Chuỗi sên bằng Python

Tôi đang tìm kiếm cách tốt nhất để "slugify" chuỗi "slug" là gì và giải pháp hiện tại của tôi dựa trên công thức này

Tôi đã thay đổi nó một chút thành:

s = 'String to slugify'

slug = unicodedata.normalize('NFKD', s)
slug = slug.encode('ascii', 'ignore').lower()
slug = re.sub(r'[^a-z0-9]+', '-', slug).strip('-')
slug = re.sub(r'[-]+', '-', slug)

Có ai thấy bất kỳ vấn đề nào với mã này không? Nó đang hoạt động tốt, nhưng có thể tôi đang thiếu một cái gì đó hoặc bạn biết một cách tốt hơn?

Có một gói python được đặt tên python-slugify, thực hiện khá tốt công việc xử lý nước thải:

pip install python-slugify

Hoạt động như thế này:

from slugify import slugify

txt = "This is a test ---"
r = slugify(txt)
self.assertEquals(r, "this-is-a-test")

txt = "This -- is a ## test ---"
r = slugify(txt)
self.assertEquals(r, "this-is-a-test")

txt = 'C\'est déjà l\'été.'
r = slugify(txt)
self.assertEquals(r, "cest-deja-lete")

txt = 'Nín hǎo. Wǒ shì zhōng guó rén'
r = slugify(txt)
self.assertEquals(r, "nin-hao-wo-shi-zhong-guo-ren")

txt = 'Компьютер'
r = slugify(txt)
self.assertEquals(r, "kompiuter")

txt = 'jaja---lol-méméméoo--a'
r = slugify(txt)
self.assertEquals(r, "jaja-lol-mememeoo-a")

Xem thêm các ví dụ

Gói này làm được nhiều hơn một chút so với những gì bạn đã đăng (hãy xem nguồn, nó chỉ là một tệp). Dự án vẫn đang hoạt động (được cập nhật 2 ngày trước khi tôi trả lời ban đầu, hơn bảy năm sau (kiểm tra lần cuối 2020-06-30), nó vẫn được cập nhật).

cẩn thận : Có một gói thứ hai xung quanh, được đặt tên slugify. Nếu bạn có cả hai, bạn có thể gặp sự cố, vì chúng có cùng tên để nhập. Cái vừa được đặt tên slugifykhông làm được tất cả những gì tôi đã kiểm tra nhanh: "Ich heiße"trở thành "ich-heie"(nên là "ich-heisse"), vì vậy hãy đảm bảo chọn đúng, khi sử dụng piphoặc easy_install.

Cài đặt biểu mẫu unidecode từ đây để được hỗ trợ unicode

pip cài đặt mã unidecode

# -*- coding: utf-8 -*-
import re
import unidecode

def slugify(text):
    text = unidecode.unidecode(text).lower()
    return re.sub(r'[\W_]+', '-', text)

text = u"My custom хелло ворлд"
print slugify(text)

>>> my-custom-khello-vorld

Có gói python có tên awesome-slugify :

pip install awesome-slugify

Hoạt động như thế này:

from slugify import slugify

slugify('one kožušček')  # one-kozuscek

trang github tuyệt vời-slugify

Nó hoạt động tốt trong Django , vì vậy tôi không hiểu tại sao nó không phải là một chức năng slugify mục đích chung tốt.

Bạn có gặp vấn đề gì với nó không?

Vấn đề là với dòng chuẩn hóa ascii:

slug = unicodedata.normalize('NFKD', s)

Nó được gọi là chuẩn hóa unicode không phân hủy nhiều ký tự thành ascii. Ví dụ: nó sẽ tách các ký tự không phải ascii khỏi các chuỗi sau:

Mørdag -> mrdag
Æther -> ther

Một cách tốt hơn để làm điều đó là sử dụng mô-đun unidecode cố gắng chuyển các chuỗi thành ascii. Vì vậy, nếu bạn thay thế dòng trên bằng:

import unidecode
slug = unidecode.unidecode(s)

Bạn sẽ nhận được kết quả tốt hơn cho các chuỗi trên và cho nhiều ký tự Hy Lạp và Nga:

Mørdag -> mordag
Æther -> aether

def slugify(value):
    """
    Converts to lowercase, removes non-word characters (alphanumerics and
    underscores) and converts spaces to hyphens. Also strips leading and
    trailing whitespace.
    """
    value = unicodedata.normalize('NFKD', value).encode('ascii', 'ignore').decode('ascii')
    value = re.sub('[^\w\s-]', '', value).strip().lower()
    return mark_safe(re.sub('[-\s]+', '-', value))
slugify = allow_lazy(slugify, six.text_type)

Đây là hàm slugify có trong django.utils.text. Điều này sẽ đáp ứng đủ yêu cầu của bạn.

Unidecode là tốt; tuy nhiên, hãy cẩn thận: unidecode là GPL. Nếu giấy phép này không phù hợp thì hãy sử dụng giấy phép này

Một số tùy chọn trên GitHub:

1. https://github.com/dimka665/awesome-slugify
2. https://github.com/un33k/python-slugify
3. https://github.com/mozilla/unicode-slugify

Mỗi loại hỗ trợ các thông số hơi khác nhau cho API của nó, vì vậy bạn sẽ cần xem qua để tìm ra những gì bạn thích.

Đặc biệt, hãy chú ý đến các tùy chọn khác nhau mà họ cung cấp để xử lý các ký tự không phải ASCII. Pydanny đã viết một bài đăng blog rất hữu ích minh họa một số khác biệt về xử lý unicode trong các thư viện slugify'ing này: http://www.pydanny.com/awesome-slugify-human-readable-url-slugs-from-any-string.html Bài đăng trên blog này hơi lỗi thời vì Mozilla unicode-slugifykhông còn dành riêng cho Django nữa.

Cũng lưu ý rằng hiện tại awesome-slugifylà GPLv3, mặc dù có một vấn đề mở mà tác giả nói rằng họ muốn phát hành dưới dạng MIT / BSD, chỉ là không chắc chắn về tính hợp pháp: https://github.com/dimka665/awesome-slugify/issues/ 24

Bạn có thể cân nhắc thay đổi dòng cuối cùng thành

slug=re.sub(r'--+',r'-',slug)

vì mẫu [-]+không khác gì -+và bạn không thực sự quan tâm đến việc chỉ khớp một dấu gạch nối, chỉ hai hoặc nhiều hơn.

Nhưng, tất nhiên, điều này là khá nhỏ.

Một lựa chọn khác là boltons.strutils.slugify. Boltons cũng có một số chức năng hữu ích khác và được phân phối theo BSDgiấy phép.