使用Curl进行抓取远程内容时url中文编码问题示例探讨

网络编程 2024/11/20 佚名

3 2 1

PHP中对于URL进行编码，可以使用 urlencode() 或者 rawurlencode()，二者的区别是前者把空格编码为 '+'，而后者把空格编码为 '%20'，不过应该注意的是，在编码时应该只对部分URL编码，否则URL中的冒号和反斜杠也会被转义。下面是详细解释：
复制代码代码如下:
string urlencode( string str)

返回字符串，此字符串中除了 -_. 之外的所有非字母数字字符都将被替换成百分号（%）后跟两位十六进制数，空格则编码为加号（+）。
例子 1 ：urlencode函数与rawurlencode函数区别
复制代码代码如下:
$str='博客';
echo urlencode($str);
echo "<br>";
echo rawurlencode($str);

url结果：
复制代码代码如下:
%B2%A9+%BF%CD
%B2%A9%20%BF%CD

例子 2 ：url中文编码方法
从url:"http://www.baidu.com/s?wd=博客" 转为 url:"http://www.baidu.com/s?wd=%E5%8D%9A%20%E5%AE%A2";
复制代码代码如下:
$url='http://www.baidu.com/s?wd=博客';
$arr=explode('=',$url);
$url=$arr[0].'='.rawurlencode($arr[1]);
echo $url;

结果：
http://www.baidu.com/s?wd=%E5%8D%9A%20%E5%AE%A2
或许用以下url编码函数
复制代码代码如下:
function cn_urlencode($url){
$pregstr = "/[\x{4e00}-\x{9fa5}]+/u";//UTF-8中文正则
if(preg_match_all($pregstr,$url,$matchArray)){//匹配中文，返回数组
foreach($matchArray[0] as $key=>$val){
$url=str_replace($val, urlencode($val), $url);//将转译替换中文
}
if(strpos($url,' ')){//若存在空格
$url=str_replace(' ','%20',$url);
}
}
return $url;
}

url结果：
http://www.baidu.com/s?wd=%E5%8D%9A%20%E5%AE%A2

Curl,抓取远程内容,url中文编码