php : 在 URL 查询中寻找特定字符 - 与非 ascii 作斗争

Question

嗯 - 标题基本上就是这样。
我想查看 URL 查询，并查找特定值（单数字符或小字符串）。

我可以成功地做到这一点 - 只要我只寻找“正常”字符（那些通常被称为“安全”的字符 [a-zA-Z0-9-_.~]）。
一旦我开始寻找“不安全”或“外来”字符，它就会变得丑陋。
我花了一整天（以及昨天的一部分时间）试图弄清楚这一点。
我已经阅读了大量... RFCs、php.net 用于编码东西、检测编码等。
我什至也尝试在脚本顶部设置编码/字符集等。
我经历了各种编码选项、动态设置、手动设置等。
没有任何效果。

试试下面的小脚本。
将其放入文件并访问它 - 并在下面附加查询路径；
?q=a1-.

看看你得到了什么结果。

function curPageURL() {
    $pageURL = 'http';
    if ($_SERVER["HTTPS"] == "on") {$pageURL .= "s";}
    $pageURL .= "://";
    if ($_SERVER["SERVER_PORT"] != "80") {
        $pageURL .= $_SERVER["SERVER_NAME"].":".$_SERVER["SERVER_PORT"].$_SERVER["REQUEST_URI"];
    } else {
        $pageURL .= $_SERVER["SERVER_NAME"].$_SERVER["REQUEST_URI"];
    }
    return $pageURL;
}


$needles = array(
    needle1 => 'a', 
    needle2 => '1', 
    needle3 => '-', 
    needle4 => '.', 
    needle5 => '<',
    needle6 => '^',
    needle7 => 'Ë',
    needle8 => 'à',
    needle9 => 'Ü'
);

$haystack = parse_url(curPageURL(), PHP_URL_QUERY);


if (!empty($haystack)) {
    $needlelist = implode(' | ',$needles);

    echo "We are looking for some needles ( ".$needlelist." ) in a haystack    (".$haystack.")<br/>";

    foreach ($needles as $key=>$needle) {

        echo "We are looking for ".$key."<br/>";
        $check = strpos($haystack,$needle);
        if ($check !== false) {
            echo " - Yes : we found a needle (".$needle.") in the haystack";
        } else {
            echo " - No : we failed to find the needle (".$needle.") in the haystack";
        }
        echo "<br/>";

}



echo "--------------<br/>now lets try it with a little basing?<br/>";



foreach ($needles as $key=>$needle) {

    echo "We are looking for ".$key."<br/>";

    // Basing - encode the searched for value, and replace any double-encoded % chars
    $needle = str_replace('%25','%',rawurlencode($needle));

    $check = strpos($haystack,$needle);
    if ($check !== false) {
        echo " - Yes : we found a needle (".$needle.") in the haystack";
    } else {
        echo " - No : we failed to find the needle (".$needle.") in the haystack";
    }
    echo "<br/>";

}
}

---

我不了解你，但不是奇怪的字符，或者它们正确的十六进制代码（根据 urlencoded 字符的各种列表/表）， 我得到以下（[搜索]（第一个结果）（第二个结果））；

/a a a
/1 1 1
/- - -
/。 . .
/ /^ ^ %5E
/Ë ‹ %C3%8B
/à Ã %C3%A0
/Ü - %C3%9C

(/ 添加以防止插入行 + 这里的编码使这个很难发布！)

问题是 - 例如，最后一个... Ü 应该变成 %DC（据我所知）——那为什么成对的十六进制呢？

我已经尝试阅读多字节内容......但我看不到浏览器如何对 URL 中的字符进行编码， 但脚本不会。

那么 - 任何人都知道我做错了什么，或者没有做，或者已经想通了吗？

。

为了清楚起见...
...我不是在问如何替换字符（我不想把 Ü 变成 U）。 只需取一个给定的字符串，看看它是否在 URL 中（直接，或为 URL 编码）。

谢谢，希望有人能帮忙。

Answer 1

不同的结果是由于不同的字符编码。今天的浏览器通常在直接输入地址栏时使用 UTF-8 对文本进行编码，而 Ü 以 UTF-8 编码为 0xC39C，则使用 %C3%9C 编码，因为 0xC3 和 0x9C 都不是 URL 中的有效字节。如果你用像 Windows-1252 这样的单字节字符编码来解释 0xC39C，你会得到两个字符 Ã (0xC3) 和 œ (0x9C)。