code Java / bibliothèque pour générer des limaces (pour une utilisation dans les URL jolies)

Question

frameworks Web tels que Rails et Django a un support intégré pour les « limaces » qui sont utilisés pour générer des URL lisibles et SEO friendly:

• Limaces dans Rails
• Limaces dans Django

Une chaîne de limaces contient généralement que des caractères a-z, 0-9 et - et peut donc être écrit sans-escaping URL (pensez "foo% 20bar").

Je suis à la recherche d'une fonction de limace Java qui donne une chaîne Unicode valide retourne une représentation de limace (a-z, 0-9 et -).

Une fonction de limace trivial serait quelque chose le long des lignes de:

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

Cependant, cette mise en œuvre ne traiterait pas l'internationalisation et des accents (ë> e). Une façon de contourner ce serait d'énumérer tous les cas particuliers, mais ce ne serait pas très élégant. Je cherche quelque chose de plus bien pensé et général.

Ma question:

• Quelle est la manière la plus générale / pratique pour générer des limaces de type Django / Rails en Java?

Answer 1

Normaliser votre chaîne en utilisant la décomposition canonique:

  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);
  }

Ceci est encore un processus assez naïf, cependant. Il ne va rien faire pour s-forte (ß - utilisé en allemand)., Ou tout alphabet à base de caractères non latins (grec, cyrillique, CJC, etc)

Soyez prudent lorsque vous modifiez le cas d'une chaîne. formes minuscules et majuscules dépendent alphabets. En Turquie, la capitalisation de U + 0069 ( i ) est U + 0130 ( I ) et U + 0049 ( I ) et vous risque d'introduire un caractère non-latin1 de nouveau dans votre chaîne si vous utilisez String.toLowerCase() une locale turque.

Answer 2

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

Et voici le dépôt GitHub pour jeter un oeil sur le code et son utilisation:

https://github.com/slugify/slugify

Answer 3

J'ai étendu la réponse par @McDowell pour inclure échapper à la ponctuation comme des traits d'union et de supprimer les doublons et de premier plan / arrière des traits d'union.

  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 4

La proposition de McDowel fonctionne presque, mais dans des cas comme celui-ci Hello World !! retourne hello-world-- (notez le -- à la fin de la chaîne) au lieu de hello-world.

Une version fixe pourrait être:

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);
}

Answer 5

Bibliothèque de référence, pour les autres langues: http://www.codecodex.com/wiki/Generate_a_url_slug