Generador de slug

RFC 3986 (Berners-Lee, Fielding, Masinter; enero 2005, IETF / STD 66) define el conjunto de caracteres no reservados como ALPHA / DIGIT / '-' / '.' / '_' / '~' — cualquier cosa fuera de ese rango debe codificarse con porcentajes (percent-encoding) como octetos UTF-8. Los navegadores y servidores modernos soportan URLs Unicode vía percent-encoding (así 'café' se convierte en '%C3%A9' en la ruta), pero la forma codificada con porcentajes es difícil de leer, difícil de compartir verbalmente, frágil al copiar-pegar entre algunos terminales y clientes de email, y manejada inconsistentemente por CMSes y sistemas de analítica. Los slugs ASCII evitan el problema entero — sobreviven cada frontera de codificación, se renderizan idénticamente en todas partes y se mantienen cortos. Para contenido internacionalizado, los CMSes modernos combinan típicamente un slug ASCII con un campo de título Unicode separado en lugar de codificar el título en la URL misma.

Cada pasada — minúsculas, normalizar NFD, eliminar diacríticos combinantes (U+0300–U+036F), eliminar no-alfanuméricos-ASCII, colapsar espacios y guiones — es ella misma idempotente. NFD normalize sobre texto ya descompuesto no tiene efecto; lowercase sobre ASCII ya en minúsculas no tiene efecto; los regex strips no tienen nada que eliminar en una segunda pasada. Así `slugify(slugify(x)) === slugify(x)` para toda entrada. La idempotencia importa para sistemas que puedan generar el slug de la misma entrada dos veces (CMS guardar → re-renderizar → regenerar slug), canonicalización de URLs (un slug recuperado de la base de datos y re-validado debe producirse a sí mismo), y migraciones (re-ejecutar una pasada de generación de slug sobre datos con slug ya aplicado debe ser seguro).

La descomposición canónica NFD divide caracteres con un mapeo canónico a base + marcas combinantes — principalmente formas precompuestas letra+diacrítico de latín, griego, cirílico y vietnamita. Los ideogramas CJK y la mayoría de letras árabes son atómicas en Unicode y no tienen descomposición canónica. Las sílabas precompuestas de Hangul coreano (U+AC00–U+D7A3) SÍ se descomponen canónicamente en Jamo (U+1100–U+11FF) según UAX #15 §10.1 — pero esos Jamo son descartados luego por la siguiente pasada — eliminar todo lo que esté fuera de [a-z0-9 -] — así que el resultado práctico es el mismo: '東京', '서울' o 'مرحبا' producen un slug vacío, que muchos CMSes (WordPress, Ghost) recurren a un ID de registro como respaldo. Para slugs internacionalizados de verdad, los transliteradores ICU (transformación Latin-ASCII) o bibliotecas de romanización (Hepburn para japonés, Pinyin para chino, Revised Romanization para coreano) proporcionan renderizaciones fonéticas ASCII — están fuera del alcance de un slug determinista por strip.

El modo kebab-case del conversor de mayúsculas aplica el mismo paso NFD más eliminación de diacríticos combinantes pero mantiene cada carácter alfanumérico en el resultado, y luego une los límites de palabra con guiones — así 'Hello World 2025!' se convierte en 'hello-world-2025!' (mantiene los dígitos y el signo de exclamación final si no hay más filtros). slug-generator adicionalmente elimina todo lo que no sea una letra ASCII minúscula, dígito, espacio o guión — así la misma entrada se convierte en 'hello-world-2025'. El slug es más conservador porque la seguridad de URL es la restricción, mientras que el kebab del conversor de mayúsculas es para identificadores de código donde 2025 es un componente perfectamente válido de un nombre de variable.

La región de salida del slug está marcada con aria-live="polite", el patrón del Criterio de Éxito 4.1.3 de WCAG (Mensajes de Estado, introducido en WCAG 2.1, recomendación del W3C del 5 de junio de 2018; trasladado sin cambios a WCAG 2.2, recomendación del 5 de octubre de 2023). Las regiones live polite encolan anuncios tras cualquier habla en progreso, así que editar el título anuncia el nuevo slug sin interrumpir al usuario a mitad de frase. Los lectores de pantalla (NVDA, JAWS, VoiceOver) consumen la región live automáticamente; el usuario no necesita hacer nada más.