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
十一全球贈㷫活動 — 澳紐日台美加
🇦🇺Melbourne
2-4pm | Victoria State Library
IG @alkidarkness
🇳🇿Christchurch
5-6pm | Bridge of Remembrances
🇯🇵東京
13:00 麻布稅務署前
15:30 神宮通公園
IG @standwithhk_jpn
🇹🇼台北
3-5pm | 西門町六色彩虹
fb.com/100070000505851/posts/608512408158771
🇺🇸 San Francisco
11am | 1450 Laguna St, CA 94115
https://fb.me/e/1yHVkYcpw
🇺🇸New York
3pm | Washington Square Park
fb.com/events/2202769423253201
🇺🇸Los Angeles
6pm | Chinese Consulate-General
IG @hk_forum.losangeles
🇨🇦Vancouver
12-2 PM | Art Gallery to the Chinese Consulate Vancouver to attend VSSDM’s rally at 2pm
IG @vanactivistshk
🇨🇦Vancouver
2- 3pm | 3380 Granville St
IG @vssdm_
🇨🇦Calgary
4pm | 卡加利中共領事館 1011 6 Ave SW, AB T2P 0W1
fb.com/events/661023109458101
#SayNoToCCP#EvilCCP#天下圍共#暴政必亡#天滅中共全黨死清光#anticcp#antiauthoritarian
十一全球贈㷫活動 — 澳日台美加
🇦🇺 Melbourne
2-4pm | Victoria State Library
IG @alkidarkness
🇯🇵 東京
13:00 麻布稅務署前
15:30 神宮通公園
IG @standwithhk_jpn
🇹🇼 台北
3-5pm | 西門町六色彩虹
fb.com/100070000505851/posts/608512408158771
🇺🇸 San Francisco
11am | 1450 Laguna St, CA 94115
https://fb.me/e/1yHVkYcpw
🇺🇸 New York
3pm | Washington Square Park
fb.com/events/2202769423253201
🇺🇸 Los Angeles
6pm | Chinese Consulate-General
IG @hk_forum.losangeles
🇨🇦 Vancouver
12-2 PM | Art Gallery to the Chinese Consulate Vancouver to attend VSSDM’s rally at 2pm
IG @vanactivistshk
🇨🇦 Vancouver
2- 3pm | 3380 Granville St
IG @vssdm_
🇨🇦 Calgary
4pm | 卡加利中共領事館 1011 6 Ave SW, AB T2P 0W1
fb.com/events/661023109458101
#SayNoToCCP#EvilCCP#天下圍共#暴政必亡#天滅中共全黨死清光#anticcp#antiauthoritarian
十一全球贈㷫：英國．歐洲
🇬🇧 Nottingham
10.1 | 13:00-14:30
The Square, Beeston, Nottingham NG9 2JG
IG @nottsstandwithhk
🇬🇧 Birmingham
10.1 | 14:00-16:00
Hurst Street B5 4BN to High Street B4 7SL
IG @birminghamhongkongers
🇬🇧 Leeds
10.1 | 14:00-16:00
Victoria Square to City Square
IG @hongkongers_in_leeds
🇬🇧 London
10.1 | 15:00-17:30
Starting point: Trafalgar Square
Final rally: Chinese Embassy
🇬🇧 Manchester
5pm | Piccadilly gardens
IG @hkidforce
🇳🇱 Amsterdam
3-5pm | de Dam
#SayNoToCCP#EvilCCP#天下圍共#暴政必亡#天滅中共全黨死清光#anticcp#antiauthoritarian
十一全球贈㷫活動 — 澳洲．台灣．美國．加拿大
🇦🇺 10.1 | 2-4pm
Victoria State Library
IG @alkidarkness
🇹🇼 台北
10.1 | 3-5pm
西門町六色彩虹
fb.com/100070000505851/posts/608512408158771
🇺🇸 San Francisco
9.30 | 11am
1450 Laguna St, CA 94115
https://fb.me/e/1yHVkYcpw
🇺🇸 New York
10.1 | 3pm
Washington Square Park
fb.com/events/2202769423253201
🇨🇦 Vancouver
10.1 | 12-2 PM
Art Gallery to the Chinese Consulate Vancouver to attend VSSDM’s rally at 2pm
IG @vanactivistshk
🇨🇦 Vancouver
10.1 | 2- 3pm
3380 Granville St
IG @vssdm_
#SayNoToCCP#EvilCCP#天下圍共#暴政必亡#天滅中共全黨死清光#anticcp#antiauthoritarian
十一全球贈㷫活動 — 澳洲．台灣．加拿大
🇦🇺 10.1 | 2-4pm
Victoria State Library
IG @alkidarkness
🇹🇼 10.1 | 3-5pm
西門町六色彩虹
fb.com/100070000505851/posts/608512408158771
🇨🇦 10.1 | 12-2 PM
Vancouver Art Gallery to the Chinese Consulate Vancouver to attend VSSDM’s rally at 2pm
IG @vanactivistshk
🇨🇦 10.1 | 2- 3pm
3380 Granville St, Vancouver
IG @vssdm_
#SayNoToCCP#EvilCCP#天下圍共#暴政必亡#天滅中共全黨死清光#anticcp#antiauthoritarian