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
Innov Gnawa — Lila (Daptone Records, 2021)
#traditional#gnawa#guembri#qraqebs#Morocco
Innov Gnawa — группа марокканских эмигрантов из Нью-Йорка. Возглавляет коллектив Маалем Джаффар, исполнитель на гембри, трехструнной лютне. Джаффара сопровождает хор из четырех музыкантов, поддерживающих ритм при помощи кракебов, металлических кастаньет, распространенных в Магрибе. Музыка гнава, которую называют «суфийским блюзом», — это духовная традиция, уходящая корнями в историю Магриба. В Марокко её принесли западноафриканские рабы. Из-за этого гнава часто интересуются джазовые музыканты, находя в ней общие со своей музыкой корни. Когда Боско Манн, нью-йоркский продюсер, увидел гипнотическое выступление Innov Gnawa, он пригласил их записать несколько треков. За пятичасовую сессию группа подготовила материал для целого альбома. Всё за один дубль. «Lila», что означает «ночь», — это традиционная церемония, в которой Маалем и его ансамбль совершают целебный ритуал с помощью музыки.
Spotify | AppleMusic | Bandcamp | VK
Electric Jalaba — El Hal (Strut Records, 2021)
#gnawa#afrobeat#funk#dub#electronic#sintir#guembri#Morocco
«Хаал» — сложное суфийское понятие. Одно из возможных его определений — продукт духовных практик суфия на его пути к Богу. Electric Jalaba описывают «xаал» как «чувство» сильнейшей сплочённости, но в то же время и потери связи с реальностью. Руководит коллективом Симо Лагнави — певец марокканского происхождения и исполнитель на синтире (سنتير), ведущий исполнитель музыки гнава в Великобритании. El Hal — третий альбом Electric Jalaba и их первый релиз за пять лет. В нем преобладают традиции гнава, смешенные со звуками аналоговых синтезаторов и элементами афробита. Язык песен — арабский, но в знак уважения к многовековому кочевому образу жизни исполнителей гнава, он приправлен элементами западноафриканских диалектов народов бамбара из Мали, фулани и хауса из региона Сахель.
Spotify | AppleMusic | Bandcamp | VK
Bab L' Bluz — Nayda! (Real World Records, 2020)
#gnawa#tishoumaren#chaabi#psychedelic#blues#funk#sintir#tanpura#Morocco
Nayda! – дебют марокканско-французского квартета Bab L 'Bluz, родившегося из мечты продвинуть синтир, традиционный музыкальный инструмент народна гнауа, на международную музыкальную сцену. Группа относится к той волне молодых марокканских артистов, которые черпают вдохновение из своего наследия и исполняют композиции на диалекте дарижа. Этот диалект характеризуется большим количеством заимствований из языков исторических владельцев колоний Магриба, французского и испанского, а также из местных берберских языков. Помимо влияния культуры гнауа, музыка Bab L 'Bluz содержит элементы психоделического рока, фанка и блюза таурегов. На записи можно найти звуки Атлантического океана, элементы североафриканского стиля чааби и звуки индийской танпуры.
Spotify | AppleMusic | Bandcamp