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
Il sottosegretario alla giustizia Andrea #Delmastro annuncia: "Ho consegnato oggi le mie irrevocabili dimissioni da sottosegretario alla giustizia. Ho sempre combattuto la criminalità, anche con risultati concreti e importanti e, pur non avendo fatto niente di scorretto, ho commesso una leggerezza a cui ho rimediato non appena ne ho avuto contezza. Me ne assumo la responsabilità, nell’interesse della Nazione, ancor prima che per l’affetto e il rispetto che nutro verso il governo e verso il Presidente del Consiglio."
@UltimoraPolitics24
La Procura di Roma ha chiesto l'assoluzione per il sottosegretario alla Giustizia Andrea #Delmastro nell'ambito del processo che lo vede accusato di rivelazione del segreto d'ufficio in relazione alla vicenda dell'anarchico Alfredo Cospito. (ANSA) @UltimoraPolitics
La Procura di Roma ha chiesto l'assoluzione per il sottosegretario alla Giustizia Andrea #Delmastro nell'ambito del processo che lo vede accusato di rivelazione del segreto d'ufficio in relazione alla vicenda dell'anarchico Alfredo Cospito. (ANSA)
@UltimoraPolitics
Giorgia #Meloni: "I magistrati ritengono che #Delmastro debba essere rinviato a giudizio, il pm invece per due volte ha chiesto di archiviare il caso. Direi di aspettare una sentenza di condanna passata in giudicato per definirlo colpevole"
@UltimoraPolitics
Andrea #Delmastro (#FdI): "Secondo voi, il giorno che sono minacciato di morte dai terroristi posso anche solo pensare di dimettermi?"
@UltimoraPolitics
❗️Il sottosegretario #Delmastro (#Fdi) con delega al Dap ammette: "Le intercettazioni su Cospito le ho passate io a Donzelli". Il documento era riservato, sotto segreto istruttorio e conteneva le conversazioni tra l’anarchico e i boss sulla battaglia contro il 41 bis.
@UltimoraPolitics
❗Andrea #Delmastro (#FdI|ECR) è stato sanzionato dal Comitato sulla Condotta dei Deputati per non aver dichiarato le quote della Bisteccheria.
@OsservatorioItaliano
#Italia
Andrea #DelMastro (#FdI|ECR): "Qualche caporale del centrodestra getta la maschera e ammette di rimpiangere il proporzionale per superare il “bipolarismo bastardo”. Rinnegare il bipolarismo, che è tratto costitutivo del Centrodestra è grave, condannare all’ingovernabilità l’Italia è peggio, soprattutto se lo si fa per il recondito sogno di governare con la sinistra. FdI difenderà il bipolarismo dal ritorno al passato vagheggiato dagli ibridi di tutti gli schieramenti"
@UltimoraPolitics
❗️ Giuseppe #Conte: "Il #M5S presenta una mozione di censura nei confronti del sottosegretario Andrea #Delmastro per chiederne la revoca immediata dall'incarico"
@UltimoraPolitics