C#中的URL Slugify算法？

Question

因此，我搜索并浏览了So上的slug标签，只找到了两个引人注目的解决方案：

• Slugify and Character Transliteration in C#
• How to convert super- or subscript to normal text in C#

这些只是问题的部分解决方案。我可以自己手动编写代码，但令我惊讶的是，目前还没有一个解决方案。

那么，在C#和/或.NET中是否有一个slugify alrogithm实现可以正确地解决拉丁字符、unicode和各种其他语言问题呢？

Answer 1

http://predicatet.blogspot.com/2009/04/improved-c-slug-generator-or-how-to.html

public static string GenerateSlug(this string phrase) 
{ 
    string str = phrase.RemoveAccent().ToLower(); 
    // invalid chars           
    str = Regex.Replace(str, @"[^a-z0-9\s-]", ""); 
    // convert multiple spaces into one space   
    str = Regex.Replace(str, @"\s+", " ").Trim(); 
    // cut and trim 
    str = str.Substring(0, str.Length <= 45 ? str.Length : 45).Trim();   
    str = Regex.Replace(str, @"\s", "-"); // hyphens   
    return str; 
} 

public static string RemoveAccent(this string txt) 
{ 
    byte[] bytes = System.Text.Encoding.GetEncoding("Cyrillic").GetBytes(txt); 
    return System.Text.Encoding.ASCII.GetString(bytes); 
}

Answer 2

在这里您可以找到一种在c#中生成url插件的方法。此函数删除所有重音符号(Marcel的答案)，替换空格，删除无效字符，从末尾修剪短划线，并替换重复出现的"-“或"_”

代码：

public static string ToUrlSlug(string value){

        //First to lower case
        value = value.ToLowerInvariant();

        //Remove all accents
        var bytes = Encoding.GetEncoding("Cyrillic").GetBytes(value);
        value = Encoding.ASCII.GetString(bytes);

        //Replace spaces
        value = Regex.Replace(value, @"\s", "-", RegexOptions.Compiled);

        //Remove invalid chars
        value = Regex.Replace(value, @"[^a-z0-9\s-_]", "",RegexOptions.Compiled);

        //Trim dashes from end
        value = value.Trim('-', '_');

        //Replace double occurences of - or _
        value = Regex.Replace(value, @"([-_]){2,}", "$1", RegexOptions.Compiled);

        return value ;
    }

Answer 3

这是我的翻译，基于Joan和Marcel的答案。我所做的更改如下：

对于中等速度的improvements.

• More分隔符，
• 使用widely accepted方法删除

正则表达式缓存，并将其标准化为连字符。

代码如下：

public class UrlSlugger
{
    // white space, em-dash, en-dash, underscore
    static readonly Regex WordDelimiters = new Regex(@"[\s—–_]", RegexOptions.Compiled);

    // characters that are not valid
    static readonly Regex InvalidChars = new Regex(@"[^a-z0-9\-]", RegexOptions.Compiled);

    // multiple hyphens
    static readonly Regex MultipleHyphens = new Regex(@"-{2,}", RegexOptions.Compiled);

    public static string ToUrlSlug(string value)
    {
        // convert to lower case
        value = value.ToLowerInvariant();

        // remove diacritics (accents)
        value = RemoveDiacritics(value);

        // ensure all word delimiters are hyphens
        value = WordDelimiters.Replace(value, "-");

        // strip out invalid characters
        value = InvalidChars.Replace(value, "");

        // replace multiple hyphens (-) with a single hyphen
        value = MultipleHyphens.Replace(value, "-");

        // trim hyphens (-) from ends
        return value.Trim('-');
    }

    /// See: http://www.siao2.com/2007/05/14/2629747.aspx
    private static string RemoveDiacritics(string stIn)
    {
        string stFormD = stIn.Normalize(NormalizationForm.FormD);
        StringBuilder sb = new StringBuilder();

        for (int ich = 0; ich < stFormD.Length; ich++)
        {
            UnicodeCategory uc = CharUnicodeInfo.GetUnicodeCategory(stFormD[ich]);
            if (uc != UnicodeCategory.NonSpacingMark)
            {
                sb.Append(stFormD[ich]);
            }
        }

        return (sb.ToString().Normalize(NormalizationForm.FormC));
    }
}

这仍然不能解决非拉丁字符的问题。一种完全替代的解决方案是使用Uri.EscapeDataString来转换字符串的十六进制表示：

string original = "测试公司";

// %E6%B5%8B%E8%AF%95%E5%85%AC%E5%8F%B8
string converted = Uri.EscapeDataString(original);

然后使用数据生成一个超链接：

<a href="http://www.example.com/100/%E6%B5%8B%E8%AF%95%E5%85%AC%E5%8F%B8">
    测试公司
</a>

许多浏览器都会在地址栏中显示中文字符(见下文)，但根据我有限的测试，它并不完全支持。

​

​

注意:为了使Uri.EscapeDataString以这种方式工作，必须启用iriParsing。

编辑

对于那些希望在C#中生成URL Slugs的人，我建议查看以下相关问题：

How does Stack Overflow generate its SEO-friendly URLs?

这是我最终在我的项目中使用的。