‌شود |
| executemany | اگزکیوت‌منی | اجرای یک پرسش روی فهرستی از مقدارها |
| PRAGMA | پراگما | فرمانِ مخصوصِ `SQLite` برای پرسیدن یا تنظیمِ خودِ موتور |

<div dir="rtl">

## تمرین‌ها

قبل از تمرین، بدونِ نگاه به بالا جواب بده: چرا `pages` سالم وارد شد و `year` نشد، در حالی که هر دو `INTEGER` اعلام شده بودند؟

**تمرینِ اجباری:** ستونِ `price_text` را هم در لحظهٔ ورود پاک کن. جدولِ تازه‌ای بساز که ستونش `price INTEGER` باشد، ارقامِ فارسی را تبدیل کن، و مقدارهایی را که واقعاً عدد نیستند `NULL` بگذار — **نه صفر**. بعد **سه عدد چاپ کن**: تعدادِ سطرها، `COUNT(price)`، و میانگینِ `price`. **و بنویس چرا `NULL` گذاشتی و نه صفر** — فصلِ ۶ جوابش را دارد.

**تمرینِ ستاره‌دار ⭐:** یک تابع بنویس که هر فهرستی از `dict` را بگیرد و **قبل از ورود** گزارش بدهد: برای هر ستون، چند مقدار خالی است، چند مقدار با `int()` تبدیل می‌شود، و چند مقدار نمی‌شود. رویش `arrivals.csv` را بزن. **بعد سؤالِ سخت را جواب بده: اگر این گزارش را قبل از وارد کردن دیده بودی، کدام تصمیم‌های این فصل عوض می‌شد؟** جوابت باید دستِ‌کم یک تصمیم را نام ببرد که ما بدونِ داشتنِ این گزارش گرفتیم.

## در فصل بعد

هفت فصل ابزار جمع کردیم. فصلِ آخرِ این ترم هیچ چیزِ تازه‌ای یاد نمی‌دهد و به‌جایش یک کارِ کامل تحویل می‌دهد: **سه پرسشِ واقعی روی همین ۲۴۰ کتاب، هرکدام با یک شمارشِ دوم و یک جملهٔ صریح دربارهٔ اینکه چه کسی از قلم افتاد.** و یکی از آن سه پرسش **دو پاسخِ کاملاً درست** دارد — یکی **۹۹** و دیگری **۸** — که تفاوتشان فقط در این است که «یک سطر یعنی چه».

</div>

---
Source: https://yaadestan.com/courses/avand/lessons/t1/s07-loading-data (یادستان, Yaadestan)
