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
🚨🔵 Shohei Ohtani NO lanzará en el Clásico Mundial de Béisbol, dijo el manager de los Dodgers, Dave Roberts, a los periodistas. Roberts agregó que fue decisión de Ohtani no lanzar.
🏆 Ohtani cerró de manera famosa la victoria del campeonato para Samurai Japan en el torneo de 2023, ponchando a su entonces compañero de equipo, Mike Trout.
#️⃣#Ohtani
🗞 | t.me/MLB_Daily
🏆🔵 ¡Shohei Ohtani ha ganado el premio Edgar Martinez al Bateador Designado Sobresaliente por QUINTA temporada consecutiva!
#️⃣#Ohtani
🗞 | t.me/MLB_Daily
👀 ¿Cuál es la reacción de Shohei Ohtani después del maratón de 18 entradas del Juego 3 de la Serie Mundial? No es diferente a la de cualquier otra persona...
😪 "Quiero ir a dormir lo antes posible", dijo Ohtani a Tom Verducci de Fox Sports a través de un intérprete, "para poder prepararme."
Después de su noche histórica en el plato y la legendaria victoria de los Dodgers, Ohtani está programado para lanzar en el Juego 4.
#️⃣#PlayOffs25#Ohtani
🗞 | t.me/MLB_Daily
🔝🔵 Desde 2021, Shohei Ohtani ha sido seleccionado para 8 Equipos All-MLB (6 Primer Equipo, 2 Segundo Equipo)
Eso es la mayor cantidad de selecciones para Equipos All-MLB EN LA HISTORIA 😳
#️⃣#Ohtani#Stats#MLBHistory
🗞 | t.me/MLB_Daily
👀🔵 Línea final de Shohei Ohtani en el Juego 3 de la Serie Mundial:
Doble
Jonrón
Doble
Jonrón
Base por bolas intencional
Base por bolas intencional
Base por bolas intencional
Base por bolas intencional
Base por bolas
🤯 Estableció un nuevo récord de veces en base en un juego en la historia de los playoffs, y empató un récord general de la MLB al llegar a base 9 veces, algo que no se había hecho desde 1942.
#️⃣#Ohtani#Stats#PlayOffs25#MLBHistory
🗞 | t.me/MLB_Daily