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
Man in Bosnia builds a rotating house
This man in Bosnia built a rotating house to please his wife and give her a more diversified view.
#News#Reuters#Bosnia#rotatinghouse
Subscribe: http://smarturl.it/reuterssubscribe
Reuters brings you the latest business, finance and breaking news video from around the globe. Our reputation for accuracy and impartiality is unparalleled.
Get the latest news on: http://reuters.com/
Follow Reuters on Facebook: https://www.facebook.com/Reuters
Follow Reuters on Twitter: https://twitter.com/Reuters
Follow Reuters on Instagram: https://www.instagram.com/reuters/?hl=en
➖@reutersworldchannel➖
Questa mattina Papa #LeoneXIV ha ricevuto in udienza Borjana Krišto, Presidente del Consiglio dei Ministri della #Bosnia ed Erzegovina, la quale si è successivamente incontrata con mons. Paul Richard Gallagher, Segretario per i Rapporti con gli Stati e le Organizzazioni Internazionali.
"Nel corso dei cordiali colloqui in Segreteria di Stato - fa sapere la Sala Stampa della Santa Sede in una nota - è stato ribadito il reciproco apprezzamento per le buone relazioni bilaterali e per il contributo della Chiesa locale alla società. In questo contesto, si è parlato, in modo particolare, della situazione della Comunità cattolica e di alcune questioni aperte nei rapporti Chiesa-Stato. Nel prosieguo dei colloqui, c’è stato uno scambio di vedute sull’allargamento dell’#UnioneEuropea ai Paesi dei #Balcani occidentali".
Papa #LeoneXIV ha ricevuto oggi in udienza la Presidenza collegiale di #Bosnia ed #Erzegovina, composta da Željko Komšić, Presidente di turno, Denis Bećirović e Željka Cvijanović, i quali hanno successivamente incontrato mons. Paul Richard Gallagher, Segretario per i Rapporti con gli Stati e le Organizzazioni Internazionali.
"Nel corso dei cordiali colloqui in Segreteria di Stato, è stato espresso apprezzamento per le buone relazioni bilaterali. Particolare attenzione è stata posta sulla necessità di un dialogo inclusivo e costruttivo per assicurare la stabilità del Paese e l’uguaglianza giuridico-sociale di tutti i popoli costitutivi. Infine, sono stati toccati alcuni temi riguardanti l’ambito regionale ed internazionale, quali la pace e la sicurezza nei #Balcani Occidentali e le ripercussioni dei conflitti in corso in Ucraina e #MedioOriente", informa in una nota la Sala Stampa della Santa Sede.
#UE#Europa#Ucraina#Moldavia
Presidente del Consiglio europeo Charles #Michel (#MR|RE): "Il Consiglio europeo ha deciso di avviare i negoziati di adesione con Ucraina e Moldavia. Abbiamo inoltre concesso lo status di candidato alla #Georgia. L'UE aprirà i negoziati con la #Bosnia una volta raggiunto il necessario grado di conformità ai criteri di adesione e ha invitato la Commissione a riferire entro marzo in vista di tale decisione. Questo è un chiaro segnale di speranza per i loro popoli e per il nostro continente."
@OsservatorioEsteri
#Elezioni#Bosnia
Il Comitato Centrale dell'#SNSD|Centro-sinistra serbo russofilo, secondo i risultati del proprio scrutinio parallelo alla Commissione Elettorale Centrale, ha confermato la vittoria del candidato alla presidenza della Republika Srpska Siniša #Karan (SNSD). Ex avvocato e poliziotto, ha lavorato come comandante delle stazioni di polizia nell'area di #Bijeljina, dove furono registrati numerosi crimini contro la popolazione bosgnacca durante la guerra di Bosnia-Erzegovina. Karan è presente anche nella "lista degli 810 nomi" pubblicata dalla Commissione di #Srebrenica, che elenca gli individui legati al genocidio bosgnacco del 1995.
Di recente, ha ricoperto la carica di Ministro degli Interni nel governo #Višković, venendo sazionato dal Dipartimento del Tesoro degli Stati Uniti per la sua partecipazione attiva all'elaborazione di piani per la secessione della Republika Srpska dalla Bosnia-Erzegovina.
@OsservatorioEsteri