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
Субботнее😬
«Когда мой брат Гарольд попросил меня быть шафером на его свадьбе, ну что я мог здесь сказать… Конечно, парень, ты всегда ведь помогал мне! Когда вот меня лечили от алкоголизма, когда машину свою не мог найти…».
Стив Бушеми часто появлялся в фильмах Адама Сэндлера в небольших эпизодах, но это камео в комедии «Певец на свадьбе», на мой взгляд, получилось самым смешным.
Сегодня Бушеми, кстати, исполнилось 68 лет.
#ВИДЕОТЕКА
#TheWeddingSinger
#SteveBuscemi
#AdamSandler
#АндрейГаврилов
#VHS
В эти дни ровно 30 лет назад на экраны вышел фильм Роберта Родригеса «Отчаянный». Не то ремейк, не то продолжение его же дебютной работы «Музыкант» — с другими актерами, с бОльшим масштабом и бюджетом. Хотя здесь скорее из категории «нано» перешли в разряд «микро», и на тех же дублерах пришлось здорово экономить. Но у Родригеса этот боевик получился настолько лихим, стебным и запоминающимся, что на все недостатки бюджета и сюжетную простоту уже как-то на автомате не обращаешь внимание.
Именно здесь Антонио Бандерас впервые заявил о себе как главный мачо мирового кино, который и наркомафию с двух рук штабелями уложит, и сердце молодой Сальмы Хайек покорит, и песню Эль Марьячи вместе с группой Los Lobos в начальных титрах споет так зажигательно, что этот мотив и этот припев навсегда отпечатается в нашей памяти. Просто сравните его персонажа в «Отчаянном» с ролями у Педро Альмодовара или в той же «Филадельфии» Джонатана Демме, и все поймете сами.
Именно здесь Квентин Тарантино сделал заявку на звание одного из лучших рассказчиков анекдотов в истории кино (хотя и эту сцену, как говорил однажды Борис Хохлов, он тоже позаимствовал из одного гонконгского фильма). Именно здесь мы увидим самого наглого и бессовестного в мире бармена в исполнении Чича Марина. Именно здесь суровый Дэнни Трехо своими метательными ножами говорил красноречивее многих других актеров.
Наконец, именно в «Отчаянном» буквально с пролога мы с головой ныряем в этот коктейль из здорового киношного раздолбайства, откровенного стеба и невероятного куража, который Роберт Родригес на излете 90-х явно начнет терять. В начале нулевых постановщик получит для сиквела с претенциозным названием «Однажды в Мексике» карт-бланш, реально серьезный бюджет и шикарный актерский ансамбль. Но это кино в итоге получится в лучшем случае странным и вымученным.
Так что лучше запомните именно эту историю про Эль Марьячи. Сколько раз я бы ни смотрел этот фильм — всегда испытываю ровно те же эмоции, что и четверть века назад, когда вместе с дедом впервые наткнулись на пиратский показ «Отчаянного» по Копейскому телевидению в переводе Визгунова. И не смогли оторваться.
#ВИДЕОТЕКА
#ВИДЕОТЕКАКино1995
#Desperado
#Отчаянный
#AntonioBanderas
#АнтониоБандерас
#RobertRodriguez
#РобертРодригес
#QuentinTarantino
#КвентинТарантино
#CheechMarin
#ЧичМарин
#СтивБушеми
#SteveBuscemi
#ДэнниТрехо
#DannyTrejo