URL 中带有“И”和“Э”utf-16 符号的 PHP 7 fopen/file_get_contents 甚至无需调用服务器即可返回 HTTP 500（适用于 PHP8）答案

【问题标题】：PHP 7 fopen/file_get_contents with "И" and "Э" utf-16 symbol in URL return HTTP 500 without even calling server (works on PHP8)URL 中带有“И”和“Э”utf-16 符号的 PHP 7 fopen/file_get_contents 甚至无需调用服务器即可返回 HTTP 500（适用于 PHP8）
【发布时间】：2021-07-22 06:51:27
【问题描述】：

在 url 链接中使用两个大写西里尔字母“И”和“Э”之一时会出现奇怪的行为：

file_get_contents("http://localhost/И")
fopen("http://localhost/И", "r")

两者都返回以下错误，但服务器甚至没有被调用：

failed to open stream: HTTP request failed! HTTP/1.1 500 Internal Server Error

有人知道这是已知问题吗？是否报告了错误？

似乎在 PHP8 中已修复，但为什么会出现此错误？

附言。这与向请求添加标头无关（我尝试过） - 甚至没有发生调用。

更新：检查了本地 nginx 日志，并且确实调用了服务器，这就是我对这两个符号所拥有的 - php 将 unicode 符号的第二部分视为“_”：

"GET /\xD0_ HTTP/1.0" 500    <----  php7-  
"GET /\xD0\x98 HTTP/1.0" 404 <----  php8

更新 2：我发现不仅这两个符号在 PHP 7 中存在这样的问题，而且在 UTF-8 表中的十六进制代码中以“98”或“ad”结尾的每个符号，以下是具有相同行为的其他符号的示例：

file_get_contents("http://localhost/ϭ"); // cf ad
file_get_contents("http://localhost/Θ"); // ce 98
file_get_contents("http://localhost/Ҙ"); // d2 98
file_get_contents("http://localhost/ј"); // d1 98
file_get_contents("http://localhost/ѭ"); // d1 ad
file_get_contents("http://localhost/Ә"); // d3 ad
file_get_contents("http://localhost/‘"); // e2 80 98
file_get_contents("http://localhost/ĭ"); // c4 ad
file_get_contents("http://localhost/Ę"); // c4 98

【问题讨论】：

当您在浏览器中访问http://localhost/И 时会发生什么？
你设置ini_set('display_errors', '1'); error_reporting(E_ALL);了吗？如果您这样做并且错误仍然是 500 - 您是否检查了网络服务器的日志以了解实际导致错误的原因？ :-) 它也是 UTF-16，所以它不是错误，而是缺少支持:) 还要检查 URL 是否按照@ChrisHaas 的建议首先工作。
出于好奇，您正在运行什么操作系统？如果将“r”更改为“rb”会发生什么？
500 Internal Server Error 是服务器生成的消息，因此即使您认为不会调用，也会发生调用。查看服务器错误日志以获取更有意义的消息。
@ChrisHaas 在浏览器中工作正常 - 返回文件。正如我所说，这是 php 本身的问题，而不是网络或其他服务器端问题

标签： php php-7 php-8

【解决方案1】：

因为http://localhost/И 是一个格式错误的 URL，您需要对包含高于 127 的代码点的路径组件进行 urlencode。您的浏览器，可能还有一些 HTTP 库，透明地执行此操作，但在 PHP 中使用文件/流函数调用 URL 肯定会赢不。

// because this is what I copy/pasted off of SO, which is UTF8
$in_8  = 'И';
// your endianness may vary
$in_16 = mb_convert_encoding($in_8, 'UTF-16LE', 'UTF-8');

$url_8  = 'http://example.com/'.urlencode($in_8);
$url_16 = 'http://example.com/'.urlencode($in_16);

var_dump(
    bin2hex($in_8),
    $url_8,
    bin2hex($in_16),
    $url_16
);

输出：

string(4) "d098"
string(25) "http://example.com/%D0%98"
string(4) "1804"
string(25) "http://example.com/%18%04"

【讨论】：

是的，接缝显式编码只是一种方式