用于生成 slugs 的 Java 代码/库（用于漂亮的 URL）

Question

Rails 和 Django 等 Web 框架内置了对“slugs”的支持，用于生成可读且 SEO 友好的 URL：

• Rails 中的 Slug
• Django 中的 Slug

slug 字符串通常包含仅包含字符 az、0-9 和 -，因此可以在不进行 URL 转义的情况下编写（例如“foo%20bar”）。

我正在寻找一个 Java slug 函数，给定任何有效的 Unicode 字符串将返回 slug 表示形式（az、0-9 和 -） 。

一个简单的 slug 函数类似于：

return input.toLowerCase().replaceAll("[^a-z0-9-]", "");

但是，此实现不会处理国际化和重音 (ë > e)。解决这个问题的一种方法是枚举所有特殊情况，但这不是很优雅。我正在寻找一些经过深思熟虑和通用的东西。

我的问题：

• 在 Java 中生成 Django/Rails 类型段的最通用/实用的方法是什么？

Answer 1

使用规范分解标准化字符串：

  private static final Pattern NONLATIN = Pattern.compile("[^\\w-]");
  private static final Pattern WHITESPACE = Pattern.compile("[\\s]");

  public static String toSlug(String input) {
    String nowhitespace = WHITESPACE.matcher(input).replaceAll("-");
    String normalized = Normalizer.normalize(nowhitespace, Form.NFD);
    String slug = NONLATIN.matcher(normalized).replaceAll("");
    return slug.toLowerCase(Locale.ENGLISH);
  }

但这仍然是一个相当幼稚的过程。它不会对 s 升号（ß - 用于德语）或任何非拉丁字母（希腊语、西里尔语、CJK 等）执行任何操作。

更改字符串的大小写时要小心。大写和小写形式取决于字母。在土耳其语中，U+0069 (i) 的大写是 U+0130 (і)，而不是 U+0049 (I)，因此您如果您在土耳其语言环境下使用 String.toLowerCase()，则存在将非 latin1 字符重新引入字符串的风险。

Answer 2

http://search.maven.org/#search|ga|1|slugify

这是GitHub 存储库查看代码及其用法：

https://github.com/slugify/slugify

Answer 3

McDowel 的提议几乎可行，但在像 Hello World !! 这样的情况下，它返回 hello-world-- （注意 -- 处字符串的末尾）而不是 hello-world。

固定版本可能是：

private static final Pattern NONLATIN = Pattern.compile("[^\\w-]");
private static final Pattern WHITESPACE = Pattern.compile("[\\s]");
private static final Pattern EDGESDHASHES = Pattern.compile("(^-|-$)");

public static String toSlug(String input) {
    String nowhitespace = WHITESPACE.matcher(input).replaceAll("-");
    String normalized = Normalizer.normalize(nowhitespace, Normalizer.Form.NFD);
    String slug = NONLATIN.matcher(normalized).replaceAll("");
    slug = EDGESDHASHES.matcher(slug).replaceAll("");
    return slug.toLowerCase(Locale.ENGLISH);
}

Answer 4

我扩展了@McDowell 的答案，将转义标点符号包含为连字符，并删除重复的和前导/尾随的连字符。

  private static final Pattern NONLATIN = Pattern.compile("[^\\w_-]");  
  private static final Pattern SEPARATORS = Pattern.compile("[\\s\\p{Punct}&&[^-]]");  

  public static String makeSlug(String input) {  
    String noseparators = SEPARATORS.matcher(input).replaceAll("-");
    String normalized = Normalizer.normalize(noseparators, Form.NFD);
    String slug = NONLATIN.matcher(normalized).replaceAll("");
    return slug.toLowerCase(Locale.ENGLISH).replaceAll("-{2,}","-").replaceAll("^-|-$","");
  }