Question

我有一个网站，我正在使用php构建，允许多语言的内容。该网站的一部分将有商家信息。我有SEO友好的网址设置来查看这些列表，所以例如我会有一个名为“街上的酒吧”的商家列表。网址看起来像这样：

/listing/a-bar-down-the-street

但是，假设这个列表有阿拉伯语版本，那么名称将如下所示：

شريطأسفلالشارع

我如何将其制作成与英文版相同的网址格式，但是使用的语言是什么？当我在阿拉伯语版本上尝试我的函数时，将一个字符串转换为一个友好的URL，它就会变回空白。

修改为了进一步澄清，我正在寻找的是一个php函数，它允许我将任何字符串转换为SEO友好URL，无论该网站使用何种语言。

编辑第2部分 下面是我用来将字符串重写为SEO友好网址的函数。也许你可以告诉我我需要添加什么来使它语言友好？

    public function urlTitle($str,$separator = 'dash',$lowercase = TRUE)
    {

        if ($separator == 'dash')
        {

            $search     = '_';
            $replace    = '-';

        }else
        {

            $search     = '-';
            $replace    = '_';

        }

        $trans = array(
                        '&\#\d+?;'              => '',
                        '&\S+?;'                => '',
                        '\s+'                   => $replace,
                        '[^a-z0-9\-_]'          => '',
                        $replace.'+'            => $replace,
                        $replace.'$'            => $replace,
                        '^'.$replace            => $replace,
                        '\.+$'                  => ''
                        );

        $str = strip_tags($str);
        $str = preg_replace("#\/#ui",'-',$str);

        foreach ($trans AS $key => $val)
        {

            $str = preg_replace("#".$key."#ui", $val, $str);

        }

        if($lowercase === TRUE)
        {

            $str = mb_strtolower($str);

        }

        return trim(stripslashes($str));

    }

Answer 1

我在现有的SO discussion中找到了类似的讨论。看来您所要求的应该是“开箱即用”的。

我建议您查看您的网络服务器配置，看看有什么问题，seo友好的英文网址和任何其他可编码网址的字符串之间应该没有区别。

你在运行什么网络服务器？

<强>更新我看到你只接受字母数字字符：

'[^a-z0-9\-_]'          => '',

我怀疑可以过滤掉任何非a-z字符并导致空返回。或者，您也可以尝试调试您的函数，以查看哪个替换条件会导致您的内容被删除。

您在这里遇到的问题是，默认情况下，URL不能包含任何字符，通常使用编码的浏览器来实现漂亮的多语言URL。

请参阅link中的示例：

URL只允许使用一组英文字母字符，其中包括数字，短划线，斜线和问号。必须对所有其他字符进行编码，这适用于非拉丁语域名。如果你去فنادق.com，你会注意到有些浏览器会对它进行解码并向你展示فنادق.com。但有些像Chrome会向你显示这样的http://www.xn--mgbq6cgr.com/。

这意味着您无法再过滤帖子标题，只允许使用网址有效的字符，您需要对标题进行编码，并希望浏览器按照您的意愿对其进行渲染。

另一个选择是使用trans-literation，可能是在检测到已知不呈现url编码的特殊字符的浏览器之后。

Answer 2

所以对我来说似乎有用的是我的php函数的这一部分：

'[^a-z0-9\-_]'          => '',

将strtolower行更新为：

$str = mb_strtolower($str,'UTF-8');

它似乎正常工作。但是，任何人都可以确认这将会继续吗？浏览器是否会理解所有语言？或者我是否必须规范化字符串以确保每个浏览器都能理解该URL？问题是我不在php 5.3上，这是安装php的规范化扩展所必需的。如果我升级的话，我担心它会破坏，我目前正在使用5.2x。

Answer 3

John，你是对的，主要的问题是你的正则表达式字符类（[^a-z0-9\-_]）不允许使用UTF-8字符。这应该更好：[^\p{L}0-9\-_]

我最近一直在研究这样的功能，刚刚发布了一篇博文，内容包括我提出的功能：Creating SEO Friendly URLs in PHP with url_slug()

Answer 4

我有一个支持 48 种不同语言的网站。我用来清理 url 的函数在这里（在 javascript 中），也许这对你有帮助：

const noHyphenLangs = ['ko', 'ja', 'zh-cn', 'zh-tw', 'ar', 'th']
const formatTranslationIntoPath = (text, symbol) => { // utf-8 encoding
  let t = text
  const replaceChar = noHyphenLangs.includes(symbol) ? '' : '-'
  t = t.replace(/-/g, ' ')
  t = t.replace(/\s/g, replaceChar)
  t = t.replace(/['`’]/g, '') // remove quotes
  t = t.replace(/[,，()]/g, '') // remove junk
  t = t.normalize('NFD').replace(/\p{Diacritic}/gu, '') // simplify letters for url https://stackoverflow.com/questions/990904/remove-accents-diacritics-in-a-string-in-javascript
  t = t.replace(/[Łł]/g, 'l') // doesn't get replaced in diacritic replacements

  return t.toLowerCase()
}

const ex1 = formatTranslationIntoPath('让我们  尝试-这样-做', 'zh-cn') // 让我们尝试这样做
const ex2 = formatTranslationIntoPath('Việt miễn phí', 'vi') // viet-mien-phi

PS：对于大多数语言，如果没有可用的变音符号替换，您不希望删除非字母数字字符。

参考：https://gist.github.com/KevinDanikowski/24c79cbb7a3ef2a7f3e452e740848249

多语言网站的SEO友好网址

4 个答案: