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
🤖Создавай ботов и ассистентов с доступом к большим объемам информации!
В нашем сервисе вы можете создавать Telegram-ботов и GPTs-ассистентов, используя векторные базы данных.
Это позволяет:
• Боту искать релевантную информацию в базе данных для ответа на запрос
• Загружать большие массивы данных без перегрузки контекста в чате с моделью
Смотрите наш подробный скринкаст, где мы показали как создать и использовать векторную базу данных в GPTunneL
🌐YouTube |
🌐Rutube
#b2b@gptunnel#assistant@gptunnel#bd@gptunnel
Рейтинг архитектурных фирм в области S+T
Отчет BD+C's 2025 Giants 400 Report представляет передовые компании в архитектуре научно-технических сооружений в США. Лидерами стали Gensler, Page и HDR с выручкой более $100 млн каждая. Эти компании фокусируются на разработке лаборатоий, исследовательских зданий и производственных предприятий.
Gensler занимает первое место с выручкой в $133,5 млн, подчеркивая свою неоспоримую позицию на рынке. Другие участники, такие как HOK и Flad Architects, также играют значительную роль в создании инновационных объектов.
Отчет демонстрирует, как архитектура играет ключевую роль в научно-техническом прогрессе. Это подтверждает важность интеграции инженерии и дизайна в современном строительстве.
#Архитектура#НаукаИТехнологии#СтроительныеТренды#BD+C2025
@stroynewsrussia