C# 中的 Slugify 和字符转写

Posted 2023-02-24

【中文标题】C# 中的 Slugify 和字符转写

【英文标题】：Slugify and Character Transliteration in C#

【发布时间】：2011-01-11 13:01:55

【问题描述】：

我正在尝试将以下 slugify 方法从 php 转换为 C#： http://snipplr.com/view/22741/slugify-a-string-in-php/

编辑：为方便起见，这里是上面的代码：

/**
 * 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;

除了我找不到与以下 PHP 代码行等效的 C# 代码之外，其余部分的编码没有问题：

$text = iconv('utf-8', 'us-ascii//TRANSLIT', $text);

编辑： 这样做的目的是将Reformáció Genfi Emlékműve Előtt等非ASCII字符翻译成reformacio-genfi-emlekmuve-elott

【参考方案1】：

我还想补充一点，//TRANSLIT 删除了撇号，而@jxac 解决方案没有解决这个问题。我不知道为什么，但首先将其编码为 Cyrillic，然后再编码为 ASCII，您会得到与 //TRANSLIT 类似的行为。

var str = "éåäöíØ";
var noApostrophes = Encoding.ASCII.GetString(Encoding.GetEncoding("Cyrillic").GetBytes(str)); 

=> "eaaoiO"

【讨论】：

非常感谢这个解决方案！对于无法处理这些字符的旧大型机系统，我一直在寻找一种方法来用 ASCII 等效字符替换非 US-ASCII 字符。

这只是去除了重音，并没有进行实际的音译。它会在此过程中丢失所有非重音字母。

我不确定您所说的实际音译是什么意思，但它肯定不会删除非重音字母。 Reformáció Genfi Emlékműve Előtt => Reformacio Genfi Emlekmuve Elott

"Привет" 但是变成了一个空字符串。这就是我所说的，它会丢弃非重音非拉丁字母。在您的示例中，它仅删除了重音符号，其余字母已经是拉丁语，因此不会发生音译。

【参考方案2】：

codeplex 上有一个用于音译的 .NET 库 - unidecode。它通常使用从 python 移植的 Unidecode 表来解决问题。

【参考方案3】：

转换成字符串：

byte[] unicodeBytes = Encoding.Unicode.GetBytes(str);
byte[] asciiBytes = Encoding.Convert(Encoding.Unicode, Encoding.ASCII, unicodeBytes);
string asciiString = Encoding.ASCII.GetString(asciiBytes);

转换为字节：

byte[] ascii = Encoding.ASCII.GetBytes(str);

@Thomas Levesque 是对的，会被输出流编码...

要删除变音符号（重音符号），您可以使用 String.Normalize 函数，详见此处：

http://www.siao2.com/2007/05/14/2629747.aspx

这应该可以解决大多数情况（字形实际上是一个字符加上一个重音符号）。对于更激进的字符匹配（处理像斯堪的纳维亚 slashed o [Ø]、二合字母和其他外来字形这样的情况），有表格方法：

http://www.codeproject.com/KB/cs/UnicodeNormalization.aspx

除了标准化之外，这还包括大约 1,000 个符号映射。

（请注意，您的示例中的正则表达式替换删除了所有标点符号）