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
🪐 In the galaxy M81, located about 12 million light-years away, scientists have detected mysterious, isolated fast radio bursts—brief blasts of radio waves lasting just milliseconds but releasing as much energy as hundreds of millions of suns. These puzzling signals are so powerful and short-lived that pinpointing their exact origins within M81 has become a cosmic detective story, as astronomers use radio telescopes to track each fleeting flash from this nearby spiral galaxy. ✨
#fastbursts⚡#galaxies⚡#phenomena⚡#nasa⚡#galaxy⚡#stars⚡#astronomy⚡#universe⚡#cosmos⚡#space
👉subscribe Universe Mysteries
👉more Channels
🪐 In 2022, astronomers used the Hubble Space Telescope to identify a fast radio burst originating from a galaxy called WISEA J071634.59–190039.2, located about 6 billion light-years from Earth. This pinpointed location helps scientists study the environments where these ultra-short, powerful flashes of radio energy are born, revealing new clues about the mysterious origins of fast radio bursts across the cosmos. ✨
#fastbursts⚡#hubble⚡#galaxies⚡#nasa⚡#galaxy⚡#stars⚡#astronomy⚡#universe⚡#cosmos⚡#space
👉subscribe Universe Mysteries
👉more Channels
🪐 In the galaxy dubbed "The Whale" (NGC 4631), astronomers have detected a barrage of fast radio bursts—ultra-brief, intense flashes of radio energy—coming not from the center, but from the galaxy’s outer regions. These mysterious signals last just milliseconds but shine as brightly as billions of suns, making NGC 4631's outskirts a surprising hotspot for one of space’s most powerful, fleeting phenomena. ✨
#fastbursts⚡#galaxies⚡#radioastronomy⚡#nasa⚡#galaxy⚡#stars⚡#astronomy⚡#universe⚡#cosmos⚡#space
👉subscribe Universe Mysteries
🪐 In 2020, astronomers traced a fast radio burst called FRB 200428 to our own Milky Way and found it came from a magnetar named SGR 1935+2154. This was the first time a fast radio burst—a super-short flash of radio energy from space—was directly linked to a known type of object, showing that magnetars, which are neutron stars with extremely strong magnetic fields, can produce these intense cosmic signals. ✨
#fastbursts⚡#magnetars⚡#milkyway⚡#nasa⚡#galaxy⚡#stars⚡#astronomy⚡#universe⚡#cosmos⚡#space
👉subscribe Universe Mysteries
🪐 In 2023, astronomers using the Australian Square Kilometre Array Pathfinder (ASKAP) discovered a repeating fast radio burst called FRB 20220912A in the spiral galaxy ESO 601-G024, about 1 billion light-years away. Unlike other repeating bursts, FRB 20220912A's signal showed a strong "downward drift" in frequency, meaning each pulse slowly slid to lower radio frequencies over just a few milliseconds, helping scientists trace the physical processes at the burst's origin. ✨
#fastbursts⚡#radio⚡#spiralgalaxy⚡#nasa⚡#galaxy⚡#stars⚡#astronomy⚡#universe⚡#cosmos⚡#space
👉subscribe Universe Mysteries
👉more Channels
🪐 Among the strangest discoveries in astronomy are fast radio bursts (FRBs) emerging from the spiral galaxy NGC 253, also known as the Sculptor Galaxy. In 2022, scientists detected a repeating FRB source here—brief flashes of radio energy lasting just milliseconds and releasing more power than the Sun generates in years—making NGC 253 a new hot spot in the ongoing quest to understand these mysterious cosmic signals. ✨
#fastbursts⚡#sculptorgalaxy⚡#radioastronomy⚡#nasa⚡#galaxy⚡#stars⚡#astronomy⚡#universe⚡#cosmos⚡#space
👉subscribe Universe Mysteries
👉more Channels
🪐 In 2023, the Australian Square Kilometre Array Pathfinder detected an unusual pattern in fast radio bursts coming from the spiral galaxy NGC 2082, with several bursts arriving from different regions within the same galaxy. These millisecond flashes of radio energy, each releasing as much power as hundreds of millions of suns, show that multiple mysterious sources can exist in a single galaxy, deepening the puzzle of what causes these intense cosmic signals. ✨
#fastbursts⚡#ngc2082⚡#radioenergy⚡#nasa⚡#galaxy⚡#stars⚡#astronomy⚡#universe⚡#cosmos⚡#space
👉subscribe Universe Mysteries
👉more Channels