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
The Titanic Memorial in Washington, D.C., honors the men who gave up lifeboats for women and children during the 1912 sinking. Of the 531 women and children on board, 70% were rescued, compared to only 20% of the men. Women led the fundraising and design efforts. The memorial was unveiled in 1931 and moved in 1968 to its current location near Fort McNair.
⚓️🕊
[Read more]
@googlefactss
#TitanicMemorial#History#WashingtonDC#RememberingHeroes
⚖️🇺🇸DOJ TARGETS 4 MAJOR LAW FIRMS
🔹 Trump admin asks appeals court to restore sanctions on Perkins Coie & others for hiring anti-Trump staff 🚫
🔹 Firms targeted for employing lawyers who worked on Mueller probe & having DEI programs 🏳️🌈
🔹 Sanctions include: No security clearances, banned from federal buildings, contract blacklists ⛔
🔹 DOJ argues president has "absolute right" to decide who gets clearance, ignoring lower courts 👨⚖️
🔹 One firm (Paul Weiss) already pledged $40M in "pro bono" work to escape the wrath 💸
Legal community is shaking. Crossing Trump = losing federal contracts? The message is clear. 😬
#Trump#DOJ#Law#Politics#LegalNews#WashingtonDC
ℹ Did you know that USA, EU and its Member States, China, Russia, India, Republic of Korea, Japan, and the Gulf States have something significant in common?
They all use the C5+1 format (Central Asia's five nations + one partner) to deepen engagement with the region! This diplomatic platform is vital for Central Asia's growing geopolitical importance and its commitment to diverse partnerships.
This multi-vector strategy ensures that Central Asian countries (Kazakhstan, Kyrgyzstan, Tajikistan, Turkmenistan, and Uzbekistan) maintain productive dialogues across the globe.
The nearest high-level summit in this format is the C5+1 Presidential Summit, set to take place in Washington, D.C., on November 6, 2025.
This gathering marks the 10th anniversary of the platform!
#CentralAsia#C5Plus1#Geopolitics#Diplomacy#ForeignPolicy#WashingtonDC#InternationalRelations
LinkedIn | Instagram | X (Twitter) | Facebook | YouTube
Уже в третий раз в этом году делегаты RADR участвуют в адвокации в Конгрессе США совместно с партнерами из украинской диаспоры Америки - в этот раз, как и ранее в марте этого года, с Ukrainian Congress Committee of America и Ukrainian National Information Service (UNIS). Фокус тот же - сделать все возможное чтобы приблизить победу Украины и поражение путинской диктатуры. Сегодня первый день двухдневной адвокации.
- - - - - - - - - -
For the third time this year, RADR delegates are participating in advocacy in the US Congress together with partners from the Ukrainian diaspora in the US - this time, like in last March, Ukrainian Congress Committee of America и Ukrainian National Information Service (UNIS). The focus is the same - to do everything possible to bring the victory of Ukraine and the defeat of Putin's dictatorship closer. Today is the first day of a two-day advocacy.
#ukrdays2023#supportukraine#standwithukriane#Washington#washingtondc#Congress