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
Shujaat Khan & Katayoun Goudarzi — This Pale (Black Groove Music, 2021)
#hindustani#persian_classical#sitar#ney#tabla#Iran#India
Совместная работа ситариста Шуджаата Хусейна Хана и иранской вокалистки Катаюн Гударзи. За свою долгую карьеру Шуджаат выпустил более 60 альбомов. Одним из самых ярких моментов его карьеры стал альбом The Rain, записанный с индо-персидским ансамблем Ghazal. Пластинка была номинирован на премию Грэмми в 2004 году. На новой работе This Pale звуки ситара Хусейна Кхана, вокал Гударзи, най Шахо Андалиби и табла Шарика Мустафы вдохнули новую жизнь в шесть стихотворений Руми, персидского поэт-суфия XIII века.
Spotify | AppleMusic
Nu Genea — Bar Mediterraneo (NG Records, 2022)
#funk#soul#boogie#canzone_napoletana#disco#afrobeat#ney#Italy#France#Tunisia
Bar Mediterraneo, как и Неаполь, родной город Nu Genea, всегда открыт для путешественников со всего света, для их песен, инструментов и музыки. И таким настроением наполнен весь новый альбом группы. Композиция Tienaté позволяет прочувстовать всю своеобразность неаполитанского языка и услышать, как диско заигрывает с местной фолк-музыки. В песне Gelbi флейта ней ведет диалог с тунисским певцом Марзуком Меджири. В Marechia звуки неаполитанского языка переплетаются с нежным пением француженки Селии Камени. В Straniero мелодичная мандолина сопровождает бит, когда-то записанный легендой афробита, барабанщиком Тони Алленом. Стихотворение Рафаэля Вивиани 1930 года вторит непринужденном ритму джаз-фанка в композиции La Crisi.
🔗Spotify | AppleMusic | Bandcamp | VK
The National Choir of Turkish Classical Music — Turkish Classical Music: Tribute to Yunus Emre (Unesco Collection, 1991)
#traditional#ottoman_сlassical#kemenche#kanun#tanbur#ney#oud#violin#cello#Turkey
С XIX века турецкие композиторы стали использовать западную нотную систему для фиксации придворной музыки Османской империи. До этого произведения не записывались, а передавались из уст в уста. В результате значительная часть репертуара оказалась утрачена. Так, до наших дней дошло лишь около тридцати произведений Абдулкадира Мараги, композитора и музыковеда XIV века.
Эта запись Национального хора турецкой классической музыки представляет сохранившиеся произведения 13 поэтов и композиторов Турции. Среди них — Абдулкадир Мераги (1353-1435), Хафиз Пост (1630-1694), Гази Гирей Хан II (1554-1608), Эйюби Эбубекир Ага (1685-1759), Бухуризаде Мустафа Итри (1640-1712), Таби Мустафа Эфенди (1705-1770), Хаджи Садуллах Ага (1760-1808), Дилхаят Калфа (XVIII век), Мехмет Ага младший (конец XVIII века), Султан Селим III (1761-1808), Хаммамизаде Исмаил Деде Эфенди (1778-1846) и Мустафа Чавуш. Работы композиторов на альбоме расположены именно в таком порядке, хотя и не указаны в названиях композиций.
Помимо прочего, альбом был выпущен к 750-летию со дня рождения поэта Юнуса Эмре (1238–1320). Для османской литературы он был тем же, кем Данте был для итальянской: поэтом, преобразившим духовный опыт и язык народа в основу будущей литературы.
🔗Spotify | AppleMusic | Telegram