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
Roberta #Metsola, presidente del Parlamento Europeo: “La fine dell’Ayatollah deve segnare la fine dell’era dei dittatori in Iran. Dopo 47 anni, deve essere arrivato il tempo della libertà.
Per tutti coloro che sono stati assassinati, giustiziati e fatti sparire con la forza;
Per tutti quei bambini costretti a crescere nella paura delle catene del regime;
Per tutte quelle madri costrette a frugare in scantinati insanguinati, colmi dei corpi di innocenti, mentre cercavano i propri cari;
Per le generazioni di iraniani che hanno dovuto fuggire dalle loro case e vivere in esilio;
Per ogni prigioniero politico torturato, giustiziato o ingiustamente incarcerato;
Per le donne, la vita, la libertà. Per Jina Mahsa Amini. Per ogni voce per sempre messa a tacere;
Per ogni figlio impiccato sommariamente a una gru in una piazza pubblica;
Per ogni innocente europeo tenuto in ostaggio in condizioni terribili dai terroristi dell’IRGC;
Per tutte le vittime dei gruppi terroristici sostenuti dal regime, che ha addestrato, finanziato, armato e appoggiato mentre uccidevano migliaia di persone in Medio Oriente e nel resto del mondo negli ultimi due generazioni;
Per tutti coloro per cui la lotta per la libertà non è politica né una causa di moda, ma una questione esistenziale;
Per tutti coloro che vogliono che il popolo iraniano possa vivere nella luce anziché restare avvolto nell’oscurità;
Ora l’Iran deve essere libero.”
@UltimoraPolitics24
Roberta #Metsola: "Il mondo è un po' più sicuro oggi". Lo ha scritto in un tweet la presidente del Parlamento europeo, condividendo il tweet del ministro degli Esteri Tajani sull'arresto del boss Messina Denaro.
@UltimoraPolitics
Problemi di salute per la premier Giorgia #Meloni: cancellata tutta la sua agenda. Salta l'incontro di domani con la presidente dell'Europarlamento Roberta #Metsola e la Conferenza di Monaco di sabato. Presiederà da casa il Cdm al via tra pochi minuti
@UltimoraPolitics
🇪🇺 La presidente del parlamento europeo Roberta #Metsola: "Silvio #Berlusconi, il combattente che ha guidato il centro-destra e che è stato protagonista della politica in Italia e in Europa per generazioni. Padre, imprenditore, eurodeputato, Presidente del Consiglio, senatore. Ha lasciato il segno e non sarà dimenticato. Grazie Silvio".
@UltimoraPolitics
❗ Qatargate, la presidente del Parlamento europeo, Roberta #Metsola ha deciso di sospendere con effetto immediato tutti i poteri, compiti e deleghe alla sua vice Eva #Kaili
@UltimoraPolitics
«Italia–Africa. Un ponte per una crescita comune» è il titolo della conferenza internazionale che si terrà a Roma oggi e domani, che dovrebbe fare da palcoscenico per la presentazione del "Piano Mattei". Oggi sarà la volta dell’accoglienza di leader e ospiti con un pranzo al Quirinale, domani si passerà ai lavori del summit nella sede di Palazzo Madama. La lista attuale di presenze conta circa 60 partecipanti, inclusi 13 capi di Stato e 8 di governo africani. Fra le istituzioni internazionali è previsto l’intervento del presidente della Commissione dell’Unione africana #Faki e del presidente della Banca africana di sviluppo Adesina, oltre ai vertici comunitari rappresentati da #VonDerLeyen, #Michel e #Metsola e alla direttrice del Fondo monetario internazionale Georgieva.
@UltimoraPolitics