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
Tatsuya Imai admitió a través de un intérprete que "simplemente no es capaz de adaptarse al estilo de vida estadounidense" hasta ahora en su carrera en la MLB, y eso ha contribuido a su inclusión en la lista de lesionados.
Imai sufrió de "fatiga en el brazo derecho" después de su tercer inicio de temporada. Ajustarse a los Estados Unidos tanto dentro como fuera del béisbol ha sido un desafío, dijo su intérprete Shio Enomoto. (Chandler Rome, The Athletic)
"Por ejemplo, los viajes son diferentes de Japón", dijo Imai, según Enomoto. "El horario en el que los jugadores comen. En Japón, cuando regresan al hotel, cenan. Aquí, los jugadores comen en el estadio...
"... pensó que sería igual que en Japón, por ejemplo, cenar en el hotel... cree que es algo positivo tratar de adaptarse y tratar de mejorar".
#Astros#Imai
🗞 | t.me/MLB_Daily
⭐️🤝 Según múltiples informes, incluidos los del insider de MLB Network Jon Heyman, los Astros y el lanzador derecho Tatsuya Imai han acordado un contrato de 3 años.
#️⃣#Astros#Imai
🗞 | t.me/MLB_Daily
🚨 Los Astros proporcionaron una actualización médica sobre Hunter Brown. Brown está en la lista de lesionados por primera vez en su carrera, y se perderá varias semanas.
#Astros#HBrown
🗞 | t.me/MLB_Daily
⭐️🏥 El as de los Astros, Hunter Brown, va a la lista de lesionados con una distensión en el hombro derecho, informa Chandler Rome de The Athletic.
#Astros#HBrown
🗞 | t.me/MLB_Daily
🚨⭐️ Carlos Correa tiene un tendón desgarrado en su tobillo izquierdo y se someterá a una cirugía que pondrá fin a su temporada, según Chandler Rome.
El tiempo de recuperación es de 6-8 meses.
#Astros#Correa
🗞 | t.me/MLB_Daily
🩻⭐️ Los Astros anunciaron que Jeremy Peña ha sido diagnosticado con una fractura en la punta de su dedo anular derecho y será reevaluado en dos semanas. Su estado para el WBC sigue siendo incierto.
#️⃣#Astros#Peña
🗞 | t.me/MLB_Daily
⭐️ Los Astros llegaron a un acuerdo con el lanzador Ryan Weiss por 1 año y 2.6 millones.
📊 Weiss tuvo una efectividad de 3.16 con 305 ponches en 270 1/3 entradas durante sus últimos dos años con los Hanwha Eagles en la KBO.
#️⃣#Astros#Weiss
🗞 | t.me/MLB_Daily
📊 Los primeros 33 juegos de Christian Walker en 2025:
.202/.272/.347
4 HR
10 RBI
40 K | 9 BB
.619 OPS
74 wRC+
-0.2 fWAR
📊 Los primeros 33 juegos de Christian Walker en 2026:
.309/.386/.577
8 HR
26 RBI
24 K | 14 BB
.963 OPS
163 wRC+
1.4 fWAR
Un comienzo MUCHO MEJOR para el segundo año de Walker en Houston 💪
#Walker#Stats#Astros
🗞 | t.me/MLB_Daily
🚨⭐️ Jeremy Pena se perderá al menos el inicio del WBC después de sufrir una fractura en un dedo.
#️⃣#TeamDominicana#Astros#Peña#WBC26
🗞 | t.me/MLB_Daily