我们需要从书名生成一个唯一的 URL - 书名可以包含任何字符。我们如何搜索替换所有“无效”字符，从而生成有效且整洁的 URL？
例如：
"The Great Book of PHP"
www.mysite.com/book/12345/the-great-book-of-php
"The Greatest !@#$ Book of PHP"
www.mysite.com/book/12345/the-greatest-book-of-php
"Funny title "
www.mysite.com/book/12345/funny-title
【问题讨论】：
标签： php regex string url-rewriting sanitization
啊，呆滞
// This function expects the input to be UTF-8 encoded.
function slugify($text)
{
// Swap out Non "Letters" with a -
$text = preg_replace('/[^\\pL\d]+/u', '-', $text);
// Trim out extra -'s
$text = trim($text, '-');
// Convert letters that we have left to the closest ASCII representation
$text = iconv('utf-8', 'us-ascii//TRANSLIT', $text);
// Make text lowercase
$text = strtolower($text);
// Strip out anything we haven't been able to convert
$text = preg_replace('/[^-\w]+/', '', $text);
return $text;
}
这很好用，因为它首先使用每个字符的 unicode 属性来确定它是否是一个字母（或 \d 对一个数字） - 然后它将那些不是 -'s - 然后它音译为ascii，对其他任何东西进行另一个替换，然后自行清理。 （Fabrik 的测试返回“arvizturo-tukorfurogep”）
我还倾向于添加停用词列表 - 以便将它们从 slug 中删除。 "the" "of" "or" "a" 等（但不要在长度上这样做，或者你去掉像 "php" 这样的东西）
【讨论】：
$text = utf8_encode($text);。如果没有这种转换，像Mon titre français 这样的字符串会返回空白，而现在它变成了mon-titre-francais。
mb_internal_encoding('UTF-8') 或设置responsible INI values 来强制执行此操作。您的字符串可以与@Mez 的代码一起使用。
$text = utf8_encode($text);，经过几次测试，我得到了很好的结果。
如果“无效”表示非字母数字，您可以这样做：
function foo($str) {
return trim(preg_replace('/[^a-z0-9]+/', '-', strtolower($str)), '-');
}
这会将$str 转换为小写，用一个连字符替换任何一个或多个非字母数字字符序列，然后删除前导和尾随连字符。
var_dump(foo("The Great Book of PHP") === 'the-great-book-of-php');
var_dump(foo("The Greatest !@#$ Book of PHP") === 'the-greatest-book-of-php');
var_dump(foo("Funny title ") === 'funny-title');
【讨论】：
您可以为此目的使用一个简单的正则表达式：
<?php
function safeurl( $v )
{
$v = strtolower( $v );
$v = preg_replace( "/[^a-z0-9]+/", "-", $v );
$v = trim( $v, "-" );
return $v;
}
echo "<br>www.mysite.com/book/12345/" . safeurl( "The Great Book of PHP" );
echo "<br>www.mysite.com/book/12345/" . safeurl( "The Greatest !@#$ Book of PHP" );
echo "<br>www.mysite.com/book/12345/" . safeurl( " Funny title " );
echo "<br>www.mysite.com/book/12345/" . safeurl( "!!Even Funnier title!!" );
?>
【讨论】：
如果您只想允许字母、数字和下划线（通常的单词字符），您可以这样做：
$str = strtolower(preg_replace(array('/\W/','/-+/','/^-|-$/'),array('-','-',''),$str));
它首先用- 替换任何非单词字符(\W)。
接下来，它将任何连续的- 替换为单个-
接下来它会删除任何前导或尾随 -。
【讨论】：
此代码来自CodeIgniter 的网址助手。它应该可以解决问题。
function url_title($str, $separator = 'dash', $lowercase = FALSE)
{
if ($separator == 'dash')
{
$search = '_';
$replace = '-';
}
else
{
$search = '-';
$replace = '_';
}
$trans = array(
'&\#\d+?;' => '',
'&\S+?;' => '',
'\s+' => $replace,
'[^a-z0-9\-\._]' => '',
$replace.'+' => $replace,
$replace.'$' => $replace,
'^'.$replace => $replace,
'\.+$' => ''
);
$str = strip_tags($str);
foreach ($trans as $key => $val)
{
$str = preg_replace("#".$key."#i", $val, $str);
}
if ($lowercase === TRUE)
{
$str = strtolower($str);
}
return trim(stripslashes($str));
}
【讨论】：
用特殊字符替换空格，然后用“-”替换空格。 str_replace?
【讨论】：
使用正则表达式替换删除所有非单词字符。例如：
str_replace('[^a-zA-Z]+', '-', $input)
【讨论】：
<?php
$input = " The Great Book's of PHP ";
$output = trim(preg_replace(array("`'`", "`[^a-z]+`"), array("", "-"), strtolower($input)), "-");
echo $output; // the-great-books-of-php
这会修剪尾随的破折号，并且不会像大多数解决方案那样做 "it's raining" -> "it-s-raining" 之类的事情。
【讨论】：
its-meaning这样含糊不清的词怎么办？