首页
学习
活动
专区
圈层
工具
发布
社区首页 >专栏 >中文标题转 slug:音译加清洗,自己写还是接接口|数据鱼API

中文标题转 slug:音译加清洗,自己写还是接接口|数据鱼API

原创
作者头像
用户12862874
发布于 2026-11-19 20:55:09
发布于 2026-11-19 20:55:09
110
举报

一篇叫《春季装修避坑指南(上)》的稿子,交给三个人做 slug,会得到三个答案:有人写 chun-ji-zhuang-xiu,有人写 spring-renovation-guide,还有人交上来一个空字符串——他先用正则把非字母数字全删了,中文一个不剩。

第三个答案不是粗心,是顺序错了。

下面拿数据鱼API的「slug 转换」服务当例子。它有个 stats 端点专门报能力,返回的 features 只有两项:transliteration 和 regex_cleanup,两个词正好对应这条链路的两个步骤。

两步的顺序不能换

transliteration 是音译:把非拉丁字符转成拉丁字母。regex_cleanup 是正则清洗:把小写化之后残留的标点、连续分隔符、首尾分隔符收拾干净。文档把音译排在前面,这个顺序就是整件事的关键。

先音译,中文变成字母,后面的正则才有东西可清。先清洗,正则把汉字当非法字符删掉,标题只剩一对括号,音译环节面对空字符串无事可做——这就是那位同事交白卷的原因。

顺序对了,链路才成立:原文 → 音译成拉丁字母 → 转小写 → 非字母数字替换成分隔符 → 合并连续分隔符 → 去首尾。五步里前两步是 transliteration 的活,后三步是 regex_cleanup 的活。

/generate 端点接收 text(必填)和 separator(可选,默认 -),返回三个字段:original、slug、separator。original 回显原文,做日志对账很省事。

自建与接入,差在维护成本

维度

自己写

接现成接口

音译

要引入拼音库,还得处理多音字

文档声明具备该能力,具体拼写需实测

正则清洗

一遍遍试出来的规则,各站不同

由服务端统一,规则不透明

一致性问题

多人维护时容易分叉

同一份服务,输出口径稳定

依赖

只依赖自己的代码

多一个外部调用与可用性风险

改动成本

想改随时改

依赖对方发布节奏

自建最大的隐形成本不是写,是“改不动”。拼音库升级一次,历史链接的拼写可能全变;参加清洗规则的人一换,新旧稿子的 slug 风格就对不上。这两件事在小站不明显,文章上到几千篇之后会集中爆发。

接接口的代价则很明确:你无法干预它的转换细节,只能接受。所以它适合“格式统一优先于完全可控”的场景,比如内容站的编辑后台;不适合需要精确控制每一个字符的场合,比如对外承诺过的短链。

数据鱼这个 stats 端点在这里挺有用:它把能力摊开给你看,两项就是两项,没写的功能不要假设。你要判断的只是这两项够不够覆盖你的标题形态。

三个样例,接入前先跑一遍

第一条:纯中文标题。文档给的示例是英文文本,中文会输出成什么拼写,只有跑一次才知道。别假设它一定是标准拼音,也别假设声调会被保留。

第二条:中英混排带括号与全角符号。(上) 这类全角括号、书名号、间隔号,是最容易在清洗环节留下残渣的字符,跑完看首尾有没有多余的分隔符。

第三条:带表情符号和连续空格的营销标题。这类输入在活动页很常见,清洗规则如果只处理半角空格,输出里就会出现一串连字符。

三条跑完,你就知道该自己补哪一层。我的做法是:接口出 slug,本地再过一道校验——长度不超过六十字符、只含小写字母数字和分隔符、不以分隔符结尾。校验不过就退回人工填。数据鱼这组端点负责转换,这道校验负责兜底,两边不重叠。

选哪个,取决于你要的是格式还是控制权

要格式统一、不想维护拼音表和清洗规则,接接口更省事;要对每个字符负责、要能随时改规则,就自己写,但要把维护成本算进去。

顺序这件事没有讨论空间:先音译,后清洗。搞反了,再好的工具也只能给你一个空字符串。

以上能力清单、参数与返回字段的说明,整理自数据鱼API「slug 转换」接口的公开文档;文中标题与拼写为演示用的虚构示例,中文音译的具体输出请以实测结果为准。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

目录
  • 两步的顺序不能换
  • 自建与接入,差在维护成本
  • 三个样例,接入前先跑一遍
  • 选哪个,取决于你要的是格式还是控制权
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档