PHP实现多语言（Unicode）SEO友好URL转换的实践指南

function seo_url( $string, $separator = '-' )
{
  $accents_regex = '~&([a-z]{1,2})(?:acute|cedil|circ|grave|lig|orn|ring|slash|th|tilde|uml);~i';
  $special_cases = array( '&' => 'and', "'" => '');
  $string = mb_strtolower( trim( $string ), 'UTF-8' );
  $string = str_replace( array_keys($special_cases), array_values( $special_cases), $string );
  $string = preg_replace( $accents_regex, '$1', htmlentities( $string, ENT_QUOTES, 'UTF-8' ) );
  // 核心问题所在：此行正则表达式仅匹配ASCII字母和数字
  $string = preg_replace("/[^a-z0-9]/u", "$separator", $string); 
  $string = preg_replace("/[$separator]+/u", "$separator", $string);
  return $string;
}

$string = preg_replace("/[^a-z0-9]/u", "$separator", $string);

$string = preg_replace("/[^\p{L}\p{M}\p{N}]/u", "$separator", $string);

<?php

/**
 * 将字符串转换为SEO友好的URL格式，支持多语言（Unicode）字符。
 *
 * @param string $string 要转换的原始字符串。
 * @param string $separator URL中使用的分隔符，默认为连字符“-”。
 * @return string 转换后的SEO友好URL。
 */
function seo_url_unicode( $string, $separator = '-' )
{
    // 1. 定义特殊字符的替换规则，例如将'&'替换为'and'，移除单引号
    $special_cases = array( '&' => 'and', "'" => '');
    $string = str_replace( array_keys($special_cases), array_values( $special_cases), $string );

    // 2. 将字符串转换为小写，并去除首尾空格，确保使用UTF-8编码处理
    $string = mb_strtolower( trim( $string ), 'UTF-8' );

    // 3. 处理重音符号和其他HTML实体，将其转换为对应的基础字母
    // 例如：é -> e
    // 注意：htmlentities() 可能会将某些非ASCII字符转换为实体，这在某些情况下可能不是期望的行为。
    // 对于完全保留Unicode字符的场景，此步骤可能需要根据具体需求调整或移除。
    // 在此示例中，我们假设主要处理的是带有重音符号的拉丁字符，并希望将其扁平化。
    $accents_regex = '~&([a-z]{1,2})(?:acute|cedil|circ|grave|lig|orn|ring|slash|th|tilde|uml);~i';
    $string = preg_replace( $accents_regex, '$1', htmlentities( $string, ENT_QUOTES, 'UTF-8' ) );

    // 4. 核心改进：使用Unicode属性匹配所有语言的字母(\p{L})、标记(\p{M})和数字(\p{N})
    // 匹配任何不是字母、标记或数字的字符，并将其替换为分隔符
    $string = preg_replace("/[^\p{L}\p{M}\p{N}]/u", "$separator", $string);

    // 5. 替换多个连续的分隔符为一个分隔符
    $string = preg_replace("/[$separator]+/u", "$separator", $string);

    // 6. 去除URL首尾可能存在的分隔符
    $string = trim($string, $separator);

    return $string;
}

?>

<?php

$bengali_string = "আমার দারুণ নিবন্ধের শিরোনাম";
$english_string = "My Awesome Article Title & More!";
$mixed_string = "PHP-তে Unicode URL তৈরি করুন (বাংলা)";

echo "原始孟加拉语字符串: " . $bengali_string . "\n";
echo "转换后的URL: " . seo_url_unicode($bengali_string) . "\n\n";
// 预期输出: আমার-দারুণ-নিবন্ধের-শিরোনাম

echo "原始英语字符串: " . $english_string . "\n";
echo "转换后的URL: " . seo_url_unicode($english_string) . "\n\n";
// 预期输出: my-awesome-article-title-and-more

echo "原始混合字符串: " . $mixed_string . "\n";
echo "转换后的URL: " . seo_url_unicode($mixed_string) . "\n\n";
// 预期输出: php-তে-unicode-url-তৈরি-করুন-বাংলা

?>