TGINSIGHT SIMILAR POSTS
Изворен канал @pythonotes · Post #121 · 20 јул.
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
Пребарај: #dirumahaja
@gusduriannet · Post #2022 · 24.04.2020 г., 15:44
Sudahkah Anda salat tarawih? Karena Ramadan tahun ini disarankan untuk salat tarawih #DiRumahAja , untuk itu Gusmin mau kasih khutbah digital biar asupan keislaman kita terus bertambah. Temanya tentang cara Nabi berbisnis bersama Ustad Hakim Jayli https://youtu.be/1xhU_OgF75c
Hashtags
@GusNadir · Post #437 · 27.03.2020 г., 03:52
Kumpulan Kisah Kiai Tua dan Kiai Muda Seorang Kiai Tua berjalan bersama Kiai Muda menyusuri dinamika kehidupan. Apa saja pengalaman unik yang mereka temui? Bacaan asyik menemani yang sedang #dirumahaja Semoga sehat semuanya 🙏 1. Menggendong gadis cantik http://nadirhosen.net/tsaqofah/filsafat/198-kisah-kiai-tua-dan-kiai-muda-1-menggendong-gadis-cantik 2. Membakar al-Qur’an http://nadirhosen.net/tsaqofah/filsafat/199-kisah-lanjutan-kiai-tua-dan-kiai-muda-2-membakar-al-qur-an 3. Jamuan Ilahi http://nadirhosen.net/tsaqofah/filsafat/200-kisah-berikutnya-kiai-tua-dan-kiai-muda-3-jamuan-ilahi 4. Bertemu Jin http://nadirhosen.net/tsaqofah/filsafat/201-kisah-terusan-kiai-tua-dan-kiai-muda-4-bertemu-jin 5. Binatang buas https://nadirhosen.net/tsaqofah/filsafat/kisah-kiai-tua-dan-kiai-muda-5-binatang-buas Tabik, GNH
Hashtags
@ankertwitter · Post #174 · 14.07.2020 г., 12:52
Hai Ankers, apa kabar? Masih waras? Kita kopdar virtual yuk! Saling cerita, dari Ankers yang sudah kembali commuting atau masih #dirumahaja kaya Minker. Kalian bisa join kapan? Nanti Minker jadwalin kopdar virtual mingguan 😊 Jawab di kolom komentar ya...
Hashtags
@gusduriannet · Post #2016 · 17.04.2020 г., 14:18
UPDATE CORONA 380 Kasus baru per-17 April 2020. Total: 5.923 kasus positif 4.796 dalam perawatan 607 sembuh 520 meninggal dunia Sumber: covid19.go.id Semoga wabah ini segera berakhir. Amin... GUSDURian Peduli Covid-19 Update info tentang pencegahan covid-19 dan update distribusi bantuan di akun resmi GUSDURian Peduli. *IG: @gusdurianpeduli* https://instagram.com/gusdurianpeduli?igshid=q6tsn1wovqsp *Twitter: @gusdurianpeduli* #SalingJaga https://twitter.com/gusdurianpeduli?s=08 *Facebook: Gusdurian Peduli* https://www.facebook.com/gusdurian.peduli.9 #SalingJaga#dirumahaja
Hashtags
@gusduriannet · Post #2012 · 16.04.2020 г., 14:36
UPDATE CORONA 380 Kasus baru per-16 April 2020. Total: 5.516 kasus positif 4.472 dalam perawatan 548 sembuh 496 meninggal dunia Sumber: covid19.go.id Semoga wabah ini segera berakhir. Amin... #SalingJaga#dirumahaja
Hashtags
@gusduriannet · Post #2002 · 11.04.2020 г., 14:12
UPDATE CORONA 330 Kasus baru per-11 April 2020. Total: 3.842 kasus positif 3.229 dalam perawatan 286 sembuh 327 meninggal dunia Sumber: covid19.go.id Semoga wabah ini segera berakhir. Amin... #SalingJaga#dirumahaja
Hashtags
@gusduriannet · Post #2000 · 10.04.2020 г., 13:48
UPDATE CORONA 219 kasus baru. Gorontalo menjadi provinsi terbaru yang memiliki kasus positif. Total: 3.512kasus positif 2.924 dalam perawatan 282 sembuh 306 meninggal dunia Semoga wabah ini segera berakhir. Amin... Sumber: covid19.go.id #SalingJaga #dirumahaja
Hashtags
@gusduriannet · Post #1994 · 09.04.2020 г., 15:45
UPDATE CORONA 337 kasus baru. NTT menjadi provinsi terbaru yang memiliki kasus positif. Total: 3.293 kasus positif 2.761 dalam perawatan 252 sembuh 280 meninggal dunia Semoga wabah ini segera berakhir. Amin... Sumber: covid19.go.id #SalingJaga #dirumahaja
Hashtags
@gusduriannet · Post #1991 · 08.04.2020 г., 06:04
Masker memang diutamakan untuk orang yang sakit. Namun di situasi pandemi COVID19 ini, kita tidak pernah tahu siapa yang membawa virus. Untuk itu, di mana pun kita pergi, mengenakan masker adalah hal yang penting. #SalingJaga#dirumahaja
Hashtags
@gusduriannet · Post #1989 · 07.04.2020 г., 14:14
UPDATE CORONA 7 April 2020 terdapat 247 kasus baru Total: 2.738 terkonfirmasi positif 2.313 dalam perawatan 204 sembuh 221 meninggal dunia Sumber: http://covid19.go.id #SalingJaga#dirumahaja
Hashtags
@cerdasgunakanobat · Post #3632 · 05.04.2020 г., 19:59
Semenjak wabah #COVID19 merebak, ada berbagai istilah baru yang sering kita temui, terutama istilah OTG, ODP & PDP. Ketiga istilah tersebut untuk mengelompokkan risiko serta gejala yang timbul bagi orang yang mungkin atau sedang terinfeksi #COVID19. #dirumahaja #LawanCovid19https://t.co/CODlaqbrla
Hashtags
@gusduriannet · Post #2084 · 23.05.2020 г., 11:57
Keluarga besar Jaringan GUSDURian Indonesia mengucapkan selamat hari raya Idulfitri 1441 H #EidMubarak, mohon maaf lahir dan batin. Di hari kemenangan ini semoga kita semua selalu diliputi keberkahan dan dimudahkan segala urusan. Tentu banyak rencana-rencana yang tertunda karena dua bulan terakhir kita berusaha #dirumahaja. Semoga semua perjuangan diganti dengan keberkahan bulan Ramadhan dan Idul Fitri 1441 H.
Hashtags