用于生成漂亮URL的Java代码/库的“slug”生成器

Question

像Rails和Django这样的Web框架内置了对“slug”的支持，用于生成可读性高且友好的SEO URL：

• Rails中的slug
• Django中的slug

一个slug字符串通常仅包含字符a-z、0-9和-，因此可以在不需要URL转义（think "foo%20bar"）的情况下编写。

我正在寻找一种Java slug函数，它能够接受任何有效的Unicode字符串并返回一个slug表示形式（a-z、0-9和-）。

一个简单的slug函数可能是这样的：

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

然而，这种实现方式无法处理国际化和重音符号（ë会被转换成e）。解决这个问题的一种方法是列举所有特殊情况，但那并不太优雅。我正在寻求更加周全和通用的方法。

我的问题是：

• 在Java中生成类似于Django/Rails的slug，什么是最常见/实用的方法？

- knorv

Answer 1

使用规范分解来规范化您的字符串：

  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);
  }

这仍然是一个相当朴素的过程。它不会对带有s-sharp（ß - 用于德语）或任何非拉丁字母表（希腊、西里尔、CJK等）的文字起作用。

在更改字符串大小写时要小心。大小写形式取决于字母表。在土耳其语中，U+0069 (i) 的大写形式是 U+0130 (İ)，而不是 U+0049 (I)，因此，如果您在土耳其语环境下使用 String.toLowerCase()，就有可能将非 Latin1 字符引入到字符串中。

- McDowell

---

看起来很有前途，但是规范化似乎不起作用：“fóòbâr”被翻译成“fbr”，而不是预期的“foobar”。你知道为什么吗？ - knorv

奇怪的是，当我将字符串“f\u00F3\u00F2b\u00e2r”传递给该方法时，我得到了“foobar”。也许您在源代码或数据文件中出现了编码错误，请参阅http://illegalargumentexception.blogspot.com/2009/05/java-rough-guide-to-character-encoding.html。 - McDowell

麦克道尔：你说得完全正确——这是一个编码错误。感谢你提供的出色答案！ - knorv

Answer 2

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

这里提供了一个链接，可以查看slugify的相关内容。

而以下是GitHub存储库，可以查看代码及其用法：

https://github.com/slugify/slugify

- dtrunk

---

到目前为止，这是最好的且可扩展的解决方案。 - Ankur

Answer 3

麦克道尔的建议几乎可行，但在像这样的情况下Hello World !!，它返回hello-world--（注意字符串末尾的--），而不是hello-world。

修正版可以是：

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);
}

- Mariano Ruiz

Answer 4

我扩展了@McDowell的答案，将标点符号转义为连字符，并删除重复和前导/尾随连字符。

  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("^-|-$","");
  }

- Mike Godin