¿Cómo se eliminan los caracteres no válidos al crear una URL amigable (es decir, cómo se crea una babosa)?

Question

Decir que tengo la página:
http://ww.xyz.com/Product.aspx?CategoryId=1

Si el nombre de CategoryId = 1 es "Perros" Me gustaría convertir la URL en algo como esto:
http://ww.xyz.com/Products/Dogs

El problema es si el El nombre de categoría contiene caracteres extraños (o inválidos para una url). Si el nombre de CategoryId = 2 es "Göra äldre", ¿cuál debería ser la nueva URL?

Lógicamente que debe ser:
http://ww.xyz.com/Products/Göra äldre
pero no va a funcionar. En primer lugar, por el espacio (que puedo reemplazar fácilmente por un guión, por ejemplo), pero ¿qué pasa con los personajes extranjeros? En Asp.net que podría utilizar la función URLEncode lo que daría algo como esto:
http://ww.xyz.com/Products/G%c3%b6ra+%c3%a4ldre
pero no puedo decir que es mejor que la URL original (http://ww.xyz.com/Product.aspx?CategoryId=2)

Tu lugar ideal para generar éste pero ¿cómo puedo hacer esto de forma automática (es decir, la conversión de caracteres extranjeros a los caracteres de URL 'seguros'):
http://ww.xyz.com/Products/Gora-aldre

Answer 1

que he llegado con los 2 siguientes métodos de extensión (asp.net/C#):

 public static string RemoveAccent(this string txt) 
    { 
     byte[] bytes = System.Text.Encoding.GetEncoding("Cyrillic").GetBytes(txt); 
     return System.Text.Encoding.ASCII.GetString(bytes); 
    } 

    public static string Slugify(this string phrase) 
    { 
     string str = phrase.RemoveAccent().ToLower(); 
     str = System.Text.RegularExpressions.Regex.Replace(str, @"[^a-z0-9\s-]", ""); // Remove all non valid chars   
     str = System.Text.RegularExpressions.Regex.Replace(str, @"\s+", " ").Trim(); // convert multiple spaces into one space 
     str = System.Text.RegularExpressions.Regex.Replace(str, @"\s", "-"); // //Replace spaces by dashes 
     return str; 
    } 

Answer 2

Transliterate caracteres no ASCII a ASCII, utilizando algo como esto:

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

=> "eaaoiO" 

(Source)

Answer 3

utilizo la función descrita en http://www.blackbeltcoder.com/Articles/strings/converting-text-to-a-url-friendly-slug. No admite directamente caracteres que no sean en inglés, pero podría actualizarse fácilmente para admitir caracteres adicionales.

Me gusta porque produce una babosa de aspecto muy limpio.

Answer 4

Otra cosa vale la pena considerar:

Si un usuario proporciona una cadena como 好听的音乐 que desea convertir a un título URL amigable, entonces debería considerar el uso de IdnMapping

Por ejemplo:

string urlFriendlyTitle = Slugify(url); 

public static string Slugify(string text) 
{ 
    IdnMapping idnMapping = new IdnMapping(); 
    text = idnMapping.GetAscii(text); 

    text = RemoveAccent(text).ToLower(); 

    // Remove all invalid characters. 
    text = Regex.Replace(text, @"[^a-z0-9\s-]", ""); 

    // Convert multiple spaces into one space 
    text = Regex.Replace(text, @"\s+", " ").Trim(); 

    // Replace spaces by underscores. 
    text = Regex.Replace(text, @"\s", "_"); 

    return text; 
} 

public static string RemoveAccent(string text) 
{ 
    byte[] bytes = Encoding.GetEncoding("Cyrillic").GetBytes(text); 

    return Encoding.ASCII.GetString(bytes); 
} 

Sin esto, 好听的音乐 se convertirá en string.Empty. Con esto, xn--fjqr6lw2ek78az68a que es punycode