首页 ❯

urlencode vs rawurlencode？

php urlencode url-encoding
2022-08-30 05:54:58

如果我想使用变量创建URL，我有两种选择来编码字符串。 和。urlencode()rawurlencode()

究竟有什么区别，哪个是首选的？


答案 1

这将取决于您的目的。如果与其他系统的互操作性很重要，那么rawurlencode似乎是要走的路。一个例外是遗留系统，它期望查询字符串遵循编码为+而不是%20的空格的表单编码风格（在这种情况下，您需要urlencode）。

rawurlencode 遵循 PHP 5.3.0 之前的 RFC 1738 和之后的 RFC 3986（参见 http://us2.php.net/manual/en/function.rawurlencode.php)

返回一个字符串，其中除 -_.~ 之外的所有非字母数字字符都已替换为百分比 （%） 符号，后跟两个十六进制数字。这是 » RFC 3986 中描述的编码，用于保护文字字符不被解释为特殊的 URL 分隔符，并保护 URL 不被具有字符转换的传输介质破坏（如某些电子邮件系统）。

关于 RFC 3986 与 1738 的注释。php 5.3 之前的 rawurlencode 根据 RFC 1738 对波浪号字符 （） 进行了编码。但是，从 PHP 5.3 开始，rawurlencode 遵循 RFC 3986，它不需要编码波形符。~

urlencode将空格编码为加号（不像在rawulencode中所做的那样）（请参阅 http://us2.php.net/manual/en/function.urlencode.php%20)

返回一个字符串，其中除 -_ 之外的所有非字母数字字符。已替换为百分比 （%） 符号，后跟两个十六进制数字和编码为加号 （+） 的空格。它的编码方式与来自 WWW 表单的发布数据的编码方式相同，与 application/x-www-form-urlencoded 媒体类型中的编码方式相同。这与 » RFC 3986 编码（参见 rawurlencode（））不同，因为出于历史原因，空格被编码为加号 （+）。

这对应于 RFC 1866 中 application/x-www-form-urlencoded 的定义。

补充阅读：

您可能还想在 http://bytes.com/groups/php/5624-urlencode-vs-rawurlencode 上看到讨论。

此外，RFC 2396也值得一看。RFC 2396 定义了有效的 URI 语法。我们感兴趣的主要部分来自 3.4 查询组件：

在查询组件中，字符是保留的。";", "/", "?", ":", "@",
"&", "=", "+", ",", and "$"

如您所见，它是查询字符串中的保留字符，因此需要按照 RFC 3986 进行编码（如在 rawurlencode 中）。+


答案 2

证明在PHP的源代码中。

我将带您完成一个快速的过程，了解如何在将来的任何时间自己找到这种事情。请原谅我，有很多C源代码你可以略过（我解释一下）。如果你想复习一些C，一个很好的起点是我们的SO wiki。

下载源代码（或使用 http://lxr.php.net/ 在线浏览），删除函数名称的所有文件，你会发现这样的东西：

PHP 5.3.6（在撰写本文时的最新一次）在url.c文件的本机C代码中描述了这两个函数。

RawUrlEncode（）

PHP_FUNCTION(rawurlencode)
{
    char *in_str, *out_str;
    int in_str_len, out_str_len;

    if (zend_parse_parameters(ZEND_NUM_ARGS() TSRMLS_CC, "s", &in_str,
                              &in_str_len) == FAILURE) {
        return;
    }

    out_str = php_raw_url_encode(in_str, in_str_len, &out_str_len);
    RETURN_STRINGL(out_str, out_str_len, 0);
}

UrlEncode（）

PHP_FUNCTION(urlencode)
{
    char *in_str, *out_str;
    int in_str_len, out_str_len;

    if (zend_parse_parameters(ZEND_NUM_ARGS() TSRMLS_CC, "s", &in_str,
                              &in_str_len) == FAILURE) {
        return;
    }

    out_str = php_url_encode(in_str, in_str_len, &out_str_len);
    RETURN_STRINGL(out_str, out_str_len, 0);
}

