如何在 PHP 中仅对 URL 的非 ASCII 符号进行 url 编码，但保留未编码的符号？答案

【问题标题】：How to url-encode only non-ASCII symbols of URL in PHP, but leave reserved symbols un-encoded?如何在 PHP 中仅对 URL 的非 ASCII 符号进行 url 编码，但保留未编码的符号？
【发布时间】：2012-04-07 12:48:21
【问题描述】：

我有一个如下所示的网址（注意“„ 符号）：

http://tinklarastis.omnitel.lt/kokius-aptarnavimo-kanalus-klientui-siulo-„omnitel“-1494

我从 SimplePie 解析器收到它，如果这很重要的话。现在，如果您尝试在浏览器中访问此特定 URL 并从地址栏中复制它，您将获得一个包含非 ASCII 符号的 URL percent encoded:

http://tinklarastis.omnitel.lt/kokius-aptarnavimo-kanalus-klientui-siulo-%E2%80%9Eomnitel%E2%80%9C-1494

我试图了解如何在 PHP 中模拟相同的转换。我不能简单地使用urlencode() 或urlrawencode()，因为它们同时编码了非ASCII 符号和保留符号，而在我的情况下，保留符号（/?& 等）应该保持原样。

到目前为止，我只看到solutions 涉及将 URL 拆分为保留符号之间的片段，然后使用 urlencode()，但这对我来说感觉很骇人听闻，我希望有一个更优雅的解决方案。我尝试了iconv()、mb_convert_encoding() 的各种变体，但都没有成功。

【问题讨论】：

How to encode URL using php like browsers do的可能重复
您链接到的解决方案中有什么“骇人听闻”的地方？您正在寻找的琐碎字符串操作的“优雅”方式是什么？
@YourCommonSense 我可能错了，但对我来说，我的情况似乎不是任意字符串操作练习。相反，它是一个相当通用的编码任务——浏览器在从地址栏复制 URL 时这样做表明它背后应该有一些标准/含义。
是的，这是通用编码任务。这本身就是微不足道的字符串操作。而且您已经有了解决方案。如果您已经找到答案，我认为发布另一个问题毫无意义。
我正在寻找一种明确的方法来解决这个任务。为了转义 HTML，可以使用 htmlspecialchars() 或者只使用字符代码和 str_replace() 编写自定义函数。你是对的，我知道自定义方式，但我正在寻找一种使用内置字符串操作函数的解决方案（无论它们多么微不足道）。

标签： php utf-8 urlencode

【解决方案1】：

我有一个简单的单行代码，用于仅使用 preg_match_callback 对非 ASCII 字符进行就地编码：

preg_replace_callback('/[^\x20-\x7f]/', function($match) {
    return urlencode($match[0]);
}, $url);

请注意，匿名函数仅在 PHP 5.3+ 中受支持。

【讨论】：

这应该是公认的答案。 它处理 URL 中任意位置的非 ASCII 字符（路径和查询字符串），并且不需要执行检查，如 OP 的答案中的“避免双重编码”。
很好的解决方案，谢谢！如果您还希望将标准空白编码为+，请改用'/[^\x21-\x7f]/'。如果您希望将它们编码为 %20 以符合 RFC 3986，请调用 rawurlencode() 而不是 urlencode()。

【解决方案2】：

function cyrillicaToUrlencode($text){
return $line = preg_replace_callback('/([а-яё])/ui',
                            function ($matches) {
                                return urlencode($matches[0]);
                            }, 
                            $text); 
}

echo cyrillicaToUrlencode("https://test.com/Москваёtext1Воронежtext2Москваёtext3yМоскваё___-Москваё");

将返回 - https://test.com/%D0%9C%D0%BE%D1%81%D0%BA%D0%B2%D0%B0%D1%91text1%D0%92%D0%BE%D1%80%D0%BE%D0%BD%D0%B5%D0%B6text2%D0%9C%D0%BE%D1%81%D0%BA%D0%B2%D0%B0%D1%91text3y%D0%9C%D0%BE%D1%81%D0%BA%D0%B2%D0%B0%D1%91___-%D0%9C%D0%BE%D1%81%D0%BA%D0%B2%D0%B0%D1%91

【讨论】：

【解决方案3】：

此功能可能会有所帮助：

function sanitizeUrl($url)
{
    $chars = '$-_.+!*\'(),{}|\\^~[]`<>#%";/?:@&=';
    $pattern = '~[^a-z0-9' . preg_quote($chars, '~') . ']+~iu';

    $callback = create_function('$matches', 'return urlencode($matches[0]);');

    return preg_replace_callback($pattern, $callback, $url);
}

【讨论】：

只允许在 url 字符中使用：'-._~:/?#[]@!$&\'()*+,;='

【解决方案4】：

经过一番研究，我得出一个结论，在 PHP 中没有办法做得很好（但是，python / perl 等其他语言似乎确实有适合这种用例的功能）。这是我想出的功能（确保 URL 的路径片段编码）：

function url_path_encode($url) {
    $path = parse_url($url, PHP_URL_PATH);
    if (strpos($path,'%') !== false) return $url; //avoid double encoding
    else {
        $encoded_path = array_map('urlencode', explode('/', $path));
        return str_replace($path, implode('/', $encoded_path), $url);
    }   
}

【讨论】：

【解决方案5】：

我认为这会满足您的需求。

<?php

$string = 'http://tinklarastis.omnitel.lt/kokius-aptarnavimo-kanalus-klientui-siulo-„omnitel“-1494/?foo=bar&fizz=buzz';

var_dump(filter_var($string, FILTER_SANITIZE_STRING, FILTER_FLAG_ENCODE_HIGH));

这会让你：

$ php test.php
string(140) "http://tinklarastis.omnitel.lt/kokius-aptarnavimo-kanalus-klientui-siulo-&#226;&#128;&#158;omnitel&#226;&#128;&#156;-1494/?foo=bar&fizz=buzz"

【讨论】：

建议不错，但与 RFC 3986 不匹配