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
🔗📝"Белые сервисы" от Минцифры России — открытый доступ даже при ограниченном интернете
Глава ведомства Максут Шадаев поделился последними деталями: сейчас активно прорабатывается механизм, который позволит мобильному интернету работать в "экстренном" режиме.
Главное по теме:
🔙Только проверенные и необходимые платформы останутся онлайн. В список войдут сервисы массового спроса — маркетплейсы, службы такси, доставки и другие must-have для повседневной жизни. Всё это согласовывается с ФСБ для максимальной безопасности.
🔙Доступ через капчу - простой тест, который подтвердит, что вы человек, а не бот. Для того, чтобы отсечь роботов и подозрительный трафик.
🔙Глубокий анализ трафика (Deep Packet Inspection) заблокирует всё ненужное, пропуская только одобренные протоколы.
Компания Tele2 уже протестировала доступ с капчей, которая надёжно блокирует роботизированный ввод. "Вымпелком" разрабатывает решения для ключевых сервисов. Операторы начали полномасштабное тестирование механизмов, предложенных Минцифры.
#Антифрод#Кибербезопасность#Минцифры#БелыеСписки#DPI
Ваш АнтиФрод Россия🔐
Власти усиливают контроль интернета: в фильтры вложили 12 млрд рублей
АО «Градиент» и «Ростелеком» получили дополнительные 12 млрд рублей на развитие DPI-систем для Роскомнадзора. К 2026 году планируется контролировать 100% трафика операторов, увеличив пропускную способность до 954 Тбит/с и вводя до 40 тысяч новых правил фильтрации в сутки. Параллельно идут штрафы провайдерам за обход блокировок, чтобы не снижать скорость интернета.
#Россия#Роскомнадзор#Интернет#Фильтрация#DPI
Главные новости России и мираздесь.
Russian Authorities Boost Internet Control with 12 Billion Rubles Investment
AO Gradient and Rostelecom received an additional 12 billion rubles to develop DPI systems for Roskomnadzor. By 2026, they aim to monitor 100% of operator traffic, increasing capacity to 954 Tbps and introducing up to 40,000 new filtering rules daily. Providers face fines for bypassing blocks to maintain internet speed.
#Russia#Roskomnadzor#Internet#Filtering#DPI
The main news of Russia and the world ishere.