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

Question

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

• Slugs in Rails
• Slugs in 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% 20ba r ").

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). Un moyen de contourner cela serait d'énumérer tous les cas spéciaux, mais cela ne serait pas très élégant. Je cherche quelque chose de plus réfléchi et général.

Ma question:

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

Answer 1

Normalize 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 dièse (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. Les formes majuscules et minuscules dépendent des alphabets. En Turquie, la capitalisation de U + 0069 (i) est U + 0130 (İ) et U + 0049 (I) de sorte que vous risquez de l'introduction d'un caractère non-latin1 de nouveau dans votre chaîne si vous utilisez String.toLowerCase() dans un lieu turc.

Answer 2

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

Answer 3

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 4

J'ai étendu la réponse par @McDowell pour inclure la ponctuation d'échappement comme des traits d'union et pour supprimer les traits d'union dupliqués et avant/arrière.

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

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(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); 
}