查找提示“未找到”的图片url.错误在浏览器给出坏的名称格式，但他们确实存在 - Find image urls that throw "Not Found" error in browser given bad name format but they actually exist

Find image urls that throw "Not Found" error in browser given bad name format but they actually exist

我在一个表中存储了数千个图像url，每行一个。问题是它们中的一些具有带有空格，重音字符等的格式错误的名称，例如:

https://www.greatsite.com/upload/memdocs/111046-carte d'identit� 001-072716141540.jpg

在浏览器中打开此url时，输出如下错误:

Not Found
The requested URL /upload/memdocs/111046-carte d'identitï¿½ 001-072716141540.jpg was not found on this server.
Additionally, a 404 Not Found error was encountered while trying to use an ErrorDocument to handle the request.

我需要以编程方式找到抛出此"Not Found"错误的所有图像url(为了以后正确格式化图像url名称)。

到目前为止，我试图使用getimagesize()和file_get_contents()，但没有运气。getimagesize()并不总是有效，因为我认为它修复了图像名称，因为对于上面的url，它实际上返回了图像信息数组。file_get_contents()总是返回一些东西，不管图像url是否抛出"Not Found"错误。

有什么建议吗?我希望我说得有道理。由于

您可以从DB获取所有图像并使用foreach对它们进行迭代。在foreach中尝试检查文件是否存在。例子:

foreach ($images as $image) {
    $valid = is_file($imageDir.$image->path);
}

is_file是检查文件是否存在的最佳方法。File_get_contents将读取整个文件，速度较慢。

或者你可以在图像路径上执行regex:

foreach ($images as $image) {
    $valid = preg_match('/[0-9a-zA-Z'$-_'.'+!'*''('),];'/'?':'@='&/', $image->path);
}

我不是100%肯定，如果这个正则表达式将正确验证所有的url ....但是大多数。

你应该得到报头做web请求:

foreach ($images as $image) {
 $url = 'https://www.greatsite.com/'.$image;
 $file_headers = @get_headers($url);
 if($file_headers && $file_headers[0] == 'HTTP/1.1 404 Not Found') {
  // URL Not Found do something to log it
 }
}

还有很多其他的方法，使用CURL等，但我发现这是最简单的