Negli ultimi anni ho lavorato principalmente con tecnologie come PHP, JavaScript, MySQL e WordPress, sviluppando applicazioni web, gestionali e soluzioni personalizzate per aziende e professionisti.
Sono tecnologie con cui continuo a lavorare con piacere e che mi hanno permesso di costruire una solida esperienza nello sviluppo software.
Negli ultimi mesi, però, ho iniziato a farmi una domanda.
Come sta cambiando il mercato del lavoro?
Durante diversi colloqui tecnici ho notato un elemento ricorrente: sempre più aziende cercano sviluppatori con competenze che vanno oltre lo stack tradizionale. Python, cloud computing, automazione e sviluppo di API sono diventati requisiti sempre più frequenti.
Avrei potuto limitarmi a seguire un corso online.
Ho preferito fare qualcosa di diverso.
Imparare costruendo
Sono convinto che il modo migliore per imparare una tecnologia non sia leggere soltanto documentazione o completare un videocorso.
Bisogna costruire qualcosa di reale.
Per questo motivo ho deciso di affrontare Python nello stesso modo in cui affronto ogni nuova tecnologia: partendo da un progetto concreto.
L’obiettivo non era semplicemente imparare la sintassi del linguaggio, ma comprendere il suo ecosistema, le sue librerie e il modo in cui viene utilizzato nello sviluppo di applicazioni moderne.
Da questa idea è nata la mia Document Processing API.
Perché proprio una Document Processing API?
Quando si studia un nuovo linguaggio è facile cadere nella tentazione di sviluppare i classici esempi didattici.
Una ToDo List.
Una calcolatrice.
Un CRUD.
Sono esercizi utili, ma volevo qualcosa che potesse rappresentare un contesto più vicino a quello che si incontra realmente in azienda.
Così è nata l’idea di sviluppare un servizio REST capace di ricevere documenti PDF, validarli e restituire informazioni strutturate.
Un progetto apparentemente semplice, ma costruito seguendo un’architettura pulita e facilmente estendibile.
Scoprire FastAPI e l’ecosistema Python
Una delle sorprese più piacevoli di questo percorso è stata proprio Python.
Conoscevo già ecosistemi differenti come PHP, JavaScript e Kotlin, ognuno con i propri punti di forza.
Python, però, mi ha colpito per la qualità delle librerie disponibili.
FastAPI, ad esempio, permette di sviluppare API moderne con pochissimo codice mantenendo un’elevata qualità architetturale.
Pydantic rende naturale la validazione dei dati.
Ruff mi aiuta a controllare errori e formattazione.
Il testing è semplice da integrare.
La sensazione è quella di lavorare in un ecosistema estremamente maturo, dove molte problematiche comuni sono già state risolte nel modo corretto.
Ed è probabilmente questo l’aspetto che mi ha entusiasmato maggiormente.
Un progetto piccolo, sviluppato con mentalità professionale
L’obiettivo non era costruire un prodotto enorme.
L’obiettivo era costruirlo bene.
Per questo motivo il progetto è stato organizzato fin dall’inizio seguendo una struttura modulare:
- separazione tra API, servizi e modelli;
- validazione degli input;
- gestione delle eccezioni personalizzate;
- test automatici;
- documentazione OpenAPI;
- repository GitHub;
- versionamento del codice;
- prima release ufficiale.
Sono tutti aspetti che, indipendentemente dal linguaggio utilizzato, fanno parte di un modo di sviluppare software che considero fondamentale.
Più che imparare Python, sto evolvendo come sviluppatore
Questo progetto rappresenta molto più del mio primo repository Python.
Rappresenta il modo in cui sto affrontando la mia crescita professionale.
Negli ultimi mesi ho iniziato un percorso che mi sta portando verso tecnologie sempre più richieste dal mercato, come Python, il cloud computing e AWS.
Non perché siano di moda.
Ma perché credo che un buon sviluppatore debba continuare a evolversi.
L’esperienza accumulata negli anni rimane il punto di partenza.
Le nuove tecnologie rappresentano il passo successivo.
La prima release è soltanto l’inizio
Questa prima release conclude una fase importante del progetto, ma apre la strada a molte nuove funzionalità.
Nei prossimi mesi vorrei continuare a espanderlo introducendo:
- estrazione del testo dai PDF;
- OCR per documenti scannerizzati;
- classificazione automatica dei documenti;
- integrazione con modelli di Intelligenza Artificiale;
- supporto a nuovi formati.
Ogni nuova funzionalità sarà un’occasione per approfondire ulteriormente Python e tutto il suo ecosistema.
Conclusioni
Ho deciso di pubblicare questo progetto su GitHub perché credo che il codice racconti molto più di un elenco di competenze inserito in un curriculum.
Mostra il percorso.
Le scelte progettuali.
Gli errori corretti.
L’evoluzione.
Questo repository rappresenta il mio primo passo concreto nel mondo Python.
E, soprattutto, rappresenta la direzione che voglio continuare a seguire come sviluppatore.