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
Ինչպես Սուրբ Հոգին միավորեց տարբեր ազգերից մարդկանց մեկ՝ սիրո և ճշմարտության լեզվով, այսօր էլ մեզ է պետք հոգևոր վերածնունդ՝ հանուն ժողովրդի վստահության, արժանապատվության և պետականության ամրապնդման։
https://www.facebook.com/.../%D5%B0.../2113445135818798/...
#գևորգգևորգյան#armnationalfront#գևորգ_գևորգյան#армянскийнациональныйфронт#հայաստան#геворг_геворгян#gevorg_gevorgyan#իրավիճակըհայաստանում#հայազգայինճակատ#գեւորգ_գեւորգյան#դիմադրականճակատ#armenian_national_front#ԳևորգԳևորգյան#հայառաքելականեկեղեցի
#հայրենասիրականերիտասարդկանկենտրոն#народный#թմբիր#վասն_հավատի_վասն_հայրենյաց#proffact#վասնհավատովասնհայրենյաց#լավէլինելու#ապավինենքՏիրոջը#5000արյուն#ուրացում#նահատակություն#հաղթանակ#ավարայր#ճակատամարտ
#Սարդարապատ#Ամենայն_Հայոց_Հայրիկ#Վեհափառ
❗️❗️❗️նիկո՛լ, Կաթողիկոսին փոխելու կեղծ օրակարգային հարցդ իրականում ադրբեջանական պահանջ է։ Քայլ՝ վերջնականապես նվաստացնելու Քրիստոնեությունը որպես պետական կրոն առաջինն ընդունած, հազարամյակների պատմություն ունեցող ազգը, ողջ հայությանը։
Սա մանիպուլիացիա է։
✊ Հայը պայքարել է՝ միշտ հիմնվելով իր հավատին։ Առավել ևս՝ երբ պետականության բոլոր հիմնասյուները փլուզված են, հավատն է մնում միակ հենասյունը լինելիության պայքարում։ Վասն Հավատի, Վասն Հայրենյաց։
Քո կողմից հրահրվող հաջորդ դավադիր պատերազմից առաջ, նիկո՛լ, դու գիտակցված ոչնչացրեցիր պետության բոլոր ինստիտուտները, թուլացրեցիր բանակը, իսկ հիմա հանդգնում էս մեր ոգու ամրության հավատին՝ գիտակցելով, որ երբ հավատն է թույլ, հաղթանակ չկա։ Ուզում ես իրականություն դարձնել ձեր հայտնի արտահայտությունը՝ մենք նրանց կյանքը զոհաբերել ենք հանուն ոչնչի։
Դու Երկիրս ատեցիր, Ազգս ատեցիր, Հավատս ատեցիր դեռ քո բնօրրանից և կեղծիքով ու խաբեությամբ եկար ու տիրեցիր Երկրիս։
Ասում ես՝ որպես Հայ Առաքելական Եկեղեցու հավատավոր հետեւորդ, որպես մարդ, ով խանդաղատանքով է վերաբերվում մեր հոգևոր ժառանգության ամեն արժեքին, ամեն մասունքին, ամեն պատկերին ու քարին, բայց Արցախը հանձնելով՝ չքնաղ Շուշիս անվանեցիր գորշ ու մռայլ՝ իր բոլոր եկեղեցիներով ու սրբապատկերներով։ Դու կե՛ղծ ես։
🛑 Դու չես կարող կոչվել Հայ Առաքելական Եկեղեցու հետևորդ, երբ սեռափոխվածին՝ պղծությունը, սեփական հովանու ներքո ես պաշտպանում։ Այնինչ, պետք էր սեփական երկրիդ անվտանգության երաշխավորը լինել։
Սոդոմն ու Գոմորը Տերն այրեց, որովհետև պիղծ էին։
Դու էլ ես այրվելու, նիկո՛լ։
#գևորգգևորգյան#armnationalfront#գևորգ_գևորգյան#армянскийнациональныйфронт#հայաստան#геворг_геворгян#gevorg_gevorgyan#իրավիճակըհայաստանում#հայազգայինճակատ#գեւորգ_գեւորգյան#դիմադրականճակատ#armenian_national_front#ԳևորգԳևորգյան#հայառաքելականեկեղեցի
#հայրենասիրականերիտասարդկանկենտրոն#народный#թմբիր#վասն_հավատի_վասն_հայրենյաց#proffact#վասնհավատովասնհայրենյաց#լավէլինելու#ապավինենքՏիրոջը#5000արյուն#ուրացում#նահատակություն#հաղթանակ#ավարայր#ճակատամարտ
#Սարդարապատ#h2
Սա արդեն միայն քաղաքականություն չէ։ Սա լինելիության պայքար է։
#գևորգգևորգյան#armnationalfront#գևորգ_գևորգյան#армянскийнациональныйфронт#հայաստան#геворг_геворгян#gevorg_gevorgyan#իրավիճակըհայաստանում#հայազգայինճակատ#գեւորգ_գեւորգյան#դիմադրականճակատ#armenian_national_front#ԳևորգԳևորգյան#հայառաքելականեկեղեցի
#հայրենասիրականերիտասարդկանկենտրոն#народный#թմբիր#վասն_հավատի_վասն_հայրենյաց#proffact#վասնհավատովասնհայրենյաց#լավէլինելու#ապավինենքՏիրոջը#5000արյուն#ուրացում#նահատակություն#հաղթանակ#ավարայր#ճակատամարտ
#Սարդարապատ#h2
Մայր Եկեղեցու դեմ հարձակումները՝ քողարկված, համակարգված ու ներմուծված, միտված են մեկ բանի՝ անջատել մեզ մեր արմատներից։
Բայց երբ աշխարհականը, հողի մարդը, գիտակից քաղաքացին կանգնում է հավատքի և եկեղեցու կողքին, տապալվում է ոչ միայն ծրագիրը, այլ ամբողջ մեխանիզմը։
Որովհետեւ մեր ուժը գալիս է ոչ թե իշխանությունից, այլ ճշմարտությունից։
Երկարատև դադարից հետո Լիլիթ Մելքոնյանի հետ հարցազրույցի ամբողջական տարբերակը կգտնեք մեկնաբանություններում։
#գևորգգևորգյան#armnationalfront#գևորգ_գևորգյան#армянскийнациональныйфронт#հայաստան#геворг_геворгян#gevorg_gevorgyan#իրավիճակըհայաստանում#հայազգայինճակատ#գեւորգ_գեւորգյան#դիմադրականճակատ#armenian_national_front#ԳևորգԳևորգյան#հայառաքելականեկեղեցի
#հայրենասիրականերիտասարդկանկենտրոն#народный#թմբիր#վասն_հավատի_վասն_հայրենյաց#proffact#վասնհավատովասնհայրենյաց#լավէլինելու#ապավինենքՏիրոջը#5000արյուն#ուրացում#նահատակություն#հաղթանակ#ավարայր#ճակատամարտ
#Սարդարապատ#h2