好吧，那么这里有什么不同呢？

它们本质上分别调用两个不同的内部函数：php_raw_url_encode和php_url_encode

所以去寻找这些功能吧！

让我们来看看php_raw_url_encode

PHPAPI char *php_raw_url_encode(char const *s, int len, int *new_length)
{
    register int x, y;
    unsigned char *str;

    str = (unsigned char *) safe_emalloc(3, len, 1);
    for (x = 0, y = 0; len--; x++, y++) {
        str[y] = (unsigned char) s[x];
#ifndef CHARSET_EBCDIC
        if ((str[y] < '0' && str[y] != '-' && str[y] != '.') ||
            (str[y] < 'A' && str[y] > '9') ||
            (str[y] > 'Z' && str[y] < 'a' && str[y] != '_') ||
            (str[y] > 'z' && str[y] != '~')) {
            str[y++] = '%';
            str[y++] = hexchars[(unsigned char) s[x] >> 4];
            str[y] = hexchars[(unsigned char) s[x] & 15];
#else /*CHARSET_EBCDIC*/
        if (!isalnum(str[y]) && strchr("_-.~", str[y]) != NULL) {
            str[y++] = '%';
            str[y++] = hexchars[os_toascii[(unsigned char) s[x]] >> 4];
            str[y] = hexchars[os_toascii[(unsigned char) s[x]] & 15];
#endif /*CHARSET_EBCDIC*/
        }
    }
    str[y] = '\0';
    if (new_length) {
        *new_length = y;
    }
    return ((char *) str);
}

当然，php_url_encode：

PHPAPI char *php_url_encode(char const *s, int len, int *new_length)
{
    register unsigned char c;
    unsigned char *to, *start;
    unsigned char const *from, *end;

    from = (unsigned char *)s;
    end = (unsigned char *)s + len;
    start = to = (unsigned char *) safe_emalloc(3, len, 1);

    while (from < end) {
        c = *from++;

        if (c == ' ') {
            *to++ = '+';
#ifndef CHARSET_EBCDIC
        } else if ((c < '0' && c != '-' && c != '.') ||
                   (c < 'A' && c > '9') ||
                   (c > 'Z' && c < 'a' && c != '_') ||
                   (c > 'z')) {
            to[0] = '%';
            to[1] = hexchars[c >> 4];
            to[2] = hexchars[c & 15];
            to += 3;
#else /*CHARSET_EBCDIC*/
        } else if (!isalnum(c) && strchr("_-.", c) == NULL) {
            /* Allow only alphanumeric chars and '_', '-', '.'; escape the rest */
            to[0] = '%';
            to[1] = hexchars[os_toascii[c] >> 4];
            to[2] = hexchars[os_toascii[c] & 15];
            to += 3;
#endif /*CHARSET_EBCDIC*/
        } else {
            *to++ = c;
        }
    }
    *to = 0;
    if (new_length) {
        *new_length = to - start;
    }
    return (char *) start;
}

在我继续前进之前，EBCDIC是另一个字符集，类似于ASCII，但完全是竞争对手。PHP试图处理这两个问题。但基本上，这意味着字节EBCDIC 0x4c字节不是ASCII中的字节，它实际上是一个.我相信你在这里看到了混乱。L<

如果 Web 服务器已定义 EBCDIC，则这两个函数都管理 EBCDIC。

此外，它们都使用字符数组（think字符串类型）查找来获取一些值，该数组描述如下：hexchars

/* rfc1738:

   ...The characters ";",
   "/", "?", ":", "@", "=" and "&" are the characters which may be
   reserved for special meaning within a scheme...

   ...Thus, only alphanumerics, the special characters "$-_.+!*'(),", and
   reserved characters used for their reserved purposes may be used
   unencoded within a URL...

   For added safety, we only leave -_. unencoded.
 */

static unsigned char hexchars[] = "0123456789ABCDEF";

除此之外，这些函数实际上是不同的，我将用ASCII和EBCDIC来解释它们。

ASCII 的差异：

URLENCODE：

  • 计算输入字符串的开始/结束长度，分配内存
  • 遍历 while 循环，递增，直到到达字符串的末尾
  • 抓住现在的角色
  • 如果字符等于 ASCII Char 0x20（即“空格”），则在输出字符串中添加一个符号。+
  • 如果它不是一个空格，它也不是字母数字（），也不是和，，或字符，那么我们，输出一个符号到数组位置0，做一个数组查找数组（来自Apache的数组，将char转换为十六进制代码）的键（现在字符），然后我们按位向右移4， 将该值分配给字符 1，对于位置 2，我们分配相同的查找，除了我们预先形成一个逻辑并查看该值是否为 15（0xF），在这种情况下返回 1，否则返回 0。最后，你最终会得到一些编码的东西。isalnum(c)_-.%hexcharsos_toasciic
  • 如果它最终不是一个空格，它是字母数字或其中一个字符，它输出的正是它是什么。_-.

