Slugify и транслитерация символов в С#

Я пытаюсь перевести следующий метод slugify с PHP на С#: http://snipplr.com/view/22741/slugify-a-string-in-php/

Изменить: Для удобства здесь приведен код сверху:

/**
 * Modifies a string to remove al non ASCII characters and spaces.
 */
static public function slugify($text)
{
    // replace non letter or digits by -
    $text = preg_replace('~[^\\pL\d]+~u', '-', $text);

    // trim
    $text = trim($text, '-');

    // transliterate
    if (function_exists('iconv'))
    {
        $text = iconv('utf-8', 'us-ascii//TRANSLIT', $text);
    }

    // lowercase
    $text = strtolower($text);

    // remove unwanted characters
    $text = preg_replace('~[^-\w]+~', '', $text);

    if (empty($text))
    {
        return 'n-a';
    }

    return $text;
}

У меня не возникло проблем с кодированием остального, за исключением того, что я не могу найти эквивалент С# следующей строки кода PHP:

$text = iconv('utf-8', 'us-ascii//TRANSLIT', $text);

Edit: Целью этого является перевод символов, отличных от ASCII, таких как Reformáció Genfi Emlékműve Előtt в reformacio-genfi-emlekmuve-elott

Ответы

Ответ 1

Я также хотел бы добавить, что //TRANSLIT удаляет апострофы и это решение @jxac не адресует это. Я не уверен, почему, но, сначала кодируя его на кириллицу, а затем в ASCII, вы получите аналогичное поведение, как //TRANSLIT.

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

=> "eaaoiO"

Ответ 2

Существует библиотека .NET для транслитерации на codeplex - unidecode. Обычно это трюк с использованием таблиц Unidecode, перенесенных из python.

Ответ 3

преобразование в строку:

byte[] unicodeBytes = Encoding.Unicode.GetBytes(str);
byte[] asciiBytes = Encoding.Convert(Encoding.Unicode, Encoding.ASCII, unicodeBytes);
string asciiString = Encoding.ASCII.GetString(asciiBytes);

преобразование в байты:

byte[] ascii = Encoding.ASCII.GetBytes(str);

@Thomas Levesque прав, получит кодировку выходным потоком...

чтобы удалить диакритические знаки (знаки акцента), вы можете использовать функцию String.Normalize, как описано здесь:

http://www.siao2.com/2007/05/14/2629747.aspx

который должен заботиться о большинстве случаев (где глиф действительно символ плюс знак акцента). для более агрессивного сопоставления char (чтобы заботиться о таких случаях, как скандинавский slashed o [Ø], орграфы и другие экзотические глифы), существует подход к таблице:

http://www.codeproject.com/KB/cs/UnicodeNormalization.aspx

это включает около 1000 символьных отображений в дополнение к нормализации.

(заметим, что вся пунктуация удаляется заменой регулярного выражения в вашем примере)