将标题转换为 URL 友好的虚线字符串 [关闭]答案

【问题标题】：Transform title into dashed URL-friendly string [closed]将标题转换为 URL 友好的虚线字符串 [关闭]
【发布时间】：2011-01-10 19:49:56
【问题描述】：

我想编写一个 C# 方法，将任何标题转换为 URL 友好字符串，类似于 Stack Overflow 所做的：

用破折号替换空格
去掉括号
等

我正在考虑根据 RFC 3986 标准（来自 Wikipedia）删除保留字符，但我不知道这是否足够？它会使链接可用，但有谁知道在stackoverflow这里替换了哪些其他字符？我不想在我的网址中以 %-s 结尾...

当前实现

string result = Regex.Replace(value.Trim(), @"[!*'""`();:@&+=$,/\\?%#\[\]<>«»{}_]");
return Regex.Replace(result.Trim(), @"[\s*[\-–—\s]\s*]", "-");

我的问题

我应该删除哪些字符？
我应该限制结果字符串的最大长度吗？
有人知道 SO 上的标题适用哪些规则吗？

【问题讨论】：

如果您可以发布单独的问题而不是将您的问题合并为一个问题，则最好。这样，它可以帮助回答您的问题的人以及其他寻找您的至少一个问题的人。

标签： c# replace

【解决方案1】：

大多数“sluggifiers”（转换为友好 url 类型名称的方法）倾向于执行以下操作：

去除除空格、破折号、下划线和字母数字以外的所有内容。
（可选）删除“常用词”（the、a、an、of 等）。
用破折号替换空格和下划线。
（可选）转换为小写。

据我所知，StackOverflow 的 sluggifier 执行 #1、#3 和 #4，但不是 #2。

【讨论】：

所以我的替换是相同的：1、3 和 4。我只需要在第一个 reg ex 模式中添加下划线。

【解决方案2】：

我会做的：

string url = title;
url = Regex.Replace(url, @"^\W+|\W+$", "");
url = Regex.Replace(url, @"'\"", "");
url = Regex.Replace(url, @"_", "-");
url = Regex.Replace(url, @"\W+", "-");

基本上这是在做什么：

去除标题开头和结尾的非单词字符；
去掉单引号和双引号（主要是去掉单词中间的撇号）；
用连字符替换下划线（下划线在技术上是一个单词字符以及数字和字母）；和
用一个连字符替换所有非单词字符组。

【讨论】：

我想知道为什么这没有得到更多的选票？非常简单易懂且解释清楚。我还想知道 String.Replace 对于步骤 2 和 3 是否会更快，它们是文字字符替换，但实际上并不存在。我也对 ^\W 非单词字符如何使用 unicode 和非拉丁语言感兴趣？如果它处理那些稍微好一点，我会说这是最好的答案。最后的建议 - 我确实喜欢之前用 'and' 替换 '&' 的建议。
哦 - 最后一件事，我认为在第三行（第二个 .Replace）中，@"'\"" 实际上应该是 @"'"""

【解决方案3】：

而不是寻找要替换的东西，unreserved chars is so short 的列表，它将成为一个很好的清晰正则表达式。

return Regex.Replace(value, @"[^A-Za-z0-9_\.~]+", "-");

（请注意，我没有在允许的字符列表中包含破折号；所以它被“1 个或多个”运算符 [+] 吞噬，因此多个破折号（在原始的或生成的或根据多米尼克·罗杰（Dominic Rodger）的出色观点，组合）崩溃了。）

您可能还想删除常用词（“the”、“an”、“a”等），尽管这样做会稍微改变句子的含义。可能还想删除任何尾随的破折号和句点。

还强烈建议您做 SO 和其他人所做的事情，并包含一个唯一标识符other，而不是标题，然后在处理 URL 时只使用该唯一 ID。所以http://example.com/articles/1234567/is-the-pop-catholic（注意缺少的'e'）和http://example.com/articles/1234567/is-the-pope-catholic解析到同一个资源。

【讨论】：

然而，白名单方法确实会阻止 Unicode 字符（在 IRI 中）通过。
@Bobince：没错。我还必须提供我们的语言相关字符（来自东欧字符集）
@Robert：IRI (RFC3987; ietf.org/rfc/rfc3987.txt) 改变了游戏规则。如果它很重要，您可能想在问题中提及它。将支持的 IRI 值添加到白名单似乎并不难。对于强相似性，您可能需要对其进行预过滤。
@TJCrowder：不应该。（点）在你的正则表达式模式中被转义？
@Robert：我不认为这样，但坦率地说，我不确定并且必须检查。这样做是无害的，我已经相应地编辑了答案。点（此处的任何字符）的通常含义在字符类构造中没有任何意义。您必须转义 `（显然）、-（因为它在构造中创建一个范围）和 ]（关闭它），但我不认为你有逃避大多数其他人。

【解决方案4】：

这个怎么样：

string FriendlyURLTitle(string pTitle)
{
    pTitle = pTitle.Replace(" ", "-");
    pTitle = HttpUtility.UrlEncode(pTitle);
    return Regex.Replace(pTitle, "\%[0-9A-Fa-f]{2}", "");
}

【讨论】：

【解决方案5】：

这就是我目前的表达方式。

        public static string Slug(this string value)
    {
        if (value.HasValue())
        {
            var builder = new StringBuilder();
            var slug = value.Trim().ToLowerInvariant();

            foreach (var c in slug)
            {
                switch (c)
                {
                    case ' ':
                        builder.Append("-");
                        break;
                    case '&':
                        builder.Append("and");
                        break;
                    default:

                        if ((c >= '0' && c <= '9') || (c >= 'a' && c <= 'z') && c != '-')
                        {
                            builder.Append(c);
                        }

                        break;
                }
            }

            return builder.ToString();
        }

        return string.Empty;
    }

【讨论】：

对不起，我宁愿使用正则表达式。您的多行代码最多可以很容易地被两个正则表达式替换。
是的，但是当正则表达式非常复杂且难以理解时，您会付出什么代价。我宁愿拥有可维护性，而不是 2 个神秘的正则表达式 :)

【解决方案6】：

我用这个...

    public static string ToUrlFriendlyString(this string value)
    {
        value = (value ?? "").Trim().ToLower();

        var url = new StringBuilder();

        foreach (char ch in value)
        {
            switch (ch)
            {
                case ' ':
                    url.Append('-');
                    break;
                default:
                    url.Append(Regex.Replace(ch.ToString(), @"[^A-Za-z0-9'()\*\\+_~\:\/\?\-\.,;=#\[\]@!$&]", ""));
                    break;
            }
        }

        return url.ToString();
    }

【讨论】：

【解决方案7】：

这对我有用

string output = Uri.UnescapeDataString(input);

【讨论】：