为什么要采用拼音 URL
- SEO 的考虑：目前的搜索引擎实际上很智能, 会自动把中文转换为拼音, URL 中的拼音也能被匹配上
- 用户体验的考虑：从 URL 就能一目了然文章的内容
如何定义 URL 的格式
可以学习 stackoverflow 的做法:
http://stackoverflow.com/questions/1101957/are-there-any-standard-exit-status-codes-in-linux
学习 stackoverflow 的做法，实际上 id 已经能够代表这篇文章，但是 stackoverflow 301 跳转到了新地址，即带描述的地址。
$ curl -v http://stackoverflow.com/questions/1101957
* Hostname was NOT found in DNS cache
* * Trying 198.252.206.140...
* * Connected to stackoverflow.com (198.252.206.140) port 80 (#0)
* > GET /questions/1101957 HTTP/1.1
* > User-Agent: curl/7.35.0
* > Host: stackoverflow.com
* > Accept: */*
* >
* < HTTP/1.1 301 Moved Permanently
* < Cache-Control: public, no-cache="Set-Cookie", max-age=60
* < Content-Type: text/html; charset=utf-8
* < Expires: Tue, 20 May 2014 06:14:35 GMT
* < Last-Modified: Tue, 20 May 2014 06:13:35 GMT
* < Location:
/questions/1101957/are-there-any-standard-exit-status-codes-in-linux
< Vary: *
< X-Frame-Options: SAMEORIGIN
< Set-Cookie: prov=4bab85c7-f446-463a-97e9-a6b834ad29ab;
domain=.stackoverflow.com; expires=Fri, 01-Jan-2055 00:00:00 GMT; path=/;
HttpOnly
< Date: Tue, 20 May 2014 06:13:35 GMT
< Content-Length: 185
<
<html><head><title>Object moved</title></head><body>
<h2>Object moved to <a
href="/questions/1101957/are-there-any-standard-exit-status-codes-in-linux">here</a>.</h2>
</body></html>
* Connection #0 to host stackoverflow.com left intact
代码实现
可以使用 pypinyin 这个库结合 jieba 分词，将中文转换为拼音。
需要注意的地方:
- 中文标题中可能含有标点符号
- 英文单词需要保留原样
- 数字需要保留原样
- 不同语境下的多音字需要能自动识别