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
С большим удовольствием представляем новый релиз:
[3 вложения] — Излом Плюс Консорциум (AG011)
[3 вложения] - power electronics / death industrial / noise трио участников Московской Шумовой Мануфактуры: Владимира Черепанова (в начале года уже выпустившего на Aphotic Gaze EP своего сольного проекта t_error 404), Дмитрия Бубинского и Георгия Орлова-Давыдовского. Дебютный альбом "Излом Плюс Консорциум" включает в себя избранную аудиофиксацию концертных выступлений проекта в период с 2022 по 2023 г.
Релиз будет доступен на музыкальных площадках в ближайшее время
Релиз доступен на кассетах — обращаться @Vitte_importante
#aphotic_gaze#postindustrial#noise#harshnoise#power_electronics#death_industrial
Пост совсем уж не по тематике канала, однако:
Не могу не рассказать о втором музыкальном релизе моего учителя и товарища, культуролога Якова Сергеевича Казанцева.
СТЕРВА - Frankfurt: Kantate (2024).
Альбом, объемлющий следующие жанры: #mathcore | #chaotic_hardcore | #noise | #postindustrial | #avantgarde_jazz | #experimental, (признаться, ни грана в этом не понимаю), с головой погружает слушателя в атмосферу разорванности и дисгармоничности современной эпохи. Эпохи, в которой разум обернулся неразумием, Просвещение — Затемнением, а падение старых авторитетов — новой авторитарностью.
Этот альбом концептуален в лучшем смысле этого слова — по названиям релиза и треков нетрудно заметить, что он являет собой художественную рефлексию над работами теоретиков Франкфуртского Института социальных исследований, а по стилистике — что построен на «эстетике безобразного» Теодора Адорно.
Конечно, горячо любимый мною Г.А. Завалько, автор книги «Философские проблемы эстетики» наверняка бы такое не одобрил, но тут уж ничего не попишешь: неклассическому времени — неклассическое искусство.
В конце концов, альбом слушать действительно интересно, и если экстрим-вокал и зубодробительные гитары вам по душе, то нажимать вот сюда.
#культура
Available for order now: [email protected]
T.S.I.D.M.Z. & Maxim Mamkin - Noi Siamo Iperborei
[Ars Bellica ABR002 || E.C.T. Distribution 0021, CDr]
Limited edition of 20 hand-numbered copies-CDrs.
A dreamlike journey in search of Lost Continents with lyrics reworked from a writing by Boris Nad plus a furious and nostalgic composition in three movements with lyrics by Sol. Mutti in memory of the painful loss of the true original homeland, Hyperborea, are the two pieces that make up the al-bum "Noi Siamo Iperborei" of an Italian-Russian collaboration: T.S.I.D.M.Z. and Maxim Mamkin.
Music: Solimano Mutti & Max Mamkin
Lyrics: Solimano Mutti & Boris Nad
Mixed and mastered at Tetsuo Studio by Sol. M.
Manufactured at Geräuschkammer IV by X.I.
T S I D M Z -ThuleSehnsucht In Der MaschinenZeit-
T.S.I.D.M.Z. (ThuleSehnsucht In Der MaschinenZeit), alias ThuleSehnsucht, is an Italian project of Electronic music that inspired from various genres within the field of Industrial, Popular and Traditional Music.
MAXIM MAMKIN
Musician and artist from Bobruisk (Belarus). Currently lives in St. Petersburg (Russia).
#postindustrial#industrial#darkambient#martialindustrial#drone#ambient#neofolk#experimental
https://www.youtube.com/watch?v=LQxeLQ97efohttps://www.youtube.com/watch?v=qjDRzsomSJg