用于生成代码的Java代码/库（用于漂亮的URL）

Question

诸如Rails和Django之类的Web框架内置了对“子弹”的支持，“子弹”用于生成可读且对SEO友好的URL：

• Rails中的子弹

团状串典型地只包含的字符a-z，0-9并-且可因此在不URL转义（认为“富％20巴”）编写的。

我在寻找一个Java蛞蝓函数给出任何有效的Unicode字符串将返回蛞蝓表示（a-z，0-9和-）。

一个普通的子弹函数可能类似于：

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

但是，此实现无法处理国际化和重音符号（ë> e）。解决此问题的一种方法是枚举所有特殊情况，但这并不是很好。我在寻找一些经过深思熟虑的方法。

我的问题：

• 在Java中生成Django / Rails类型子弹的最通用/实用方法是什么？

Answer 1

使用规范分解规范化您的字符串：

  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);
  }

但是，这仍然是一个相当幼稚的过程。对于s-sharp（德语中使用的ß）或任何非基于拉丁语的字母（希腊语，西里尔字母，CJK等），它都不会做任何事情。

更改字符串大小写时请多加注意。 大写和小写形式取决于字母。在土耳其语中，U + 0069（ i ）的大写字母是U + 0130（ İ），而不是U + 0049（ I），因此，如果String.toLowerCase()在土耳其语区域设置下使用，则可能会在字符串中引入非latin1字符。