Регулярно требуется преобразовать какой-либо текст в максимально совместимый текст для URL, имени файла, имени объекта в каком-то софте и тд. Требования совместимости простые: в тексте должны быть только допустимые символы. Обычно это a-z, 0-9 и "_" или "-". То есть, только прописные буквы латинского алфавита и цифры (как пример).
Допустим, нам нужно название статьи в блоге преобразовать в slug для добавления его в URL этой статьи. Как это лучше всего сделать?
В Django по умолчанию есть готовая функция slugify для таких случаев.
Но я её никогда не использую. Почему? Потому что её недостаточно!
Приведём пример
>>> from django.utils.text import slugify
>>> slugify('This is a Title')
'this-is-a-title'
Пока всё отлично
>>> slugify('This is a "Title!"')
'this-is-a-title'
Спец символы удалились, всё хорошо.
>>> slugify('Это заголовок статьи')
''
Вот и приехали 😢. Если текст не английский то буквы просто игнорируются. Можно это поправить
>>> slugify('Это заголовок статьи', allow_unicode=True)
'это-заголовок-статьи'
Но тогда мы не вписываемся в условие. У нас появилась кириллица в тексте.
Так как я часто пишу сайты для русскоязычных пользователей эта проблема весьма актуальна. Я не использую стандартную функцию и всегда пишу свою.
Оригинал я не беру в расчёт и пишу полностью свою функцию. И так, по порядку:
🔸1. Исходный текст:
>>> text = 'Мой заголовок №10 😁!'
Взял специально посложней со специальными символами.
🔸2. Транслит
Необходимо сделать транслит всех символов в латиницу. Здесь очень выручает библиотека unidecode. Помимо простого транслита кириллицы в латиницу она умеет преобразовывать спец символы и иероглифы в текстовые аналоги.
from unidecode import unidecode
>>> unidecode("Ñ Σ ® µ ¶ ¼ 月 山")
'N S (r) u P 1/4 Yue Shan'
Очень крутая библиотека, советую👍
В нашем случае получаем такое преобразование:
>>> text = unidecode(text)
>>> print(text)
'Moi zagolovok No. 10 !'
Отличный транслит. Смайл просто удалился, хотя я ждал что-то вроде :). Ну и ладно, всë равно невалидные символы.
А еще наш код уже поддерживает любой язык, будь то хинди или корейский.
🔸4. Фильтр символов
Unidecode не занимается фильтрацией по недопустимым символам. Это мы делаем в следующем шаге через regex. Просто заменим все символы на "_" если они вне указанного диапазона.
>>> text = re.sub(r'[^a-zA-Z0-9]+', '_', text)
>>> print(text)
'Moi_zagolovok_No_10_'
Символ "+" в паттерне выручает когда несколько недопустимых символов идут рядом. Все они заменяются на один символ "_".
🔸5. Slugify
Осталось удалить лишние символы по краям и сделать нижний регистр
>>> text = text.strip('_').lower()
>>> print(text)
'moi_zagolovok_no_10'
Получаем отличный slug! 😎
🌎 Полный код в виде функции.
______________
PS. Проверку что в строке остался хоть один допустимый символ я бы вынес в отдельную функцию.
#libs#tricks#django
#Italia
Il ministro dello sport Andrea #Abodi: "Il governo ha dimostrato concretamente, in questi anni, l'impegno a favore di tutto il movimento sportivo italiani, reputo obiettivamente scorretto tentare di negare le proprie responsabilità sulla terza mancata qualificazione consecutiva ai Mondiali, accusando le Istituzioni di una presunta inadempienza e sminuendo l'importanza e il livello professionistico di altri sport"
@OsservatorioItaliano
Coming out del calciatore Jakub Jankto, di ritorno in Italia con il Cagliari. Polemiche sulle affermazioni del ministro #Abodi: "Non amo le ostentazioni, ma rispetto le scelte individuali". Poi aggiunge: "Posso non condividere alcune espressioni del Pride?". Critiche da #PD e #M5S
@UltimoraPolitics
Viminale, i ministri Matteo #Piantedosi e Andrea #Abodi sottoscrivono una dichiarazione d'intenti con anche il presidente della FIGC Gabriele Gravina: "Partite di calcio da interrompere in caso di cori o atti antisemiti. Stop alla maglia con numero 88"
Nota:
Il numero 88 è spesso usato dai gruppi neonazisti per simbolizzare il saluto 'Heil Hitler' (H è l'ottava lettera dell'alfabeto)
@UltimoraPolitics
Il deputato Enrico #Costa ha chiesto che il ministro dello Sport Andrea #Abodi venga in Aula della Camera per un'informativa urgente sul post del Pd, poi rimosso, che avrebbe utilizzato immagini delle Olimpiadi e della maglia azzurra per un invito al voto referendario.
@UltimoraPolitics24
Il ministro dello sport Andrea #Abodi: "È evidente a tutti che il calcio italiano va rifondato e che questo processo debba ripartire da un rinnovamento dei vertici della FIGC", e replica a #Gravina: "È scorretto tentare di negare le proprie responsabilità sulla terza mancata qualificazione consecutiva ai Mondiali, accusando le Istituzioni di una presunta inadempienza e sminuendo l'importanza e il livello professionistico di altri sport".
@UltimoraPolitics24
Il Ministro #Abodi commenta il caso #Juventus: "C’è un’esigenza che deve essere soddisfatta, perché spiegare è importante quanto decidere. Aspetto le motivazioni e chi ha la responsabilità spieghi questa decisione e perché non ne sono state prese altre. Dopo…
Il Ministro #Abodi commenta il caso #Juventus: "C’è un’esigenza che deve essere soddisfatta, perché spiegare è importante quanto decidere.
Aspetto le motivazioni e chi ha la responsabilità spieghi questa decisione e perché non ne sono state prese altre. Dopo c’è una responsabilità politica di cambiare le regole, nel rispetto dell’autonomia dello sport, perché fenomeni degenerativi vengano limitati. E limitata sia l’interpretazione di questi fatti."
@UltimoraPolitics
#Italia
Il ministro dello sport #Abodi ha chiesto ufficialmente le dimissioni di Gravina: “Si prenda la responsabilità della mancata qualificazione.”
Per la successione in calo l’ipotesi #Malagò, si pensa a #Galliani (#FI|EPP).
@OsservatorioItaliano