Código/biblioteca Java para generar slugs (para usar en URLs bonitas)
Los marcos web como Rails y Django tienen soporte incorporado para "slugs" que se utilizan para generar URL legibles y amigables con el SEO:
Una cadena de slug normalmente contiene solo los caracteres a-z, 0-9 y - y por lo tanto se puede escribir sin escape de URL (piense en "foo%20bar").
Estoy buscando una función slug Java que, dada cualquier cadena Unicode válida, devolverá un slug representación (a-z, 0-9 y -).
Una función de slug trivial sería algo así como:
return input.toLowerCase().replaceAll("[^a-z0-9-]", "");
Sin embargo, esta implementación no manejaría la internacionalización y los acentos (ë > e). Una forma de evitar esto sería enumerar todos los casos especiales, pero eso no sería muy elegante. Estoy buscando algo más bien pensado y general.
Mi pregunta:
- Cuál es la forma más general/práctica de generar ¿Django / Rails escribe slugs en Java?
5 answers
Normaliza tu cadena usando descomposición canónica:
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);
}
Este es todavía un proceso bastante ingenuo, sin embargo. No va a hacer nada para s-sharp (ß - utilizado en alemán), o cualquier alfabeto no basado en latín (griego, Cirílico, CJK, etc.).
tenga cuidado al cambiar el caso de una cadena. Las formas mayúsculas y minúsculas dependen de alfabetos. En turco, la capitalización de U+0069 (i) es U+0130 (I), no U+0049 (I), por lo que corra el riesgo de introducir un carácter no latin1 de nuevo en su cadena si utiliza String.toLowerCase() bajo una configuración regional turca.
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/ajaxhispano.com/template/agent.layouts/content.php on line 61
2009-11-01 14:38:07
Http://search.maven.org/#search/ga/1/slugify
Y aquí está el repositorio GitHub para echar un vistazo al código y su uso:
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/ajaxhispano.com/template/agent.layouts/content.php on line 61
2012-07-17 17:42:32
Biblioteca de referencia, para otros idiomas: http://www.codecodex.com/wiki/Generate_a_url_slug
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/ajaxhispano.com/template/agent.layouts/content.php on line 61
2012-07-02 00:08:46
He ampliado la respuesta de @McDowell para incluir la puntuación de escape como guiones y para eliminar guiones duplicados e iniciales/finales.
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("^-|-$","");
}
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/ajaxhispano.com/template/agent.layouts/content.php on line 61
2015-11-20 16:21:11
La proposición de McDowel casi funciona, pero en casos como este Hello World !! devuelve hello-world-- (note el -- al final de la cadena) en lugar de hello-world.
Una versión fija podría ser:
private static final Pattern NONLATIN = Pattern.compile("[^\\w-]");
private static final Pattern WHITESPACE = Pattern.compile("[\\s]");
private static final Pattern EDGESDHASHES = Pattern.compile("(^-|-$)");
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);
}
Warning: date(): Invalid date.timezone value 'Europe/Kyiv', we selected the timezone 'UTC' for now. in /var/www/agent_stack/data/www/ajaxhispano.com/template/agent.layouts/content.php on line 61
2018-07-25 13:42:49