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
Hantavirus : Apa Yang Anda Perlu Tahu Dan Kesiapsiagaan Negara
Saksikan di Selamat Pagi Malaysia, TV1 esok 14 Mei 2025, pada pukul 8.00 pagi bersama Dr. Rosvinder Singh,
Pakar Perubatan Kesihatan Awam, Bahagian Kawalan Penyakit, Kementerian Kesihatan Malaysia.
#MalaysiaSihat
Walaupun taburan hujan di kawasan Lembah Klang kini tinggi, namun masih ada kawasan terutama di Zon Utara, Sabah dan Sarawak masih mengalami cuaca panas.
Pendedahan kepada cuaca panas dan gelombang haba boleh menyebabkan pelbagai masalah kesihatan.
Kenali gejala kelesuan haba sebelum ia melarat jadi strok haba.
Segera dapatkan rawatan jika tidak sihat! Lindungi diri dan keluarga.
#MalaysiaSihat
Cuaca Panas : Apa Anda Perlu Tahu?
Sertai TikTok Live di www.tiktok.com/@myhealthkkm esok pada pukul 3.00 hingga 4.00 petang bersama
Panel :
Dr. Megat Muhammad Haris bin Megat Zainal
Pakar Perubatan Keluarga
Klinik Kesihatan Muhibbah
🎯 Mata kredit CPD turut disediakan!
#MalaysiaSihat
Hari Raya; Kukuhkan Silaturahim, Kukuhkan juga Imuniti Diri
Sertai TikTok Live di www.tiktok.com/@myhealthkkm esok pada pukul 2.30 hingga 3.30 petang bersama
Panel :
Dr. Wan Abdul Hannan bin Wan Ibadullah
Pakar Perubatan Kesihatan Awam
Bahagian Kawalan Penyakit, KKM
Dr. Chandrika a/p Jeevananthan
Pakar Perubatan Kesihatan Awam
Bahagian Kawalan Penyakit, KKM
🎯 Mata kredit CPD turut disediakan!
#MalaysiaSihat
Kesesakan di pusat pemindahan banjir boleh meningkatkan risiko jangkitan saluran pernafasan. Cegah jangkitan saluran pernafasan semasa banjir dengan
➡ Elak berdekatan dengan mereka yang mempunyai simptom seperti batuk atau bersin
➡ Amalkan etika batuk dan bersin yang betul
➡ Jaga kebersihan diri dan persekitaran
➡ Cuci tangan menggunakan air dan sabun atau pensanitasi tangan
➡ Gunakan tisu untuk membuang kahak
➡ Asingkan mangsa banjir yang mempunyai gejala
➡ Pakai pelitup muka jika bergejala atau berada di tempat sesak
Segera dapatkan rawatan sekiranya mengalami masalah kesihatan.
Layari https://infosihat.moh.gov.my/banjir.html untuk dapatkan maklumat lanjut mengenai banjir.
#MalaysiaSihat
Penyakit demam Campak : Lindungi Anak, Lindungi Masa Depan
Dengarkan di Gegar FM pada pukul 8.00 pagi bersama Dr. Zaahirah binti Mohamad, Pakar Perubatan Kesihatan Awam dari Sektor Kesihatan Bayi dan Kanak-Kanak, Bahagian Pembangunan Kesihatan Keluarga, KKM
#MalaysiaSihat
Pesanan buat semua pekerja yang mencari rezeki di luar, terus jaga diri semasa jerebu.
➡️ Sentiasa minum air kosong secukupnya
➡️ Kurangkan aktiviti di luar
➡️ Kerap cuci tangan, muka dan mandi
➡️ Pakai pelitup muka jika perlu keluar
Segera dapatkan rawatan jika tidak sihat.
#MalaysiaSihat
Semua umat Islam akan mula berpuasa esok.
Jom selak e-majalah edisi Mac 2025 di https://bit.ly/41AtKJI untuk ketahui tip kekal sihat dan aktif di bulan Ramadan, tampil cantik dan selamat semasa Aidilfitri dan fakta menarik berkaitan kesihatan.
Ketahui juga panduan dan sokongan yang boleh diberikan terhadap wanita yang mengalami masalah Hirsutisme.
#MalaysiaSihat
5 Tahun Selepas COVID-19
Dengarkan di astro Radio News esok pada pukul 7.00 pagi bersama Dr. Mohd Ihsani Mahmood, Pakar Perubatan Kesihatan Awam dari Bahagian Kawalan Penyakit, KKM.
#MalaysiaSihat
Kesesakan di pusat pemindahan banjir di Semenanjung Utara boleh meningkatkan risiko jangkitan saluran pernafasan. Cegah jangkitan saluran pernafasan semasa banjir dengan
➡ Elak berdekatan dengan mereka yang mempunyai simptom seperti batuk atau bersin
➡ Amalkan etika batuk dan bersin yang betul
➡ Jaga kebersihan diri dan persekitaran
➡ Cuci tangan menggunakan air dan sabun atau pensanitasi tangan
➡ Gunakan tisu untuk membuang kahak
➡ Asingkan mangsa banjir yang mempunyai gejala
➡ Pakai pelitup muka jika bergejala atau berada di tempat sesak
Segera dapatkan rawatan sekiranya mengalami masalah kesihatan.
Layari https://www.infosihat.gov.my/banjir.html untuk dapatkan maklumat lanjut mengenai banjir.
#MalaysiaSihat
Apakah perbezaan MPOX, Chickenpox dan Penyakit Tangan, Kaki dan Mulut (HFMD)?
Ketiga-tiga penyakit ini berbeza. Pengetahuan mengenai penyakit-penyakit ini penting supaya kita lebih waspada dan dapat bertindak bagi menangani dan mendapatkan rawatan dengan lebih berkesan.
Pastikan anda dan keluarga sentiasa mengamalkan tahap kebersihan yang tinggi sebagai langkah pencegahan daripada penyakit ini.
#MalaysiaSihat
Influenza Kembali Menular
Dengarkan di Zayan FM esok pada pukul 9.00 pagi bersama Dr. Aznida binti Mohamad Zaki, Pakar Perubatan Kesihatan Awam dari Bahagian Kawalan Penyakit, KKM
#MalaysiaSihat#SihatItuSaya