我有一个用JavaScript和PHP编写的小工具,它可以获取URL列表并检查所有URL的HTTP状态代码。我用curl来检查实际状态
只要我有漂亮的URL,它就很好用。我的URL中有®时遇到问题。我的工具在知道应该返回301
时返回404
。
我的猜测是,这个"®"正在被转换为类似%C2
的东西,并导致了一个问题。
我知道这是可以做到的,因为在这里粘贴相同的URL会返回301
。
我的PHP卷曲看起来像这样:
...
if (($curl = curl_init()) == false) {
throw new Exception('curl_init error for url '.$_POST['url'].'.');
}
$header[] = "Accept: text/xml,application/xml,application/xhtml+xml,text/html;q=0.9,text/plain;q=0.8,image/png,*/*;q=0.5";
$header[] = "Cache-Control: max-age=0";
$header[] = "Connection: keep-alive";
$header[] = "Keep-Alive: 300";
$header[] = "Accept-Charset: iso-8859-1,utf-8;q=0.7,*;q=0.7";
$header[] = "Accept-Language: en-US;q=0.5";
$header[] = "Pragma: ";
curl_setopt($curl, CURLOPT_URL, $_POST['url']);
curl_setopt($curl, CURLOPT_HTTPHEADER, $header);
curl_setopt($curl, CURLOPT_NOBODY, true);
curl_setopt($curl, CURLOPT_AUTOREFERER, true);
curl_setopt($curl, CURLOPT_RETURNTRANSFER, true);
curl_setopt($curl, CURLOPT_TIMEOUT, 50);
$Cresponse = curl_exec($curl); // execute the curl command
$response['callback']['data'] = $http_status = curl_getinfo($curl, CURLINFO_HTTP_CODE);
curl_close($curl);
...
我尝试使用urldecode()
,但这将对整个URL以及http://
到http%3A%2F%2F
进行编码。
知道为什么这个®会引起问题吗?
仅使用parse_url()和urlencode()
作为path
、query
和fragment
。
然后重新组装编码的URL并发出请求。
$url = parse_url ($_POST['url']);
if ($url === FALSE) {
/* error handling */
}
$encoded_url = $url['scheme'] . "://" .
$url['host'] .
urlencode ($url['path]) . "?" .
urlencode ($url['query]) . "#" .
urlencode ($url['fragment])
在Javascript方面,您需要使用encodeURI
函数来转义url,如下所示:
// results in "http://test.com?var=%C2%AE"
$url = encodeURI("http://test.com?var=®")
然后,在PHP方面,在使用它之前,您需要像这样用urldecode
对它进行Unscape:
$url = urldecode($_POST['url']);
如果这仍然不起作用,请将url参数记录到文件中,或者输出它并使用浏览器控制台进行检查。
这取决于服务器期望如何接收URL。URL只能由ASCII字符的子集组成。"®"肯定不在该子集内,需要进行URL编码。URL编码只是对%xx
对中的原始字节进行编码。由于"®"可以用几种不同的编码方式编码,编码到不同的字节,因此没有一个URL表示。
因此,http://example.com/®
不是一个有效的URL,并且没有单一的方法使其有效。您不应该一开始就处理这个URL。