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
🌎 The Inuit of the Arctic believe in the legend of the Qalupalik, a mysterious sea creature with green skin and long hair that lives under the ice. According to the legend, Qalupalik lures disobedient children into the water with a humming song, warning kids to stay safe near the sea. Early explorers recorded Inuit parents telling these tales in the 19th century. ✨
#mythology⚡#arctic⚡#inuit
👉subscribe Interesting Planet
Groenlandia: parlano gli Inuit, non le potenze ❄️
Mentre dagli USA (con Trump) tornano dichiarazioni inquietanti sulla Groenlandia, a prendere la parola sono finalmente i nativi Inuit e i loro rappresentanti politici.
Il partito Inuit Ataqatigiit (IA) – forza progressista e indipendentista fondata nel 1976 – denuncia con fermezza l’emarginazione della Groenlandia dalle decisioni che la riguardano direttamente, a partire dai rapporti con la Danimarca e dalle pressioni geopolitiche internazionali.
“Non possiamo accettare che si discuta del nostro Paese senza di noi. Lo status quo non è più un’opzione”, afferma Erica Pipaluk (IA), chiedendo veri negoziati, trasparenza e il rafforzamento della sovranità decisionale groenlandese.
Anche Mariane Paviasen Jensen, portavoce politica di IA, sottolinea un punto centrale:
l’indipendenza non può essere uno slogan, ma un percorso condiviso, discusso apertamente con la popolazione e deciso tramite referendum.
Economia, difesa, sanità, istruzione, giustizia: tutto va pianificato con serietà e responsabilità, mettendo al centro il popolo Inuit.
✊ “Se restiamo divisi, gli unici vincitori saranno gli altri Paesi che vogliono esercitare potere sulla nostra isola”.
Autodeterminazione, unità, rispetto dell’ambiente e delle tradizioni: la Groenlandia chiede di decidere da sé il proprio futuro.
Una voce da ascoltare. Una lotta che riguarda tutti.
#Groenlandia#Inuit#Autodeterminazione#Decolonizzazione#IA#DirittiDeiPopoli#Geopolitica#Artico
https://www.marx21.it/internazionale/groenlandia-parlano-i-nativi-locali-e-difensori-del-popolo-inuit/
Various Artists — The Archival Recordings of Constantin Brăiloiu (Death Is Not The End, 2024)
#traditional#field_recording#basque#bretton#bulgarian#corsican#ethiopian#flemish#gaelic#georgian#greek#hausa#inuit#irish#italian#kabyle#macedonian#norwegian#romanian#russian#sardinian#sephardic#swiss#tuareg#Brittany#Flanders#Wallonia#Bosnia_and_Herzegovina#Bulgaria#China#England#Ethiopia#France#Georgia#Greece#India#Ireland#Italy#Japan#Macedonia#Norway#Portugal#Romania#Russia#Switzerland#Turkey
Сборник записей пионера румынской этномузыкологии, Константина Браилою. Треки с него впервые прозвучали на радио NTS в июле 2017 года, а в 2024 году лейблDeath Is Not The End выпустил его в формате полноценного альбома в честь своего 10-летия.
Сборник включает полевые записи народных песен и танцев и охватывает музыкальные традиции множества культур: английской, ирландской, гэльской, норвежской, бретонской, японской, итальянской, швейцарской, баскской, сардинской, эстонской, грузинской, греческой, турецкой, сефардской, португальской, французской, китайской, русской, хауса, туарегов, индийской, корсиканской, эфиопской, румынской, валлонской, фламандской, немецкой, кабильской, болгарской, македонской, боснийской и карибу-эскимосской.
Существенная проблема этого релиза заключается в том, что треки не проаннотированы. По этой причине слушателю придется упавать на свою собственную эрудицию и знание языков, чтобы понять, какая композиция принадлежит к какой культуре.
🔗Bandcamp | Telegram