带有多字节 UTF-8 文件名的 PHP basename() 和 pathinfo()

Question

我发现 PHP 函数 basename() 以及 pathinfo() 具有多字节 utf-8 名称的奇怪行为。 他们删除所有非拉丁字符，直到第一个拉丁字符或标点符号。但是，在此之后，会保留后续的非拉丁字符。

basename("àxà"); // returns "xà", I would expect "àxà" or just "x" instead
pathinfo("àyà/àxà", PATHINFO_BASENAME); // returns "xà", same as above

但奇怪的是 pathinfo() 的目录名部分工作正常：

pathinfo("àyà/àxà", PATHINFO_DIRNAME); // returns "àyà"

PHP 文档警告说 basename() 和 pathinfo() 函数可以识别语言环境，但这并不能证明 pathinfo(..., PATHINFO_BASENAME) 和 pathinfo(..., PATHINFO_DIRNAME) 之间的不一致是合理的，更不用说相同的非拉丁字符被丢弃或接受，具体取决于它们相对于拉丁字符的位置。

这听起来像是一个 PHP 错误。

由于“basename”检查对于避免directoy 遍历的安全问题非常重要，是否有任何可靠的basename 过滤器可以很好地处理unicode 输入？

Answer 1

我发现更改语言环境可以解决所有问题。

虽然 Apache 默认使用“C”语言环境运行，但 cli 脚本默认使用 utf-8 语言环境运行，例如“en_US.UTF-8”（或在我的情况下为“it_IT.UTF-8”）。在这些条件下，问题不会发生。

因此，Apache 上的解决方法是在调用这些函数之前将语言环境从“C”更改为“C.UTF-8”。

setlocale(LC_ALL,'C.UTF-8');
basename("àxà"); // now returns "àxà", which is correct
pathinfo("àyà/àxà", PATHINFO_BASENAME); // now returns "àxà", which is correct

或者甚至更好，如果您想备份当前语言环境并在完成后恢复它：

$lc = new LocaleManager();
$lc->doBackup();
$lc->fixLocale();
basename("àxà/àyà");
$lc->doRestore();


class LocaleManager
{
    /** @var array */
    private $backup;


    public function doBackup()
    {
        $this->backup = array();
        $localeSettings = setlocale(LC_ALL, 0);
        if (strpos($localeSettings, ";") === false)
        {
            $this->backup["LC_ALL"] = $localeSettings;
        }
        // If any of the locales differs, then setlocale() returns all the locales separated by semicolon
        // Eg: LC_CTYPE=it_IT.UTF-8;LC_NUMERIC=C;LC_TIME=C;...
        else
        {
            $locales = explode(";", $localeSettings);
            foreach ($locales as $locale)
            {
                list ($key, $value) = explode("=", $locale);
                $this->backup[$key] = $value;
            }
        }
    }


    public function doRestore()
    {
        foreach ($this->backup as $key => $value)
        {
            setlocale(constant($key), $value);
        }
    }


    public function fixLocale()
    {
        setlocale(LC_ALL, "C.UTF-8");
    }
}