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
⏺Le PSG bat le Bayern (5-4) : liesse et tensions dans les rues de #Paris
La victoire du Paris Saint-Germain face au Bayern Munich (5-4) en demi-finale de Ligue des champions a été l’occasion de vives célébrations à Paris. Les scènes de liesse ont cependant rapidement dégénéré : des feux d’artifice et des fumigènes ont été tirés, la police est intervenue pour disperser la foule.
RT en français • Osez questionner !
🇫🇷#Paris : une veillée aux chandelles en hommage aux victimes de l'école de Minab exhorte le gouvernement à refuser tout soutien « logistique »
Des manifestants se sont rassemblés le 24 avril sur la place du Trocadéro à Paris pour rendre hommage aux victimes iraniennes et libanaises tuées lors des attaques américaines et israéliennes depuis le début de la guerre en février dernier.
RT en français • Osez questionner !
Guerre au Moyen-Orient
La France rend hommage à deux soldats morts au Liban, dont l’un à Montauban, tandis que #Paris envisage des sanctions contre des colons israéliens accusés de violences en Cisjordanie.
Le point avec Alexis Poulin, cofondateur du média « Le Monde Moderne ».
🔘 Le Point
⏺Crise sociale : la rue gronde à #Paris
À Paris, les manifestations reflètent une colère croissante. Dans l’agroalimentaire, des hausses de prix quasi nulles poussent les industriels à réclamer de nouvelles négociations face à la hausse des coûts. En parallèle, chez Stellantis, la suppression de près de 900 emplois à Poissy alimente la mobilisation.
Source : réseaux sociaux
RT en français • Osez questionner !
🇫🇷 Un millier de personnes pour commémorer les pertes soviétiques pendant la Seconde Guerre Mondiale
La Seconde guerre mondiale a été sanglante et meurtrière avec plus de 60 millions de morts, dont près de la moitié étaient soviétiques. À #Paris, une cérémonie en hommage aux disparus s’est déroulée avec près d’un millier de participants. Notre correspondante Nadège Abderrazak nous en dit plus.
RT en français • Osez questionner !
⚽️#Paris en finale
Le PSG s’est qualifié pour la finale de la Ligue des champions après un match nul 1-1 face au Bayern et une victoire 6-5 au score cumulé.
Auteur de cinq arrêts décisifs, Matveï Safonov devient le premier joueur russe à atteindre deux finales de Ligue des champions. Le dernier Russe à avoir disputé une finale de C1 était Dmitri Alenitchev, vainqueur avec Porto en 2004 sous les ordres de José Mourinho.
RT en français • Osez questionner !
⏺Le PSG bat le Bayern (5-4) : liesse et tensions dans les rues de #Paris
La victoire du Paris Saint-Germain face au Bayern Munich (5-4) en demi-finale de Ligue des champions a été l’occasion de vives célébrations à Paris. Les scènes de liesse ont cependant rapidement dégénéré : des feux d’artifice et des fumigènes ont été tirés, la police est intervenue pour disperser la foule.
RT en français • Osez questionner !
❗️5 000 personnes se sont réunies à #Paris le 2 mai en soutien au #Mali
Le pays a fait face à plusieurs attaques terroristes la semaine dernière. Reportage au cœur du cortège avec notre correspondante, Nadège Abderrazak.
RT en français • Osez questionner !