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
Telegram Batal Diblokir di Indonesia
Kementerian Komunikasi dan Informatika (Kominfo) memutuskan untuk tidak memblokir aplikasi Telegram di Indonesia. Keputusan ini datang setelah adanya beberapa peringatan yang diberikan kepada Telegram terkait penyebaran konten judi online di platform tersebut.
Sebelumnya, Kominfo sempat mengancam akan memblokir Telegram jika tidak kooperatif dalam menghapus konten-konten yang melanggar hukum di Indonesia. Namun, hingga saat ini belum ada tindakan pemblokiran yang dilakukan.
Kominfo berharap Telegram segera mengambil langkah konkret untuk mematuhi regulasi dan menjaga platform mereka tetap aman dan bersih. Keputusan ini diambil untuk memberikan kesempatan bagi Telegram untuk memperbaiki sistem mereka dalam mendeteksi dan menghapus konten ilegal.
Dilansir dari detikInet, Direktur Jenderal Aplikasi Informatika (Dirjen Aptika) Kementerian Kominfo, Telegram telah merespons surat dari Kominfo, utas Semuel Abrijani Pangerapan.
"Telegram sudah respon kita, minta channel-channel itu ditutup kan. Sudah kemarin," ujar Semuel pada Kamis (27/6/2024).
#blokir
Kominfo Ancam Blokir Telegram di Indonesia Karena Konten Judi Online
Pemerintah Indonesia, melalui Kementerian Komunikasi dan Informatika (Kominfo), telah mengumumkan rencana untuk memblokir aplikasi pesan instan Telegram. Keputusan ini diambil karena Telegram dianggap tidak kooperatif dalam memberantas konten judi online yang semakin marak di platformnya. Menteri Komunikasi dan Informatika, Budi Arie Setiadi, menegaskan bahwa jika Telegram tidak menunjukkan kerjasama yang memadai, aplikasi tersebut akan diblokir di Indonesia.
Telegram sendiri belum memberikan tanggapan resmi terkait ancaman pemblokiran ini. Namun, mereka diharapkan untuk segera mengambil langkah-langkah yang diperlukan agar tetap dapat beroperasi di Indonesia tanpa melanggar peraturan yang berlaku.
#blokir
Nepal Memblokir Telegram Karena Kasus Penipuan yang Meningkat
Otoritas Telekomunikasi Nepal (NTA) telah memerintahkan pemblokiran segera aplikasi pesan Telegram di seluruh negeri tersebut.
Apa yang terjadi:
• Sebuah pemberitahuan resmi segera dikirim ke semua operator telekomunikasi.
• Blokir mulai berlaku segera setelah arahan dari Perdana Menteri, Kementerian Komunikasi, dan Kementerian Dalam Negeri.
• Keputusan diambil setelah konsultasi dengan kepolisian dan lembaga keuangan.
Alasan resmi:
• Peningkatan tajam penipuan online yang melibatkan Telegram.
• Kasus pencucian uang yang dikonfirmasi melalui aplikasi tersebut.
• Ratusan insiden yang tercatat oleh polisi, mulai dari tawaran pekerjaan palsu hingga penipuan kripto dan keuangan.
#blokir#Nepal
Amsterdam telah memblokir Telegram untuk pegawai negerisipil
Pemerintahan Amsterdam telah berlakukan blokir penggunaan utusan Telegram untuk pejabat kota. Alasan utama blokir ini adalah potensi risiko spionase dan penggunaan aktif aplikasi oleh penjahat, khususnya untuk perdagangan narkoba.
Keputusan untuk melarangnya dibuat pada bulan April, namun tidak diumumkan secara terbuka. Kantor walikota menyatakan keprihatinannya tentang kemungkinan hubungan Telegram dengan pemerintah Rusia, yang dapat menimbulkan ancaman keamanan.
Blokir ini berlaku untuk ponsel kantor para pejabat. Pada saat yang sama, Telegram tetap populer di Belanda, dimana sekitar 1,9 juta orang menggunakannya.
Pakar keamanan siber menganggap tindakan tersebut dapat dibenarkan, mengingat kurangnya standar enkripsi end-to-end di Telegram. Telegram kini masuk dalam "daftar hitam" aplikasi bersama TikTok dan WeChat.
Organisasi nirlaba Offlimits dan Stichting Stop Bangalijsten menyerukan kepada Komisi Eropa untuk mengambil tindakan terhadap penyebaran konten berbahaya di Telegram, mengingat kelambanan pihak berwenang “tidak dapat dipahami”.
#Blokir#Amsterdam