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
Range Rover шикарный и пижонский. На нем иногда выезжают на бездорожье, но это выглядит странно.
У LR есть совсем другая машина - Land Rover Defender Octa. 4,4 битурбо на 600+ лс, полный привод, гидравлическая подвеска, разгон до сотни за 4 секунды. В этом году на нем LR выиграл ралли Париж-Даккар.
Внутри - утилитарная роскошь. Если бы не цена «от 160 тыс долл» и расход топлива, Octa была бы лучшей машиной на свете.
Согласен - 👍
Не уверен - 🤔
#lr
Land Rover в этом году вернулся в ралли Париж-Дакар, мы недавно писали об этом. Сейчас позади уже 8 этапов, LR держит первые два места в группе, на третьем Toyota.
Land Rover едет на Defender Dakar D7X-R, по сути это серийный Defender OCTA и этот авто заслуживает описания. 4,4 л бензиновый битурбо, 630 лс и 750 Нм, увеличенный дорожный просвет и при этом 3,8 секунды до сотни.
OCTA уже назван в Великобритании внедорожником года, после победы в Дакаре культовый статус ему обеспечен. Минусов нет, кроме расхода топлива и цены - 160-170 тыс долл в стране производства.
Огонь - 👍
Непонятно зачем - 👎
#lr
#Elezioni#Francia#Presidenziali
Spaccatura nei #LR|EPP: la sezione giovanile del partito annuncia che non seguirà l'endorsement fatto dai Repubblicani a Macron e voterà scheda bianca.
@UltimoraPolitics
#Francia#AN
Con 331 voti favorevoli, l'Assemblea Nazionale approva la mozione di sfiducia nei confronti del Primo Ministro Michel #Barnier (#LR|EPP).
Video di LCP.
@OsservatorioEsteri
#Francia
Il Presidente dei #LR|EPP Christian #Jacob ha annunciato che non si ricandiderà nel suo seggio di Seine-et-Marne, lasciando l'Assemblea Nazionale dopo 27 anni dalla sua prima elezione.
@UltimoraPolitics
#Francia
Senatrice Agnés #Evren (#LR|EPP): “Destituiremo Eric #Ciotti nella giornata di oggi. Posso dirvi che, a partire dalle 15, non sarà più il leader dei Repubblicani”.
@OsservatorioEsteri