用于生成 slug 的 Java 代码/库（用于漂亮的 URL）答案

【问题标题】：Java code/library for generating slugs (for use in pretty URLs)用于生成 slug 的 Java 代码/库（用于漂亮的 URL）
【发布时间】：2010-12-12 01:08:12
【问题描述】：

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：

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 字符串都会返回一个 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更通用的东西。

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？

【问题讨论】：

标签： java regex seo url-rewriting slug

【解决方案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。

【讨论】：

看起来很有希望，但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？
奇怪 - 当我通过方法输入字符串"f\u00F3\u00F2b\u00e2r" 时，我得到"foobar"。您可能在源文件或数据文件中出现编码错误；见illegalargumentexception.blogspot.com/2009/05/…
McDowell：你说的完全正确——这是一个编码错误。感谢您的出色回答！

【解决方案2】：

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

这里是 GitHub 存储库，可以查看代码及其用法：

https://github.com/slugify/slugify

【讨论】：

迄今为止最好的可扩展解决方案。

【解决方案3】：

我已经扩展了@McDowell 的答案，包括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("^-|-$","");
  }

【讨论】：

【解决方案4】：

McDowel 的命题几乎可以工作，但在 Hello World !! 这样的情况下，它返回 hello-world--（注意字符串末尾的 --）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);
}

【讨论】：