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
#Efemérides || 26 de septiembre de 1946
Con ayuda de Raymond Leblanc, un editor belga, empezó a publicarse la revista Tintín, revista independiente en que se publicaron Las aventuras de Tintín (iniciadas en 1930). La historieta fue creada por Hergé (psudónimo de Georges Remi, historietista belga) y se convirtió en una de las más influyentes series europeas de historietas del siglo XX.
La serie conoció desde sus inicios un éxito sin precedentes. Se calcula que se han vendido desde sus inicios más de 200 millones de álbumes.
#Imagen: Los personajes de Las aventuras de Tintín.
#cómic#ArteFuturaMX
https://artefutura.com.mx
@artefuturamx
#Efemérides || 29 de septiembre de 1964
En la revista Primera Plana aparece por primera vez, en Argentina, la primera de las tiras regulares de Mafalda, obra de Joaquín Salvador Lavado Tejón "Quino".
#Imagen: Primera tira de Mafalda en la revista Primera Plana el 29 de septiembre de 1964.
#cómic#literatura#ArteFuturaMX
https://artefutura.com.mx
@artefuturamx
En la Edad de Oro de los cómics, cada número de Wonder Woman presentaba a una mujer histórica notable. En el número 33, con fecha de enero de 1949, Annie Jump Cannon fue el foco de "Wonder Women of History" en una tira escrita por Julius Schwartz, dibujada a lápiz por Paul Reinman y entintada por Bernard Sachs.
#ciencia#cómic#ArteFuturaMX
https://artefutura.com.mx
@artefuturamx
DC Legion of Super Heroes Season 2
📅Año Septiembre 2007 - Mayo 2008
🎥Dirección Ben Jones, Tim Maltby, Lauren Montgomery, Scott Jeralds, James Tucker, Brandon Vietti
📄Guion Tim Cahill, Julie McNally Cahill. J.M. DeMatteis, Matt Wayne. Michael Jelenic, Rob Hoegee, Scott Sonneborn, Amy Wolfram, Stan Berkowitz, Steven Melching, John Esposito, Keith Damron, Eddie Guzelian, Rob Hummel, Marty Isenberg, Joseph Kuhr, David Slack, Greg Weisman
🎼Música Kristopher Carter, Michael McCuistion, Lolita Ritmanis
🎬Productora Warner Bros. Animation
Género#SeriedeTV#Animación#Acción#Comedia#Superhéroes#Cómic#DCComics
Reparto / Trailer / Premios
⏱Duración 22min.
🖥Resolución 720x400
🗣Idioma Inglés
Subtítulos Latino
Season 2 Episodio01 / 02 / 03 / 04 / 05 / 06 / 07 / 08 / 09 / 10 / 11 / 12 / 13
Season1
DC Legion of Super Heroes Season 1
📅Año Septiembre 2006 - Mayo 2007
🎥Dirección Ben Jones, Tim Maltby, Lauren Montgomery, Scott Jeralds, James Tucker, Brandon Vietti
📄Guion Tim Cahill, Julie McNally Cahill. J.M. DeMatteis, Matt Wayne. Michael Jelenic, Rob Hoegee, Scott Sonneborn, Amy Wolfram, Stan Berkowitz, Steven Melching, John Esposito, Keith Damron, Eddie Guzelian, Rob Hummel, Marty Isenberg, Joseph Kuhr, David Slack, Greg Weisman
🎼Música Kristopher Carter, Michael McCuistion, Lolita Ritmanis
🎬Productora Warner Bros. Animation
Género#SeriedeTV#Animación#Acción#Comedia#Superhéroes#Cómic#DCComics
Reparto / Intro / Sinopsis / Premios
⏱Duración 22min.
🖥Resolución 720x400
🗣Idioma Latino
Season 1 Episodio01 / 02 / 03 / 04 / 05 / 06 / 07 / 08 / 09 / 10 / 11 / 12 / 13
Season2