kod Java/biblioteki do generowania ślimaki (do zastosowania w ładnych adresów URL)

Question

sieci ram takich jak Rails i Django ma wbudowane wsparcie dla „ślimaki”, które są wykorzystywane do generowania czytelnych i SEO przyjaznych adresów URL:

• Slugs in Rails
• Slugs in Django

ciąg ślimak zazwyczaj zawiera tylko znaki a-z, 0-9 i - i stąd mogą być pisane bez ucieczki URL (myślę „foo% 20ba r ").

Poszukuję funkcji wtyczki Java, która podając dowolny poprawny ciąg znaków Unicode zwróci reprezentację wtyczki (a-z, 0-9 i -).

Trywialny funkcja ślimak byłoby coś wzdłuż linii:

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

Jednak ta realizacja nie będzie obsługiwać umiędzynarodowienie i akcenty (ë>e). Jednym ze sposobów byłoby wyliczenie wszystkich specjalnych przypadków, ale nie byłoby to zbyt eleganckie. Szukam czegoś bardziej przemyślanego i ogólnego.

Moje pytanie:

• Co jest najbardziej ogólnym/praktyczny sposób, aby wygenerować ślimaki typu Django/Rails w Java?

Answer 1

Normalize ciąg przy użyciu rozkładu kanonicznego:

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); 
    } 

To wciąż dość naiwny proces, choć. Nie zrobi nic dla s-sharp (ß - używane w języku niemieckim) ani alfabetu innego niż łaciński (grecki, cyrylica, CJK itp.).

Należy zachować ostrożność przy zmianie obudowy sznurka. Formy wielkie i małe są zależne od alfabetów. Po turecku, kapitalizacja U + 0069 (i) to U + 0130 (İ), nie U + 0049 (I) więc ryzyko wprowadzenia non-latin1 znak z powrotem do napisu jeśli używasz String.toLowerCase() w tureckiej lokalizacji.

Answer 2

biblioteki odniesienia dla innych języków: http://www.codecodex.com/wiki/Generate_a_url_slug

Answer 3

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

A oto repozytorium GitHub spojrzeć na kod i jego wykorzystania:

https://github.com/slugify/slugify

Answer 4

ja już rozszerzyłem odpowiedź @McDowell, dodając myślnik interpunkcyjny jako myślniki i usuwając myślniki dwukierunkowe i początkowe/końcowe.

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

Answer 5

Propozycja McDowel prawie działa, ale w takich przypadkach Hello World !! zwraca hello-world-- (uwaga -- na końcu łańcucha) zamiast hello-world.

Stały wersja może być:

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(text).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); 
}