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
Various Artists — Indian Talking Machine (Sublime Frequencies, 2021)
#traditional#khyal#carnatic#dhrupad#hindustani#thumri#India
С 2012 по 2013 год Роберт Миллис работал старшим научным сотрудником программы Фулбрайт в Индии, где изучал индийскую индустрию звукозаписи. Самые ранние записи в этой стране были сделаны еще в 1902 году. Это один из первых незападных аванпостов индустрии звукозаписи. В декабре 2015 года Sublime Frequencies опубликовали книгу Миллиса, в приложение к которой вошли два диска с музыкой из его коллекции индийских шеллаковых грампластинок, выпущенных в период с 1903 по 1949 год. На альбоме можно услышать виртуозные инструментальные соло и вокальные произведения, народную музыку и записи театральных представлений. Отцифровкой пластинок занимался Джонатан Уорд (Excavated Shellac), а мастерингом – Майкл Грейвс (Analog Africa, Dust-to-Digital, Hank Williams Garden Spot Recordings).
🔗Bandcamp
Устад Сарханг исполняет «Встань и принеси пару бокалов вина (خیزید و یک دو ساغر مینا بیاورید)»
#hindustani#klasik#khyal#thumri#tarana#ghazal#Afghanistan
Мохаммад Хусейн, позже прославившийся как Устад Сараханг, родился в 1924 году в Харабате, самом музыкальном районе Кабула. Его отец, Устад Голам Хуссейн, познакомил мальчика с индийской классической музыкой, после чего Мохаммад отправился в Британскую Индию и продолжил учёбу под руководством Устада Ашика Али Хана.
После 16 лет обучения Мохаммад вернулся в Кабул. В 1949 году в возрасте 25 лет он получил титул «мастер» или «устад (استاد)» за своё выступление на музыкальном фестивале в кинотеатре «Памир», а позднее афганское правительство присвоило ему титул «композитор» или «сараханг (سرآهنگ)».
В Афганистане Устад Сараханг посвятил себя преподаванию музыки. Среди его учеников — Хаджи Хоршад, Шариф Газаль, Наим Назари. Кроме того, Сараханг написал несколько статей для газеты «Пуштунский голос (پښتون غږ)» и две книги, «Закон о музыке (قانون طرب)» и «Музыка раги (موسیقی راگ ها)». Сараханг выступал в различных жанрах, включая кхаял, тумри и тарану. В его репертуаре можно было услышать газели на слова Амира Хусрова и Абд аль-Кадир Бедиля, а в Кабульских чайханах он проводил время за обсуждением поэзии в компании своего друга, мистика и знатока поэзии Канди Ага.
Устад приобрел международную популярность после выступлений в СССР, Пакистане и Индии. Во время его последнего визита в музыкальную школу Аллахабада в Индии, женщины склонили головы, образовав дорогу из своих волос — таким образом они хотели продемонстрировать своё уважение к Устаду.
Во время последней поездки в Индию в 1982 году Сараханг перенёс сердечный приступ. Несмотря на то, что врачи советовали ему воздержаться от пения, он не перестал выступать. В 1983 году с ним случился ещё один инфаркт, после чего он скоропостижно скончался, оставив после себя богатое музыкальное наследие.
В 2021 году Хамид Хами выпустил биографию Сараханга «Душа Харабата (جان خرابات)».