UTF-8 字符和 apache2 重写规则的问题

Question

我看到了validating utf-8 in htaccess rewrite rule 的帖子，我认为这很好，但我首先遇到了一个更根本的问题：

我需要扩展以处理查询字符串参数、目录名、文件名以及用于向用户显示等的 utf-8 字符。

我用 DefaultCharset utf-8 和我的 php 配置了我的 Apache，如果这很重要的话。我最初的重写规则过滤了除常规 A-Za-z 以及下划线和连字符之外的所有内容。它奏效了。其他任何东西都会给你一个 404 （这就是我想要的！）现在，但是似乎一切都匹配，包括我不想要的东西，但是，尽管它似乎匹配它不会进入查询字符串，除非它是一个常规的 A-Za-z_- 字符串。

我觉得这很混乱，因为规则说将匹配到的任何内容放入查询字符串中：

这是原来的规则：

RewriteRule ^/puzzle/([A-Za-z_-]+)$ /puzzle.php?g=$1 [NC]

这是修改后的规则：

RewriteRule ^/puzzle/(\w+)$ /puzzle.php?g=$1 [NC]

我进行了更改，因为在某处我读到 \w 与 A-Zetc 中的所有 alpha 字符匹配。只匹配那些没有口音和东西的。

我使用哪些规则似乎并不重要：会发生什么：

在应用程序中我有这个：

echo $_GET['g'];

如果我给它提供一个像http://mydomain.com/puzzle/USA 这样的网址，它会回显“美国”并且工作正常。
如果我给它提供一个像http://mydomain.com/puzzle/México 这样的网址，它不会对此做出任何回应，并警告我索引 g 没有定义，当然也没有获得墨西哥的资源。
如果我给它提供一个像http://mydomain.com/puzzle/fuzzle/buzzle/j.qle 这样的网址，它会做同样的事情。
最后一种情况应该是404！

无论我使用上述哪种规则，它都会这样做。我配置了一个重写日志

   RewriteLogLevel 5
   RewriteLog /opt/local/apache2/logs/puzzles.httpd.rewrite

但它是空的。

这是来自常规访问日志（它给出的状态为 200）

[26/May/2010:11:21:42 -0700] "GET /puzzle/M%C3%A9xico HTTP/1.1" 200 342
[26/May/2010:11:21:54 -0700] "GET /puzzle/M/l.foo HTTP/1.1" 200 342

我该怎么做才能让这些 $%#$@(*#@!!! 字符而不是斜线、点或其他非 alpha 字符进入我的程序，并且一旦出现，它会正确解码它们吗？？？ posix char 类工作得更好吗？我还需要配置什么吗？

Answer 1

我建议您激活 MultiViews 并忘记 mod_rewrite。在相关的Directory/VirtualHost 部分中添加到您的 apache 配置：

Options +MultiViews
#should already be set to this, but it doesn't hurt:
AcceptPathInfo Default

不，只要客户端在其 Accept 标头中包含对应的 mime 类型，您始终可以省略扩展。

现在/puzzle/whatever 的请求将映射到/puzzle.php 并且$_SERVER['PATH_INFO'] 将填充/whatever。

---

如果你想用 mod_rewrite 来做它也是可能的。 RewriteRule 的测试字符串未转义（%xx 部分转换为它们所代表的实际字节）。您可以使用%{REQUEST_URI} 或%{THE_REQUEST} 获取原始转义字符串（最后一个还包含HTTP 方法和版本）。

按照惯例，Web 浏览器在 URL 中使用 UTF-8 编码。这意味着“México”将被 urlencoded 为 M%C2%82xico，而不是 M%82xico，如果浏览器使用 ISO-8859-1，这是预期的。此外，[a-zA-Z] 将不匹配 é。但是，这应该有效：

RewriteCond %{REQUEST_URI} ^/puzzle/[^/]*$
RewriteRule ^/puzzle/(.*)$ /puzzle.php?q=$1 [B,L]

您需要 B 来转义反向引用，因为您在查询字符串中使用它，其中允许的字符集小于 URI 的其余部分。

您应该注意的是RewriteRule 不支持 unicode。 .* 以外的任何东西都可能给出（可能）不正确的结果。即使[^/] 也可能不起作用，因为/“字符”（读取：字节）可能是多字节字符序列的一部分。如果 RewriteRule 支持 Unicode，那么您使用 \w 的解决方案应该可以工作。

由于您不想匹配子目录，并且RewriteRule ^/puzzle/[^/]* 不是一个选项，因此该检查将推迟到使用（转义）%{REQUEST_URI} 的RewriteCond。

Answer 2

开...