RAWURLENCODE：

  • 为字符串分配内存
  • 根据函数调用中提供的长度（不像 URLENCODE 那样在函数中计算）迭代它。

注意：许多程序员可能从未见过这种方式的for循环迭代，它有点黑客，而不是大多数for循环使用的标准约定，注意，它分配和，检查达到0时的退出，并同时递增和。我知道，这不是你所期望的，但它是有效的代码。xylenxy

  • 将当前字符指定给 中的匹配字符位置。str
  • 它检查当前字符是字母数字还是其中一个字符，如果不是，我们执行与URLENCODE几乎相同的赋值，其中它预先形成查找，但是，我们以不同的方式递增，使用而不是，这是因为字符串以不同的方式构建，但无论如何在最后达到相同的目标。_-.y++to[1]
  • 当循环完成并且长度消失时，它实际上终止字符串，分配字节。\0
  • 它返回编码的字符串。

差异：

  • UrlEncode检查空间，分配一个+号，RawURLEncode不。
  • UrlEncode不会为字符串分配字节，RawUrlEncode会（这可能是一个有争议的问题）\0
  • 它们的迭代方式不同，其中一个可能容易溢出格式错误的字符串，我只是建议这一点，我实际上还没有调查过。

它们基本上以不同的方式迭代，在ASCII 20的情况下分配一个+号。

EBCDIC的差异：

URLENCODE：

  • 与 ASCII 相同的迭代设置
  • 仍在将“空格”字符转换为 + 号。注意 - 我认为这需要在EBCDIC中编译，否则你最终会遇到一个错误？有人可以编辑并确认这一点吗？
  • 它检查现在的 char 是否是之前的 char，除了是 a 或 ， OR 小于但大于 char ， OR 大于和小于 但不是 a。或者大于（是的，EBCDIC有点混乱）。如果它与其中任何一个匹配，请执行与ASCII版本中类似的查找（它只是不需要在os_toascii中查找）。0.-A9Za_z

RAWURLENCODE：

  • 与 ASCII 相同的迭代设置
  • 与 EBCDIC 版本的 URL 编码中描述的检查相同，不同之处在于，如果它大于 ，则会从 URL 编码中排除。z~
  • 与 ASCII RawUrlEncode 相同的分配
  • 在返回之前仍将字节追加到字符串中。\0

概述

  • 两者都使用相同的十六进制查找表
  • URIEncode 不会终止带有 \0 的字符串，而原始代码会终止。
  • 如果你在EBCDIC工作，我建议使用RawUrlEncode，因为它管理着UrlEncode没有的（这是一个报告的问题）。值得注意的是，ASCII和EBCDIC 0x20都是空间。~
  • 它们的迭代方式不同，一个可能更快，一个可能容易发生基于内存或字符串的攻击。
  • URIEncode 通过数组查找将空格设置为 ，RawUrlEncode 将空格设置为 。+%20

免責聲明：我已经很多年没有接触过C，而且我已经很久没有看过EBCDIC了。如果我在某个地方错了，请告诉我。

建议的实现

基于所有这些，rawurlencode是大多数时候要走的路。正如你在乔纳森·芬格兰（Jonathan Fingland）的答案中看到的那样，在大多数情况下坚持下去。它涉及URI组件的现代方案，其中urlencode以旧学校的方式做事，其中+表示“空间”。

如果你试图在旧格式和新格式之间进行转换，请确保你的代码不会因为意外的双重编码而将解码的+号的东西变成空格，或者围绕这个space/20%/+问题出现类似的“哎呀”场景。

如果您使用的是较旧的系统，而较旧的软件不喜欢新格式，请坚持使用urlencode，但是，我相信%20实际上会向后兼容，因为在旧标准下，%20工作，只是不是首选。如果您愿意玩，请试一试，让我们知道它是如何为您解决的。

基本上，你应该坚持使用原始的，除非你的EBCDIC系统真的讨厌你。大多数程序员永远不会在2000年之后，甚至1990年之后制造的任何系统上遇到EBCDIC（这是推动的，但在我看来仍然可能）。


推荐
更多 »
标签
更多 »
php pass-by-reference optional-parameters default-value javascript arrays dom function string object serialization tostring visibility syntax jslint use-strict operators equality equality-operator identity-operator datetime timestamp date-arithmetic redirect angularjs loops foreach iteration scope variables
推荐
更多 »