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
🦖🟢 Los Athletics han extendido una oferta al actual Novato del Año de la Liga Americana, Nick Kurtz, para un contrato a largo plazo, informa Joel Sherman.
"No hay noticias" sobre la posibilidad de que se llegue a un acuerdo, escribió Sherman en X. Kurtz ha dicho que está "abierto e interesado" en la posibilidad, informó Tyler Kepner de The Athletic.
Un movimiento así sería enorme ya que los A's ya han asegurado a Brent Rooker, Lawrence Butler, Tyler Soderstrom y Jacob Wilson con extensiones a largo plazo que compraron múltiples años elegibles para arbitraje de cada jugador. La propiedad ha mostrado interés en financiar la plantilla para el éxito desde que John Fisher sacó al equipo de Oakland con planes de trasladarse a Las Vegas, y actualmente se encuentran en medio de una estancia prevista de 3 años en West Sacramento.
Kurtz bateó .290 con 36 jonrones, 86 carreras impulsadas y un OPS de 1.002 el año pasado. Fue clasificado por MLB Network como el 23º mejor jugador de béisbol en la actualidad.
#️⃣#Athletics#Kurtz
🗞 | t.me/MLB_Daily
🦖🟢 Los A's están firmando una extensión de contrato de 7 años por 70 millones con Jacob Wilson, según múltiples informes. Wilson fue el subcampeón del Rookie del Año de la Liga Americana en 2025.
#️⃣#Athletics#JaWilson
🗞 | t.me/MLB_Daily
🦖🤝 Según informa Jon Heyman, insider de MLB Network, los A's y el lanzador derecho Aaron Civale han llegado a un acuerdo de contrato por un año.
#️⃣#Athletics#Civale
🗞 | t.me/MLB_Daily
🦖🟢 Según múltiples informes, incluido el de Mark Feinsand de MLB.com, el atleta de béisbol Tyler Soderstrom ha acordado una extensión de contrato de 7 años y 86 millones con una opción de club para un octavo año.
#️⃣#Athletics#Soderstrom
🗞 | t.me/MLB_Daily
🦖🧢 Los Athletics y el lanzador derecho Mark Leiter Jr. acuerdan un trato, según múltiples informes, incluido el insider de MLB Network Jon Heyman.
#️⃣#Athletics#LeiterJr
🗞 | t.me/MLB_Daily
World Athletics launches MOWA, a virtual 3D sports museum - #Sports#World#Athletics#3D#Museum - https://runningmagazine.ca/the-scene/world-athletics-launches-mowa-a-virtual-3d-sports-museum/👌 Join @OnlineEducation10
За сутки до конца апреля непринужденно забежали с командой #runandbite дистанцию 10-го юбилейного Московского полумарафона.
Это было здорово, продолжаем набор формы!
#спорт#здоровье#развитие#триатлон#плавание#велоспорт#бег#атлетика#марафон#московскиймарафон
#Москва#любовь
#runandbite#runandbiteteam#sport#health#development#athletics#running#marathon#triathlon#swimming#cycling#running#Moscow#support#love