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
Der Internationale Tag der Widerstandsbewegung wird jährlich am 10. April begangen und erinnert an alle, die während des Zweiten Weltkriegs gegen den Nationalsozialismus kämpften.
Anlässlich dieses Tages findet eine Führung durch die Ausstellung „Wenig bekannte Seiten des Widerstands“ von Kurator Dr. Christian Hufen statt.
🕯️Die Ausstellung widmet sich den Menschen russischer Herkunft, die in Deutschland lebten und Widerstand gegen die Nationalsozialisten leisteten.
Vorgestellt werden einige wenige Persönlichkeiten, weil bisher nur wenige Quellen erforscht wurden.
Sie stehen jedoch stellvertretend für eine weit größere, bis heute wenig bekannten Zahl mutiger Taten, Entscheidungen und Überzeugungen, oft mit tragischen und lebensverändernden Folgen.
Die Führung findet in deutscher Sprache statt.
🗓️ 10. April
🕖 16:00
📲Anmeldung hier
#russischeshaus#widerstand
Der Internationale Tag der Widerstandsbewegung wird jährlich am 10. April begangen und erinnert an alle, die während des Zweiten Weltkriegs gegen den Nationalsozialismus kämpften.
Anlässlich dieses Tages findet eine Führung durch die Ausstellung „Wenig bekannte Seiten des Widerstands“ von Kurator Dr. Christian Hufen statt.
🕯️Die Ausstellung widmet sich den Menschen russischer Herkunft, die in Deutschland lebten und Widerstand gegen die Nationalsozialisten leisteten.
Vorgestellt werden einige wenige Persönlichkeiten, weil bisher nur wenige Quellen erforscht wurden.
Sie stehen jedoch stellvertretend für eine weit größere, bis heute wenig bekannten Zahl mutiger Taten, Entscheidungen und Überzeugungen, oft mit tragischen und lebensverändernden Folgen.
Die Führung findet in deutscher Sprache statt.
🗓️ 10. April
🕖 16:00
📲Anmeldung hier
#russischeshaus#widerstand
Im Rahmen der nächsten Treffens des Sprachklubswerden die Teilnehmer die neue Ausstellung "Wenig bekannte Seiten des Widerstands" besuchen.📜
🖇️ Russischer Widerstand bleibt bis heute ein wenig erforschtes Kapitel der Geschichte und bietet die Möglichkeit, neue und teilweise vergessene Seiten der Vergangenheit zu entdecken. Das Treffen ermöglicht einen Einblick in das Leben von Alexander Schmorell, dem bekanntesten Helden, sowie in die Schicksale weniger bekannter Menschen, deren Taten nicht minder bedeutend sind.🕊️
☝🏻Das Thema ist besonders interessant für alle, die Russisch lernen, da es sprachliche, kulturelle und historische Perspektiven miteinander verbindet.
Seid am 26. November um 19:00 Uhr dabei!❤️
📲Anmeldung ist erforderlich.
#sprachklub#russisch#russischlernen#sprache#widerstand#ausstellung
Im Rahmen der nächsten Treffens des Sprachklubswerden die Teilnehmer die neue Ausstellung "Wenig bekannte Seiten des Widerstands" besuchen.📜
🖇️ Russischer Widerstand bleibt bis heute ein wenig erforschtes Kapitel der Geschichte und bietet die Möglichkeit, neue und teilweise vergessene Seiten der Vergangenheit zu entdecken. Das Treffen ermöglicht einen Einblick in das Leben von Alexander Schmorell, dem bekanntesten Helden, sowie in die Schicksale weniger bekannter Menschen, deren Taten nicht minder bedeutend sind.🕊️
☝🏻Das Thema ist besonders interessant für alle, die Russisch lernen, da es sprachliche, kulturelle und historische Perspektiven miteinander verbindet.
Seid am 26. November um 19:00 Uhr dabei!❤️
📲Anmeldung ist erforderlich.
#sprachklub#russisch#russischlernen#sprache#widerstand#ausstellung