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。
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。
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。
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。
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。