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
#ya
Вышел альманах «Звездная пыль в будущем», где я поработала с другим замечательным иллюстратором Софией Коловской (one day one sketch вконтакте и sofia.kolovskaya в инстаграме). Там, где мужчина похож на митька, это наш разворот.
Альманахи «Звездная пыль» — это, с одной стороны, ностальгия по толстым детским журналам, с другой — современные и актуальные форматы, темы, авторы и, конечно, иллюстраторы.
Вот сайт издательства: https://kitread.ru/future (у ребят еще есть бесплатная научно-популярная рассылка «Пятничный кит», можно там же по ссылке подписаться).
#Israele
La maggioranza di governo è stata sconfitta nel voto decisivo della #Knesset per selezionare il componente politico chiamato a far parte del Comitato per la selezione dei giudici. A causa di dissidi interni alla coalizione, ad essere stata eletta è la parlamentare di #YA|Centro Karine #ElHarrar, votata anche da qualche esponente della maggioranza.
Solo 11 voti, contro i 58 di ElHarrar, per Tali #Gottlieb (#Likud|ECR).
@OsservatorioEsteri
#Israele
Yair #Lapid (#YA|Centro): “Se pensassi che questo sia un governo di unità nazionale mi unirei, non è troppo tardi per formare il governo giusto. Non ci uniremo perché qui è stata eretta una struttura che non farà altro che aumentare il caos. #Gantz ed #Eisenkot potranno solo dare consigli. #BenGvir rimane ancora a capo del Monte del Tempio e #Smotrich di Hvara.
Chiunque abbia causato il fallimento non sarà in grado di risolverlo, i cittadini israeliani possono chiedere di fare la cosa giusta per una volta e sappiamo tutti di cosa si tratta: un governo senza estremisti con un gabinetto piccolo ed efficiente.”
@OsservatorioEsteri
Абиблиофобия — это боязнь, что будет нечего почитать (поэтому с собой в поездку нужно брать несколько книг, киндл и зарядку для киндла).
#артдиректоргордится и #артдиректорнегордится — про обложки, оформление и полиграфию
#дорогаяредакция — про редактуру, переводы и книжный рынок
#рекурсия — книги (и не только) о книгах и литературе
#pulpnonfiction — нон-фикшн (от мемуаров до научпопа)
#многогитик — нон-фикшн, который ближе к учебной или научной литературе
#imagine — художественная литература
#puzzle — детективы и книги-квесты
#doc — книги с примесью документального
#originals — для книг прочитанных в оригинале и, как правило, еще не переведенных на русский язык
#ya — young adult и книги для семейного чтения
#readymade — цитаты и кейсы из книг, а также «странные сближенья»
#takeaways — главные идеи книги / лекции / статьи
#менетекел — диаграммы и прочие измерения (их еще можно смотреть в инстаграме @abiblios)
#реферанс — ссылки на чужое