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
Una alegría convertida en tristeza: una pareja y su hijo fueron rescatados de entre los escombros casi 300 horas después de ocurrido el terremoto que devastó Turquía. El niño lamentablemente falleció en el hospital. #DW
«Считается, что размер армии КНДР в районе 1,2 миллиона человек. Срочная служба обязательна для мужчин и женщин. Для мужчин — около десяти лет», — объясняет в интервью#DW востоковед и кореевед Андрей Ланьков. При этом примерно половина армии Северной Кореи — стройбат и военизированные отряды сельскохозяйственных рабочих, остальные подразделения — боевые. Ланьков считает, что нельзя судить о боеспособности северокорейской армии — она принимала участие в боевых действиях с 1953 года. По его словам, КНДР может направить в Россию до 60 тысяч солдат.
News: #Ethiopian Foreign Minister says he cannot intervene in revoked Deutsche Welle reporters’ licenses
Ethiopian Minister of Foreign Affairs Gedion Timotheos (PhD) said he cannot intervene in the case of two Deutsche Welle (#DW) reporters whose licenses were permanently revoked by the Ethiopian Media Authority, citing the regulator’s accountability to Parliament rather than the executive branch.
The remarks were made during a joint press conference in Addis Abeba with German Federal Foreign Minister Johann Wadephul, in response to a question raised by DW journalist Richard Walker. Walker recalled Ethiopia’s ranking of 145th out of 180 countries in the 2025 Reporters Without Borders press freedom index and asked whether the government would take steps to improve the media environment and revisit the decision affecting the two DW Amharic service reporters based in the #Tigray and #Amhara regions.
“I cannot personally look into such matters,” Minister....
Read more: https://addisstandard.com/?p=54734