Каков наилучший способ очистки URL с заголовком

Question

Каков наилучший способ очистки URL? Я ищу URL-адрес, подобный этому

what_is_the_best_headache_medication

Мой текущий код

public string CleanURL(string str)
{
    str = str.Replace("!", "");
    str = str.Replace("@", "");
    str = str.Replace("#", "");
    str = str.Replace("$", "");
    str = str.Replace("%", "");
    str = str.Replace("^", "");
    str = str.Replace("&", "");
    str = str.Replace("*", "");
    str = str.Replace("(", "");
    str = str.Replace(")", "");
    str = str.Replace("-", "");
    str = str.Replace("_", "");
    str = str.Replace("+", "");
    str = str.Replace("=", "");
    str = str.Replace("{", "");
    str = str.Replace("[", "");
    str = str.Replace("]", "");
    str = str.Replace("}", "");
    str = str.Replace("|", "");
    str = str.Replace(@"\", "");
    str = str.Replace(":", "");
    str = str.Replace(";", "");
    str = str.Replace(@"\", "");
    str = str.Replace("'", "");
    str = str.Replace("<", "");
    str = str.Replace(">", "");
    str = str.Replace(",", "");
    str = str.Replace(".", "");
    str = str.Replace("`", "");
    str = str.Replace("~", "");
    str = str.Replace("/", "");
    str = str.Replace("?", "");
    str = str.Replace("  ", " ");
    str = str.Replace("   ", " ");
    str = str.Replace("    ", " ");
    str = str.Replace("     ", " ");
    str = str.Replace("      ", " ");
    str = str.Replace("       ", " ");
    str = str.Replace("        ", " ");
    str = str.Replace("         ", " ");
    str = str.Replace("          ", " ");
    str = str.Replace("           ", " ");
    str = str.Replace("            ", " ");
    str = str.Replace("             ", " ");
    str = str.Replace("              ", " ");
    str = str.Replace(" ", "_");
    return str;
}

Answer 1

Как правило, вам лучше всего использовать подход с регулярным выражением белого списка вместо удаления всех нежелательных символов, потому что вы определенно пропустите некоторые из них.

Ответы здесь пока хорошие, но я лично не хотел полностью удалять умлауты и символы с акцентами. Итак, окончательное решение, которое я придумал, выглядит так:

public static string CleanUrl(string value)
{
    if (value.IsNullOrEmpty())
        return value;

    // replace hyphens to spaces, remove all leading and trailing whitespace
    value = value.Replace("-", " ").Trim().ToLower();

    // replace multiple whitespace to one hyphen
    value = Regex.Replace(value, @"[\s]+", "-");

    // replace umlauts and eszett with their equivalent
    value = value.Replace("ß", "ss");
    value = value.Replace("ä", "ae");
    value = value.Replace("ö", "oe");
    value = value.Replace("ü", "ue");

    // removes diacritic marks (often called accent marks) from characters
    value = RemoveDiacritics(value);

    // remove all left unwanted chars (white list)
    value = Regex.Replace(value, @"[^a-z0-9\s-]", String.Empty);

    return value;
}

Используемый метод RemoveDiacritics основан на ответе SO Блэра Конрада :

public static string RemoveDiacritics(string value)
{
    if (value.IsNullOrEmpty())
        return value;

    string normalized = value.Normalize(NormalizationForm.FormD);
    StringBuilder sb = new StringBuilder();

    foreach (char c in normalized)
    {
        if (CharUnicodeInfo.GetUnicodeCategory(c) != UnicodeCategory.NonSpacingMark)
            sb.Append(c);
    }

    Encoding nonunicode = Encoding.GetEncoding(850);
    Encoding unicode = Encoding.Unicode;

    byte[] nonunicodeBytes = Encoding.Convert(unicode, nonunicode, unicode.GetBytes(sb.ToString()));
    char[] nonunicodeChars = new char[nonunicode.GetCharCount(nonunicodeBytes, 0, nonunicodeBytes.Length)];
    nonunicode.GetChars(nonunicodeBytes, 0, nonunicodeBytes.Length, nonunicodeChars, 0);

    return new string(nonunicodeChars);
}

Надеюсь, что это поможет кому-то бросить вызов, слагая URL-адреса и сохраняя умлауты и друзей с их эквивалентным URL-адресом одновременно.

Answer 2

Регулярные выражения наверняка:

public string CleanURL(string str)
{
    str = Regex.Replace(str, "[^a-zA-Z0-9 ]", "");
    str = Regex.Replace(str, " +", "_");
    return str;
}

(На самом деле не проверено, с макушки головы.)

Позвольте мне объяснить:

Первая строка удаляет все, что не является буквенно-цифровым символом (заглавными или строчными) или пробелом. Вторая строка заменяет любую последовательность пробелов (1 или более последовательно) одним подчеркиванием.

Answer 3

Вы должны рассмотреть возможность использования регулярного выражения вместо. Это гораздо эффективнее, чем то, что вы пытаетесь сделать выше.

Подробнее о регулярных выражениях здесь .

Answer 4

То, как работает stackoverflow, можно найти здесь:

https://stackoverflow.com/a/25486/142014

оптимизировано для скорости («Это вторая версия, развернутая для увеличения производительности в 5 раз») и для работы с множеством специальных символов.

Answer 5

Или, немного более многословно, но это позволяет только алфавитно-цифровые и пробелы (которые заменяются на '-')

string Cleaned = String.Empty;
foreach (char c in Dirty)
    if (((c >= 'a') && (c <= 'z')) ||
         (c >= 'A') && (c <= 'Z') ||
         (c >= '0') && (c <= '9') ||
         (c == ' '))
           Cleaned += c;
Cleaned = Cleaned.Replace(" ", "-");

Answer 6

Я могу затянуть одну часть этого:

while (str.IndexOf("  ") > 0)
    str = str.Replace("  ", " ");

... вместо бесконечного количества " " замен. Но вы почти наверняка захотите использовать регулярное выражение.

Answer 7

1. Как вы определяете "дружественный" URL - я предполагаю, что вы хотите удалить _ и т. Д.
2. Я бы посмотрел на регулярное выражение здесь.

Если вы хотите сохранить описанный выше метод, я бы предложил перейти к StringBuilder через строку. Это потому, что каждая из ваших операций замены создает новую строку.