Slugify и Character Transliteration в C#
Я пытаюсь перевести следующий slugify метод от PHP до C#: http://snipplr.com/view/22741/slugify-a-string-in-php/
Править: Ради удобства, здесь код сверху:
/**
* Modifies a string to remove al non ASCII characters and spaces.
*/
static public function slugify($text)
{
// replace non letter or digits by -
$text = preg_replace('~[^\\pL\d]+~u', '-', $text);
// trim
$text = trim($text, '-');
// transliterate
if (function_exists('iconv'))
{
$text = iconv('utf-8', 'us-ascii//TRANSLIT', $text);
}
// lowercase
$text = strtolower($text);
// remove unwanted characters
$text = preg_replace('~[^-\w]+~', '', $text);
if (empty($text))
{
return 'n-a';
}
return $text;
}
Я не получил probleming кодирование остальных кроме, я не могу найти эквивалент C# следующей строки кода PHP:
$text = iconv('utf-8', 'us-ascii//TRANSLIT', $text);
Править: Цель этого состоит в том, чтобы перевести символы неASCII такой как Reformáció Genfi Emlékműve Előtt в reformacio-genfi-emlekmuve-elott
3 ответа
Я также хотел бы добавить, что // транслит удаляет апострофы и что решение @jxac не рассматривается это. Я не уверен, что, но, сначала кодируя его к кириллице, а затем в ASCII вы получаете подобное поведение как // TRUSSILT .
var str = "éåäöíØ";
var noApostrophes = Encoding.ASCII.GetString(Encoding.GetEncoding("Cyrillic").GetBytes(str));
=> "eaaoiO"
преобразование в строку:
byte[] unicodeBytes = Encoding.Unicode.GetBytes(str);
byte[] asciiBytes = Encoding.Convert(Encoding.Unicode, Encoding.ASCII, unicodeBytes);
string asciiString = Encoding.ASCII.GetString(asciiBytes);
Преобразование в байты:
byte[] ascii = Encoding.ASCII.GetBytes(str);
@Thomas Levesque правильно, будет закодирован выходным потоком ...
Чтобы удалить диалитику (Accent Marks), вы можете использовать функцию String.Normalize, как подробно описано здесь:
http: ///www.siao2.com/2007/05/14/2629747.aspx
That следует позаботиться о большинстве случаев (где Glyph действительно является символом плюс акцентной маркировки). Для еще более агрессивного сопоставления CHAR (чтобы позаботиться о случаях, таких как скандинавский , стриптирован o o [Ø], digraphs и другие экзотические глифы), есть подход таблицы:
http: // www. CodeProject.com/kb/cs/unicodenormalization.aspx
This включает в себя около 1000 отображений символов в дополнение к нормализации.
(Примечание, все пунктуация удаляется регелем заменить в вашем примере)
Существует библиотека .NET для транслитерации на codeplex - unidecode . Обычно это трюк с использованием таблиц Unidecode, портированных из python.