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
La regione #Lombardia ha avviato un piano per formare e assumere più di 200 infermieri provenienti dall’Uzbekistan. L’obiettivo è colmare la grave carenza di infermieri degli ospedali lombardi. Nella legge di stabilità della regione (il documento che definisce le entrate e le spese per i prossimi tre anni, ancora in fase di discussione), si legge che per realizzare parte di questo piano è previsto lo stanziamento di 900mila euro da suddividere su tre anni. (ilPost)
@UltimoraPolitics24
#Italia
Nota del #PD|S&D #Lombardia:
"Se prendi soldi pubblici e non fai gli interessi della collettività, allora non servi. E il contratto deve saltare. Parliamo di sanità: su oltre 400 strutture private accreditate in Lombardia, solo 8 hanno aderito al nuovo CUP unico. Otto su quattrocento. Non è un dettaglio tecnico. È una scelta precisa, pagata dalle lombarde e dai lombardi che ogni giorno fanno i conti con liste d’attesa infinite, visite rinviate, ricette che scadono, medici di medicina generale introvabili e personale sanitario allo stremo.
Mentre il pubblico continua a reggere quasi tutto, una parte del privato si sfila e pensa solo ai bilanci. E la destra di Fontana e Bertolaso resta immobile.
La nostra proposta è semplicissima: se non aderisci al CUP unico entro i prossimi tre mesi, non ti sarà rinnovato il contratto. La porteremo in Consiglio regionale. E sabato 11 aprile alle 15 saremo in piazza, sotto Palazzo Lombardia, a Milano, per difendere il diritto alla salute."
@OsservatorioItaliano
#Lombardia
#Conte lancia la consultazione in rete per le regionali: "Gli iscritti decidano se correre soli, con minori chance di poter essere competitivi, o in coalizione con il centrosinistra, ovviamente con maggiori chance di poter battere il centrodestra e voltare pagina"
@UltimoraPolitics
#Italia#Lombardia#Milano
Ti sei perso il dibattito tra i candidati a Milano? Puoi rivederlo su:
Youtube ▶️https://youtu.be/9Pzke9bTGOA
Twitch ▶️https://www.twitch.tv/videos/1144765642
——————
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.
#Lombardia
Attilio #Fontana: "Giorgia Meloni mi ha confermato che il candidato del centrodestra sono io. Il mio nome non è ancora stato ufficializzato dalla coalizione perché si stanno definendo gli ultimi dettagli anche sulle altre Regioni al voto"
@UltimoraPolitics