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
Aru Majo ga Shinu Made: Owari no Kotoba to Hajimari no Namida
aka Once Upon a Witch's Death | Once Upon a Witch's Death: The Tale of the One Thousand Tears of Joy | ある魔女が死ぬまで
📅Año 2025
País🇯🇵Japón
🎥Dirección#AtsushiNigorikawa
📄Guion Keiichirô Ôchi
📗Novelas#Saka, #Chorefuji
🎬Productora EMT Squared
Género#SeriedeTV#Animación#Fantástico#Drama#Brujería#Magia
Reparto | Trailer | Sinopsis
✨Calidad 720p Web-DL h264 OtakusTV
🖥Resolución 720x400
⏱️Duración 23min.
🗣Idioma Japones
Subtítulos Latino
Episodio01 - 02 - 03 - 04 - 05 - 06 - 07 - 08 - 09 - 10 - 11 - 12
Suscripción a este Serie 👉🏻Aquí
Índice de Series Animadas 👉🏻Aquí
The Witcher: Sirens of the Deep
📅Año 2025
⏱️Duración 88min.
País🇰🇷Corea del Sur
🎥Dirección#KangHeiChul
📄Guion Rae Benjamin, Mike Ostrowski.
📗Novelas#AndrzejSapkowski
🎼Música Joseph Trapanese
🎬Productora Sean Daniel Company, Netflix, Platige Image, Studio Mir.
🚚Distribuidora Netflix
Género#Animación#Fantástico#Aventuras#Fantasíamedieval#Brujería#Sirenas
Reparto | Trailer | Sinopsis
Ver Aquí
SagaThe Witcher
AnexoLiteratura