Question

我正在准备PHP中的一个函数来自动转换字符串以用作URL（* .html）中的文件名。尽管ASCII应该用于安全方面，但对于搜索引擎优化需要我需要允许文件名使用任何语言，但我不希望它包括除短划线（ - ）和下划线（_）之外的标点符号，字符喜欢*％$＃@“'不应该被允许。

空格应转换为破折号。

我认为使用Regex将是最简单的方法，但我不确定如何处理UTF8字符串。

我的ASCII函数如下所示：

function convertToPath($string)
{
    $string = strtolower(trim($string));
    $string = preg_replace('/[^a-z0-9-]/', '-', $string);
    $string = preg_replace('/-+/', "-", $string);
    return $string;
}

谢谢，

罗伊。

Answer 1

如果选择了UTF-8模式，您可以使用 Letter （根据Unicode常规类别 - 请参阅PHP文档Regular Expression Details） >

/\P{L}+/

所以我尝试以下（未经测试）：

function convertToPath($string)
{
    $string = mb_strtolower(trim($string), 'UTF-8');
    $string = preg_replace('/\P{L}+/', '-', $string);
    $string = preg_replace('/-+/', "-", $string);
    return $string;
}

请注意，您会在UTF-8字符串上获得strtolower()的问题，因为它会让您遇到多字节字符 - 请改用mb_strtolower()。

Answer 2

我认为对于搜索引擎优化需求，您应该坚持使用网址中的ASCII字符。

理论上，URL中允许使用更多字符。实际上，大多数系统只解析ASCII可靠。

此外，许多自动解析链接脚本会阻塞非ASCII字符。因此，允许在您的网址中使用非ASCII字符的网址会大大减少在用户生成的内容中显示（正确）的链接更改。（如果你想要这样一个脚本的例子，看一下stackoverflow脚本，例如它在括号上窒息）

您还可以查看： How to handle diacritics (accents) when rewriting ‘pretty URLs’

接受的解决方案是转换非ASCII字符：

<?php
  $text = iconv('UTF-8', 'US-ASCII//TRANSLIT', $text);
?>

希望这有帮助

正则表达式匹配除标点符号之外的任何UTF字符

2 个答案: