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
Carlo #Calenda: “UN CAMPO CHIAMATO GIUSEPPI
Fatti. 1) le opposizioni chiedono di essere informate prontamente sulla guerra in Medio Oriente; 2) la Premier offre un tavolo di confronto in un formato più riservato a P Chigi, dopo essere stata in Parlamento; 3) Conte dice no obbligando Schlein a seguirlo. 4) Italia Viva, che ci aveva chiesto di fare una mozione insieme su Iran, manda una nota incomprensibile dicendo la pensa come il PD, che però fa ciò che decide Conte. Andate avanti con questo campo largo ma chiamatelo con il suo vero nome: Giuseppi. PS segnalo agli amici riformisti che m5S si è astenuto su una mozione di condanna alla Russia per il reclutamento di mercenari africani. Così per gradire”
@UltimoraPolitics24
Carlo #Calenda: "Gratteri è chiaramente fuori controllo. Oggi minaccia Il Foglio apertamente. Un magistrato che minaccia un giornale è da sospensione immediata. Esattamente quanto un capo di gabinetto della Ministero della giustizia che insulta i magistrati. Fateci una cortesia: mettetevi da parte entrambi. E torniamo a parlare di contenuti."
@UltimoraPolitics24
Il leader di Azione Carlo #Calenda osserva: "Il problema dell'Italia è che è un paese anarchico non liberticida" e valuta di buonsenso alcune norme del decreto sicurezza, come il fermo preventivo e la stretta sui coltelli; auspica però misure per centri per i rimpatri in ogni regione.
@UltimoraPolitics24
Carlo #Calenda ha dichiarato: "A Torino si conferma il fatto che Askatasuna altro non è che un gruppo di violenti pericolosi. Totale solidarietà di Azione alle forze dell'ordine".
@UltimoraPolitics24
Carlo #Calenda ha criticato il governo sul tema sicurezza: "non è capace di fare l’unica cosa che la destra dovrebbe saper fare, cioè mettere più Carabinieri e Polizia per Strada, avere dei centri per i rimpatri non in Albania, che costano un sacco di soldi e non c’entrano niente ed essere capaci di evitare quel fenomeno assurdo per cui se sei un immigrato irregolare che delinqui ti do il foglio di Via e tu torni a delinquere due minuti dopo".
@UltimoraPolitics24
Carlo #Calenda: “L'arresto di Hannoun dimostra che c'è una pesante infiltrazione dell'estremismo islamico nei movimenti proPal. Sostenere la nascita dello Stato Palestinese e sostenere Hamas sono due cose molto diverse. Hamas è un movimento terrorista e chi lo sostiene va arrestato e processato”.
@UltimoraPolitics24
Carlo #Calenda: "Un pezzo di Forza Italia ha voluto dare un messaggio. Se questo è l'esordio del dopo Berlusconi la maggioranza rischia il caos"
@UltimoraPolitics
Carlo #Calenda: "Esprimo le condoglianze mie e di Azione alla famiglia e alla comunità di Forza Italia, per la morte di Silvio Berlusconi. Ha lottato fino alla fine contro la malattia con un coraggio incredibile. Riposi in pace."
@UltimoraPolitics
Riforme, Carlo #Calenda: "All’incontro di martedì con il governo proporremo le priorità del nostro programma elettorale, che riprendono molti punti del referendum del 2016: più poteri al premier, monocameralismo e riordino del federalismo" @UltimoraPolitics
Riforme, Carlo #Calenda: "All’incontro di martedì con il governo proporremo le priorità del nostro programma elettorale, che riprendono molti punti del referendum del 2016: più poteri al premier, monocameralismo e riordino del federalismo"
@UltimoraPolitics
Carlo #Calenda: “Nella vita professionale non ho mai ricevuto avvisi di garanzia/rinvii a giudizio/condanne pur avendo ruoli di responsabilità. Non ho accettato soldi a titolo personale da nessuno, tanto meno da dittatori e autocrati stranieri.
Non ho preso finanziamenti per il partito da speculatori stranieri e intrallazzatori. Non ho mai incontrato un magistrato se non per ragioni di servizio. Mai sono entrato nelle lottizzazioni del CSM.”
@UltimoraPolitics