Algorithm 一种更好的英文单词缩略算法

我有一些独特的代码，这些代码是从应用程序各个独立组件中的字符串（例如：网站主机名）生成的

这些代码只供机器使用，因此我希望它们尽可能简短

下面的算法将应用于字符串中的每个单词。输出字将与破折号连接以生成唯一代码

The current algorithm I have used:

 - Skip word if length is less than 6

 - Leave first character as is

 - Remove every wowel in the word from the second character onwards

建筑文摘eu=>archtctrl dgst eu

亚利桑那山麓杂志=>arzn FTHLS mgzn

有没有更好的方法来缩短英语单词，使其尽可能让人类读者识别

输出应该是确定性的，只要在相同的输入上运行，就会产生相同的缩短版本

一个好的算法还应该尽量减少拼写相似单词的冲突次数

我有一些从字符串生成的独特代码

恐怕那不是真的。许多英语单词在去掉元音后会变成同一个“暗号”。例如，“离开”->“生活”，这是相当罕见的，它仍然可能导致问题

如果如你所说，这些“代码词”只供机器使用，那么它们保持人类可读性有多重要？如果没有那么重要，我建议研究一些更简单的压缩算法，比如or。然后，如果用户需要查看代码的翻译，只需解压缩即可

如果你必须让它具有可读性，我不确定你还能做更多的事情来缩短它。你可以看一看具体的拉丁语+希腊语词根，然后确定是否可以手工缩短这些词根，然后自动替换掉它们

或者，你可以转向语音方法。自动搜索单词的发音，然后查看它是否更短（或者它本身可以被压缩，将“cee”改为“C”，或将“kay”改为“K”）。这将需要更多的时间和CPU密集型，但如果您确实需要简短但可读的代码，这仍然是一个选项

我有一些从字符串生成的独特代码

恐怕那不是真的。许多英语单词在去掉元音后会变成同一个“暗号”。例如，“离开”->“生活”，这是相当罕见的，它仍然可能导致问题

如果如你所说，这些“代码词”只供机器使用，那么它们保持人类可读性有多重要？如果没有那么重要，我建议研究一些更简单的压缩算法，比如or。然后，如果用户需要查看代码的翻译，只需解压缩即可

如果你必须让它具有可读性，我不确定你还能做更多的事情来缩短它。你可以看一看具体的拉丁语+希腊语词根，然后确定是否可以手工缩短这些词根，然后自动替换掉它们

---

或者，你可以转向语音方法。自动搜索单词的发音，然后查看它是否更短（或者它本身可以被压缩，将“cee”改为“C”，或将“kay”改为“K”）。这将需要更多的时间和CPU密集型，但如果您真的需要简短但可读的代码，这仍然是一个选项。

您生成的代码听起来像是一个。有许多库可以为博客或站点生成器处理此问题，这些库应该适合您的目的。下面是一个Python库的使用示例，名为：

Slug库通常是这样工作的：

通过映射替换非ascii语言字符（例如：

影師嗎 -> 英石马

）

通过映射将重音拉丁字母替换为ascii等效字母（例如：

C'est déjálété。->C-est-deja-l-ete

）

删除开头和结尾的空格/标点符号

将剩余的空格和标点转换为破折号，将一行中的多个破折号折叠为一个破折号

---

如果你想让鼻涕虫变短，你可以去掉元音，或者更简单地说，使用一个最大长度。

你所产生的声音就像所谓的a。有许多库可以为博客或站点生成器处理此问题，这些库应该适合您的目的。下面是一个Python库的使用示例，名为：

Slug库通常是这样工作的：

通过映射替换非ascii语言字符（例如：

影師嗎 -> 英石马

）

通过映射将重音拉丁字母替换为ascii等效字母（例如：

C'est déjálété。->C-est-deja-l-ete

）

删除开头和结尾的空格/标点符号

将剩余的空格和标点转换为破折号，将一行中的多个破折号折叠为一个破折号

---

如果你想让鼻音变短，你可以去掉元音，或者更简单地说，使用最大长度。

谢谢你的回复。压缩是一个很好的选择，但不可读，而且我永远不需要反转代码。我同意语音学方法很重。需要找到一个中间立场。：）同样值得注意的是，当出现多个单词时，冲突的几率会降低。谢谢你的回复。压缩是一个很好的选择，但不可读，而且我永远不需要反转代码。我同意语音学方法很重。需要找到一个中间立场。：）同样值得注意的是，当出现多个单词时，发生冲突的可能性会降低。

txt = "___This is a test ---"
r = slugify(txt)
self.assertEqual(r, "this-is-a-test")