如何用 python,Djano 生成 SEO 友好的 URL, 包含中文处理
摘要: 做技术的人，在搜索技术问题时，估计经常会搜索到一个网站：stackoverflow, 你会发现这个网站的的 url 的设计对搜索引擎来说是非常友好的, 在 url 的后面直接跟上了这篇文章的核心关键字, 很多英文习惯的用户很自然的就能搜索到这些文章. 当然 stackoverflow 是英文版的，在这方面有天然的优势。因为因为英文字母都是 acsii 码的，比较容易做到，我在用 Django 做项目的时候，也尝试了这种 url 的方式，django 严格说来是天生支持这种方式的，只是没有考虑中国用户的习惯，下面总结几种处理方式
做技术的人，在搜索技术问题时，估计经常会搜索到一个网站：stackoverflow, 你会发现这个网站的的 url 的设计对搜索引擎来说是非常友好的, 在 url 的后面直接跟上了这篇文章的核心关键字, 很多英文习惯的用户很自然的就能搜索到这些文章. 当然 stackoverflow 是英文版的，在这方面有天然的优势。因为因为英文字母都是 acsii 码的，比较容易做到，我在用 Django 做项目的时候，也尝试了这种 url 的方式，django 严格说来是天生支持这种方式的，只是没有考虑中国用户的习惯，下面总结几种处理方式:
利用 Django 的 slugify 来处理
一个简单的例子如下：
from django.template.defaultfilters import slugify
if __name__ == "__main__":
# 测试英语与拼音能否处理
myurl = slugify("what is this, could you tell me? ni neng gao su wo ma")
print myurl
# 测试汉子是否能处理，结果是不能处理
chinese_url = slugify("这是什么东西，你能告诉我吗?");
print chinese_url
运行结果如下:
what-is-this-could-you-tell-me-ni-neng-gao-su-wo-ma
这说明，仅仅将英文标题生成了slug 方式，而中文完全被忽略了，原因很简单，django 的源代码里面这里就是按照 ascii 来处理的：
value = unicodedata.normalize('NFKD', value).encode('ascii', 'ignore')
value = unicode(re.sub('[^\w\s-]', '', value).strip().lower())
return mark_safe(re.sub('[-\s]+', '-', value))
所以，如果是中文字符是被忽略掉了。对于英文写作的人来说，这就已经足够了，但对于要写中文的来说，估计还得采用下面的方式.
采用 Firefox 里面用到的方法
这种解决方法的来源是在github上的一个开源项目: https://github.com/mozilla/unicode-slugify , 它的一个优点是，中文还是中文，仍然保留不变，英文内容做处理，看测试源码如下:
#coding:utf-8
'''
Created on 2014-5-27
@author: Administrator
'''
import re
import unicodedata
try:
from django.utils.encoding import smart_unicode as smart_text
except ImportError:
from django.utils.encoding import smart_text
# Extra characters outside of alphanumerics that we'll allow.
SLUG_OK = '-_~'
def slugify(s, ok=SLUG_OK, lower=True, spaces=False):
# L and N signify letter/number.
# http://www.unicode.org/reports/tr44/tr44-4.html#GC_Values_Table
rv = []
for c in unicodedata.normalize('NFKC', smart_text(s)):
cat = unicodedata.category(c)[0]
if cat in 'LN' or c in ok:
rv.append(c)
if cat == 'Z': # space
rv.append(' ')
new = ''.join(rv).strip()
if not spaces:
new = re.sub('[-\s]+', '-', new)
return new.lower() if lower else new
if __name__ == "__main__":
#测试汉字是否能处理
print slugify("这是什么东西，你能告诉我吗?")
#测试英文拼音
print slugify("what is this, ni neng gao su wo ma?")
#测试中英文混合
print slugify("这是什么东西，could you tell me?")
结果如下:
这是什么东西你能告诉我吗 what-is-this-ni-neng-gao-su-wo-ma 这是什么东西could-you-tell-me
完美的输出，中文完好，英文也符合国外用户习惯，同时完全满足SEO的 URL 规则, 但这只是一种喜欢用汉子直接显示在 url 的用户，但是就我看来，我不喜欢这样，因为不同的浏览器对汉子在url 上的解析方式不同，会有所变化.
回归 url , 用原生的ascii 码来表示url 是绝对正确的选择，但ascii 码表示 汉子兼职就像乱码，对中国用户来说估计最不友好了，而 URL 设计的标准既然是友好的，那么乱码是不可接受的。 但是，我们可以用拼音，将汉子转换成拼音显示在 URL 中，不就可以了吗, 开源世界早有人这么做了，所以不需要重造轮子，安装现有的开源库: https://github.com/iki/unidecode, 这是国人写的一个库，将常用汉子的拼音以及ascii 码之间的关系全部映射了，我们直接拿来用就好了，作者干了不少体力活，佩服中, 安装好这个库之后，测试代码如下:
#coding:utf-8
from django.utils.safestring import mark_safe
from unidecode import unidecode
import re
import unicodedata
value = unidecode("中文 URL 能生成拼音的吗?" + u"")
value = re.sub('[^\w\s-]', '', value).strip().lower()
value = mark_safe(re.sub('[-\s]+', '-', value))
print value.lower()
value = unidecode("english url, does this tool can generate it?")
value = re.sub('[^\w\s-]', '', value).strip().lower()
value = mark_safe(re.sub('[-\s]+', '-', value))
print value.lower()
结果如下；
zhong-wen-url-neng-sheng-cheng-pin-yin-de-ma english-url-does-this-tool-can-generate-it
完美的汉语拼音与英文都能满足的结合。如果我今后做项目，估计会采用这个了。另外还有一种方式，比较适合走极端的人，我们可以用python 发请求到 google translate, 然后将翻译之后的结果得到再做处理，做法不难，有时间弄一个试试，但现在就可以想到结果，翻译出来的东西估计错误很多。所以不是很可取.