重写规则 ^/puzzle/(\w+)$ /puzzle.php?g=$1 [NC]

如果我错了，请有人纠正我，但这是否意味着获取请求子目录的请求只是绕过此规则？

另外，解决此问题的一种懒惰方法是也将“%”字符分组。据我所知，您只能在任何 url 路径上使用 url 编码。其实看：http://www.blooberry.com/indexdot/html/topics/urlencoding.htm

我确信有更高级和更好的方法可以做到这一点，但这应该可以解决您的直接问题。

Answer 3

这是对驱逐舰答案的回应，但太长了。

我对 unicode 的 URL 编码感到失望，因为它很容易解码以显示。所以也许这就是基本问题。最终，我将在 php 中使用 url_encode 来执行此操作，但我想我会尝试在线测试来测试一下：我去了 http://www.opinionatedgeek.com/dotnet/tools/urlencode/Encode.aspx 并尝试对 México 进行编码，结果是 M%c3%a9xico。我去了您指定的站点并尝试了它，结果 M%E9xico 不同！是哪个？？？我想我必须接受 php 函数实际上给我的任何东西。但是这两个都有一个 9，这意味着我必须接受数字和 %。这就是我必须包括的全部内容吗？

我希望请求真正的子目录的请求不符合这个规则，如果这就是你绕过它的意思，我宁愿他们实际上在子目录中呈现静态页面。这就是为什么我真的想排除 / 我以为我做了。但似乎匹配 / 之后的任何内容，包括嵌套的子目录并转到 puzzle.php 文件。

这是我尝试过的，但没有乐趣：我使用了这个规则： 重写规则 ^/puzzle/([A-Za-z0-9_%-]+)$ /puzzle.php?g=$1 [NC] 如您所见，我将 % 和 0-9 添加到组中。我需要逃避 % 还是什么？我读到只有 \ 需要在方括号内转义。我希望这就是你的意思。这些是您通过编码任何可能的 unicode 字符串获得的唯一附加字符吗？然后我通过了 2 个不同的 url 编码版本的墨西哥。对于 M%E9xico，我现在得到 404 和这条消息： 在此服务器上未找到请求的 URL /puzzle/México。对于 M%c3%a9xico，我现在在 404 上收到此消息：在此服务器上未找到请求的 URL /puzzle/México。对于不存在的子目录，它现在应该给出 404。所以现在只是重写规则不起作用。这就是进步。重写日志也开始在其中获取内容：这里有一些。我将谷歌如何阅读这些日志：

