用于生成 slug 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，这些“slugs”用于生成可读且对 SEO 友好的 URL:

• Slugs in Rails
• Slugs in Django

一个 slug 字符串通常只包含字符 a-z、0-9 和 -，因此可以在没有 URL 转义的情况下编写 (想想“foo%20bar”)。

我正在寻找一个 Java slug 函数，它给定任何有效的 Unicode 字符串将返回一个 slug 表示(a-z、0-9 和 -)。

一个微不足道的 slug 函数应该是这样的:

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

但是，此实现不会处理国际化和重音符号 (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。我正在寻找更深思熟虑和通用的东西。

我的问题:

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

Answer 1

Normalize您的字符串使用规范分解:

  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);
  }

不过，这仍然是一个相当幼稚的过程。它不会对升 s-sharp(ß - 用于德语)或任何非拉丁字母(希腊语、西里尔文、CJK 等)做任何事情。

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表。在土耳其语中，U+0069 (i) 的大写是 U+0130 (İ)，而不是 U+0049 (I) 所以你如果您在土耳其语言环境下使用 String.toLowerCase()，则可能会在字符串中引入非 latin1 字符。