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
Bitmine has bought 45,000 $ETH, worth $95.3M, from #BitGo.
https://intel.arkm.com/explorer/address/0x9b72D128924E8B70CEb1512823630B9CBb1fE16c
https://intel.arkm.com/explorer/address/0x8477E881571F791C2c8Deeefa0B15bD071052cEB
https://x.com/OnchainLens/status/2039359922736095623
Follow @onchainlens for more onchain updates
Trump Meme Token team sent 6.97M $TRUMP worth $23.18M into #BitGo custody wallet and is likely to deposit in CEXs like before.
Address: 3S7zwPM8AytWyHJ7zhS8H1mixQPD6nTu6yXEK4HCEd9D
https://x.com/OnchainLens/status/2036971695169561079
Follow @onchainlens for more onchain updates
A newly created wallet received 1.5M $TRUMP worth $5.86M from the #Bitgo Custody Wallet.
Address: GVnRrkEurd9UEgVagsVaNQoR39XZaMsTQxCPD7Pkwha7
https://x.com/OnchainLens/status/2033708467861811375
Follow @onchainlens for more onchain updates
A newly created wallet received 6.27M $WLFI ($1.06M) and 324.85 $ETH ($980K) from #BitGo.
Address: 0x55b9e02Fd210F2FB029EF4195a31550908580E6E
https://x.com/OnchainLens/status/2014219983149273355
Follow @onchainlens for more onchain updates
A newly created wallet received 605.58 $BTC worth $56.51M from #BitGo
https://intel.arkm.com/explorer/address/bc1q27nx5pffg8dhxa2vlxp7pfsskdz0cn7aax95eldm5d5r64exvjuqdq6lpx
https://x.com/OnchainLens/status/2008451218126045660
Follow @onchainlens for more onchain updates
Bitmine (@BitMNR) has further bought 29,463 $ETH, worth $88.2M, from #BitGo and #Kraken. - The newly created wallet "0xecA" received 18,454 $ETH, valued at $55.61M, from #BitGo. - Wallet "0x1b6" withdrew an additional 11,009 $ETH, valued at $33.14M, from…
Bitmine (@BitMNR) has further bought 29,463 $ETH, worth $88.2M, from #BitGo and #Kraken.
- The newly created wallet "0xecA" received 18,454 $ETH, valued at $55.61M, from #BitGo.
- Wallet "0x1b6" withdrew an additional 11,009 $ETH, valued at $33.14M, from #Kraken. It now holds 24,421 $ETH, valued at $73.12M.
Addresses:
- 0xecA84b8599A5e11d6b600F24a0F42703E1D4c3eA
- 0x1b6E316c4d3093bbf8182Cf2fa76Be4611df0a8A
https://x.com/OnchainLens/status/2003296928566771813
Follow @onchainlens for more onchain updates
Trump Meme Team Allocation Wallet sent 5.267M $TRUMP, worth $22.44M, into a #BitGo Custody wallet. Are we selling via OTC? https://solscan.io/account/AduisyNJFAxo49tDQmJUN7Ujc2xAmgmfjJqTaPptPUU4#transfers https://x.com/OnchainLens/status/2018495068852871321…