Neste post estou disponibilizando uma classe simples de referência para “sanitizar” Strings a fim de torná-las url safe, por exemplo. Esta característica é desejável em URLs Rewrite, por exemplo, onde queremos que nosso artigo “Caminhão na contra-mão!” seja apresentado na URL como algo assim:

http://www.nessauepapost.com.br/artigo/7/caminhao-na-contra-mao

As características desejáveis neste caso são:

1– Somente letras minúsculas

2– Letras acentuadas substituídas pela mesma letra sem acento

3– espaços substituídos por hífen “-”

4– caracteres especiais removidos

Classe “StringSanitizer”

public class StringSanitizer {

	private static final String PLAIN_ASCII = "AaEeIiOoUu" // grave
			+ "AaEeIiOoUuYy" // acute
			+ "AaEeIiOoUuYy" // circumflex
			+ "AaOoNn" // tilde
			+ "AaEeIiOoUuYy" // umlaut
			+ "Aa" // ring
			+ "Cc" // cedilla
			+ "OoUu" // double acute
	;

	private static final String UNICODE = 
                          "\u00C0\u00E0\u00C8\u00E8\u00CC\u00EC"
                        + "\u00D2\u00F2\u00D9\u00F9\u00C1\u00E1"
                        + "\u00C9\u00E9\u00CD\u00ED\u00D3\u00F3"
                        + "\u00DA\u00FA\u00DD\u00FD\u00C2\u00E2"
                        + "\u00CA\u00EA\u00CE\u00EE\u00D4\u00F4"
                        + "\u00DB\u00FB\u0176\u0177\u00C3\u00E3"
                        + "\u00D5\u00F5\u00D1\u00F1\u00C4\u00E4"
                        + "\u00CB\u00EB\u00CF\u00EF\u00D6\u00F6"
                        + "\u00DC\u00FC\u0178\u00FF\u00C5\u00E5" 
                        + "\u00C7\u00E7\u0150\u0151\u0170\u0171";

	// remove accentued from a string and replace with ascii equivalent
	public static String convertNonAscii(String s) {
		if (s == null)
			return null;
		StringBuilder sb = new StringBuilder();
		int n = s.length();
		for (int i = 0; i < n; i++) {
			char c = s.charAt(i);
			int pos = UNICODE.indexOf(c);
			if (pos > -1) {
				sb.append(PLAIN_ASCII.charAt(pos));
			} else {
				sb.append(c);
			}
		}
		return sb.toString();
	}

	public static String string2UrlSafeString(String nome) {
		try {
			return convertNonAscii(nome.toLowerCase())
                                    .replaceAll("[^a-z0-9]+"," ")
                                    .trim()
                                    .replaceAll(" ", "-");
		} catch (Exception e) {
			return null;
		}
	}
}

Exemplo de uso

StringSanitizer.string2UrlSafeString("O bom filho à casa tornará?");

// Saída: o-bom-filho-a-casa-tornara

Referências

Artigo “Unaccent Letters”