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
#Lazio
Nicola Passanisi, tesoriere del PD locale, annuncia le dimissioni dallo staff del governatore di area FdI Francesco Rocca. Le dimissioni sono state richieste dalla segreteria dem Elly Schlein, dopo che era esploso il caso a livello nazionale
@UltimoraPolitics
La Regione #Lazio revoca il patrocinio del 'Roma Pride 2023': "Non possiamo utilizzare la firma istituzionale a sostegno di manifestazioni volte a promuovere comportamenti illegali, con specifico riferimento alla pratica del cosiddetto utero in affitto" …
La Regione #Lazio revoca il patrocinio del 'Roma Pride 2023': "Non possiamo utilizzare la firma istituzionale a sostegno di manifestazioni volte a promuovere comportamenti illegali, con specifico riferimento alla pratica del cosiddetto utero in affitto"
@UltimoraPolitics
#LAZIO/USDT analysis :
#LAZIO is currently in a downtrend, trading below its 200 Exponential Moving Average (EMA). The price is expected to continue its decline and test lower levels. For a short entry opportunity, wait for the price to test the resistance zone, as a decline is expected from there.
TF : 4h
Entry : $1.165
Target : $0.989
SL : $1.243
#LAZIO/USDT analysis :
#LAZIO is currently trading above the support zone, and the overall trend remains bullish, with the price positioned above the 200 EMA. It is anticipated that the price will continue to rise and test previous highs. For a long entry, it is advisable to wait for a pullback.
TF : 1H
Entry : $1.829
Target : $2.064
SL : $1.704
#LAZIO has a trading range for along time on 4H time frame,we are waiting for breakout retest the broken level ⌛️
❄️@signals_bitcoin_crypto❄️
❄️@Shadow_support0o❄️
#Italia#Lazio#Roma
Ti sei perso l'intervista a Andrea Bernaudo (Liberisti Italiani), candidato a Sindaco di Roma? Puoi rivederla su:
Youtube ▶️https://youtu.be/LPMLDi8lefQ
Twitch ▶️https://www.twitch.tv/videos/1074343171
——————
ℹ️ Questa live potrebbe contenere opinioni che non rappresentano il pensiero di Ultimora.net
Il presente contenuto multimediale è curato esclusivamente dal suo autore, che esprime le proprie idee a titolo personale.
#Italia#Lazio#Roma
Ti sei perso l'intervista a Monica Lozzi, candidata a sindaco di Roma? Puoi rivederla su:
Youtube ▶️https://youtu.be/9D_Gt6D8Isc
Twitch ▶️https://www.twitch.tv/videos/1070380604
——————
ℹ️ Questa live potrebbe contenere opinioni che non rappresentano il pensiero di Ultimora.net
Il presente contenuto multimediale è curato esclusivamente dal suo autore, che esprime le proprie idee a titolo personale.