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
#Norvegia🇳🇴
#Parlamentari
Risultati preliminari.
🟥 Partito Laburista (#Ap|PES): 28,0%
🟦 Partito del Progresso (#FrP|Destra): 23,9%
🟦 Partito Conservatore (#H|PPE): 14,6%
🟪 Partito Socialista di Sinistra (#SV|LEFT): 5,6%
🟩 Partito di Centro (#Sp|Centro euroscettico): 5,6%
🟥 Rosso (#R|Sinistra anticapitalista): 5,3%
🟩 Partito Verde (#MDG|EGP): 4,7%
🟨 Partito Cristiano-Democratico (#KrF|PPE): 4,2%
🟩 Partito Liberale (#V|ALDE): 3,7%
Altri: 4,4%
#Norvegia🇳🇴
#Parlamentari
Risultati parziali.
🟥 Partito Laburista (#Ap|PES): 28,1%
🟦 Partito del Progresso (#FrP|Destra): 23,9%
🟦 Partito Conservatore (#H|PPE): 14,6%
🟩 Partito di Centro (#Sp|Centro euroscettico): 5,6%
🟪 Partito Socialista di Sinistra (#SV|LEFT): 5,6%
🟥 Rosso (#R|Sinistra anticapitalista): 5,3%
🟩 Partito Verde (#MDG|EGP): 4,7%
🟨 Partito Cristiano-Democratico (#KrF|PPE): 4,2%
🟩 Partito Liberale (#V|ALDE): 3,7%
@TuttoElezioni
#Norvegia🇳🇴
#Parlamentari
Risultati parziali.
Distribuzione provvisoria dei seggi.
🟥 Partito Laburista (#Ap|PES): 53
🟦 Partito del Progresso (#FrP|Destra): 48
🟦 Partito Conservatore (#H|PPE): 24
🟩 Partito di Centro (#Sp|Centro euroscettico): 9
🟪 Partito Socialista di Sinistra (#SV|LEFT): 9
🟥 Rosso (#R|Sinistra anticapitalista): 9
🟩 Partito Verde (#MDG|EGP): 7
🟨 Partito Cristiano-Democratico (#KrF|PPE): 7
🟩 Partito Liberale (#V|ALDE): 3
@TuttoElezioni
#Norvegia🇳🇴
#Parlamentari
Risultati parziali.
🟥 Partito Laburista (#Ap|PES): 28,2%
🟦 Partito del Progresso (#FrP|Destra): 23,9%
🟦 Partito Conservatore (#H|PPE): 14,6%
🟩 Partito di Centro (#Sp|Centro euroscettico): 5,7%
🟪 Partito Socialista di Sinistra (#SV|LEFT): 5,5%
🟥 Rosso (#R|Sinistra anticapitalista): 5,3%
🟩 Partito Verde (#MDG|EGP): 4,6%
🟨 Partito Cristiano-Democratico (#KrF|PPE): 4,2%
🟩 Partito Liberale (#V|ALDE): 3,6%
@TuttoElezioni
#Norvegia🇳🇴
#Parlamentari
Risultati parziali.
🟥 Partito Laburista (#Ap|PES): 28,1%
🟦 Partito del Progresso (#FrP|Destra): 24,3%
🟦 Partito Conservatore (#H|PPE): 14,5%
🟩 Partito di Centro (#Sp|Centro euroscettico): 5,8%
🟪 Partito Socialista di Sinistra (#SV|LEFT): 5,4%
🟥 Rosso (#R|Sinistra anticapitalista): 5,3%
🟩 Partito Verde (#MDG|EGP): 4,5%
🟨 Partito Cristiano-Democratico (#KrF|PPE): 4,3%
🟩 Partito Liberale (#V|ALDE): 3,5%
@TuttoElezioni