kidd108d-mac3:logs tpdick$ cat puzzles.httpd.rewrite 
::1 - - [26/May/2010:15:54:37 --0700] [puzzles.net/sid#886b00][rid#904858/initial] (2) init rewrite engine with requested uri /puzzle/M?xico
::1 - - [26/May/2010:15:54:37 --0700] [puzzles.net/sid#886b00][rid#904858/initial] (3) applying pattern '^/puzzle/([A-Za-z0-9_%-]+)$' to uri '/puzzle/M?xico'
::1 - - [26/May/2010:15:54:37 --0700] [puzzles.net/sid#886b00][rid#904858/initial] (1) pass through /puzzle/M?xico
::1 - - [26/May/2010:15:54:37 --0700] [puzzles.net/sid#886b00][rid#910858/subreq] (3) [perdir /Users/tpdick/Sites/puzzles/] add path info postfix: /Users/tpdick/Sites/puzzles/puzzle.php -> /Users/tpdick/Sites/puzzles/puzzle.php/M?xico
::1 - - [26/May/2010:15:54:37 --0700] [puzzles.net/sid#886b00][rid#910858/subreq] (3) [perdir /Users/tpdick/Sites/puzzles/] strip per-dir prefix: /Users/tpdick/Sites/puzzles/puzzle.php/M?xico -> puzzle.php/M?xico
::1 - - [26/May/2010:15:54:37 --0700] [puzzles.net/sid#886b00][rid#910858/subreq] (3) [perdir /Users/tpdick/Sites/puzzles/] applying pattern '^(.*)/GeoP-Test/puzzle/(.*)$' to uri 'puzzle.php/M?xico'
::1 - - [26/May/2010:15:54:37 --0700] [puzzles.net/sid#886b00][rid#910858/subreq] (1) [perdir /Users/tpdick/Sites/puzzles/] pass through /Users/tpdick/Sites/puzzles/puzzle.php
::1 - - [26/May/2010:15:54:37 --0700] [puzzles.net/sid#886b00][rid#904858/initial] (3) [perdir /Users/tpdick/Sites/puzzles/] add path info postfix: /Users/tpdick/Sites/puzzles/puzzle.php -> /Users/tpdick/Sites/puzzles/puzzle.php/M?xico
::1 - - [26/May/2010:15:54:37 --0700] [puzzles.net/sid#886b00][rid#904858/initial] (3) [perdir /Users/tpdick/Sites/puzzles/] strip per-dir prefix: /Users/tpdick::1 - - [26/May/2010:15:54:37 --0700] [puzzles.net/sid#886b00][rid#904858/initial] (2) init rewrite engine with requested uri /puzzle/México
::1 - - [26/May/2010:15:54:37 --0700] [puzzles.net/sid#886b00][rid#904858/initial] (3) applying pattern '^/puzzle/([A-Za-z0-9_%-]+)$' to uri '/puzzle/México'
::1 - - [26/May/2010:15:54:37 --0700] [puzzles.net/sid#886b00][rid#904858/initial] (1) pass through /puzzle/México
::1 - - [26/May/2010:15:54:37 --0700] [puzzles.net/sid#886b00][rid#910858/subreq] (3) [perdir /Users/tpdick/Sites/puzzles/] add path info postfix: /Users/tpdick/Sites/puzzles/puzzle.php -> /Users/tpdick/Sites/puzzles/puzzle.php/México
::1 - - [26/May/2010:15:54:37 --0700] [puzzles.net/sid#886b00][rid#910858/subreq] (3) [perdir /Users/tpdick/Sites/puzzles/] strip per-dir prefix: /Users/tpdick/Sites/puzzles/puzzle.php/México -> puzzle.php/México
::1 - - [26/May/2010:15:54:37 --0700] [puzzles.net/sid#886b00][rid#910858/subreq] (3) [perdir /Users/tpdick/Sites/puzzles/] applying pattern '^(.*)/GeoP-Test/puzzle/(.*)$' to uri 'puzzle.php/México'
::1 - - [26/May/2010:15:54:37 --0700] [puzzles.net/sid#886b00][rid#910858/subreq] (1) [perdir /Users/tpdick/Sites/puzzles/] pass through /Users/tpdick/Sites/puzzles/puzzle.php
::1 - - [26/May/2010:15:54:37 --0700] [puzzles.net/sid#886b00][rid#904858/initial] (3) [perdir /Users/tpdick/Sites/puzzles/] add path info postfix: /Users/tpdick/Sites/puzzles/puzzle.php -> /Users/tpdick/Sites/puzzles/puzzle.php/México

现在呢？？

Answer 4

此解决方案基于：http://www.dracos.co.uk/code/apache-rewrite-problem/

试试这个重写规则：

AddDefaultCharset UTF-8
RewriteEngine On
RewriteCond %{THE_REQUEST} /puzzle/([^?\ /]+)
RewriteRule ^puzzle/(.*)$ puzzle.php/%1 [L]

如何获取查询参数：

<?php
// Get query param
$g = substr($_SERVER['PATH_INFO'], 1); 
echo "<p>g: $g</p>";

// Test if '/' is present in URL for 404's
$g2 = substr($_SERVER['REQUEST_URI'], 8); 
if (strpos($g2, '/') === false) {
    // do stuff
} else {
    // Send 404 header here
    echo "<p>404</p>";
}
?>

使用此解决方案，您必须从 php 发送 404。

Answer 5

使用 CodeIgniter 和 utf-8 越南语 (Tiếng Việt) 文件.htaccess：

RewriteEngine on
RewriteCond %{REQUEST_FILENAME} !-d
RewriteCond %{REQUEST_FILENAME} !-f
RewriteRule ^(.+[a-z,A-Z,0-9,ễ].+)$ index.php/$1 [L]

当 url 有 'ễn' 然后错误 => RewriteRule 有 'ễ'

Answer 6

测试它([^/]+) 它可能对你有用