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
Little Language Lessons
https://labs.google/lll/en
最近谷歌创意技术专家推出的基于 Gemini 最新模型的实验作品 Little Language Lessons，用 AI 驱动学习语言。
它主要由 3 部分微型学习实验场景组成。Tiny Lesson：随时学习单词、句子和用法； Slang Hang：学习母语使用者的习惯；Word Cam：直接 AI 驱动的识图识场景教语言功能。作者在介绍文档中给出了提示这些提示词，可以拿来自己学习。
这个玩具确实非常精美、有趣，值得使用。现在学习可选择场景太多了，间隔重复、沉浸翻译、语音对话、AI 生成，学吧。
最近 Notion CEO 提到 Notion = Lego + Al + tools for thought，同时能驾驭这三者的人很少，对这三者感兴趣和深耕的也不多。我倒是觉得 Google 有这个调性，各种分支的实验作品，以及 Steven Johnson 领导的 NotebookLM，作为 AI 驱动的思维工具，称得上也非常好用。
相关链接
介绍文档：How It’s Made: Little Language Lessons uses Gemini’s multilingual capabilities to personalize language learning
#tft#AI
一篇 PKM 与 AI 结合的最新研究论文
Creating Automatic Connections for Personal Knowledge Management
最近一位 X 佬在 Springer Nature 上发布了一篇关于个人知识管理（PKM）与大型语言模型/自然语言处理集成的 AI 应用研究。作者参考了很多笔记软件如 RR 这些，在论文主页 Notes 可以查看，主要提到了 Tana AI 助手的文本探索、Obsidian 图谱和 Readwise 的 AI 应用等，利用 AI 在个人知识管理领域轻松拉起整个知识图谱节点的研究。
这篇论文有个在线版本可以直接查看，论文还参考了 47 条书籍文献，如前两条 Sönke Ahrens 的聪明笔记和第二大脑书籍参考，以及语义分析/知识图谱等研究引用，可在主页查看
这篇论文基本踩到了我的「发布癖」上，PKM 与 AI 的交媾，诞出人类智识意义上的放大和命题延伸，即我前面提到过的 IA（intelligence amplification），这也是我一直在探索的领域。
这里几篇我喜欢的关于工具的技术文章，再分享。这个领域我还比较期待两位 K 神的研究分享，Karpathy 和 Kepano.
- Andy Matuschak 关于革命性思维工具的理解：How can we develop transformative tools for thought?
- Roam Research 白皮书 Roam White Paper.
- 没有银弹丨Fred Brooks 关于软件开发困难论述的经典论文
相关链接
1 Roam Research 复兴之后丨创新、式微及其影响
2 Intelligence Amplification
3 工具如何错误地塑造我们丨异化
4 On shortification of "learning"丨学习的简化
5 博客 2.0 时代丨知识库与数字花园
#TfT#AI