如何确定字符串是否被压缩？答案

【问题标题】：How to determine if a string was compressed?如何确定字符串是否被压缩？
【发布时间】：2012-06-11 07:08:34
【问题描述】：

如何确定字符串是否使用gzcompress 压缩（除了在调用gzuncompress 之前/之后比较字符串的大小，或者这是否是正确的做法）？

【问题讨论】：

标签： php string compression

【解决方案1】：

_{PRE：
我猜，如果您发送请求，您可以立即查看 $http_response_header 以查看数组中的一项是否为Content-Encoding: gzip 的变体。但这是 LAME！

有更好的方法。

这是如何...}

检查它是否是 GZIP。像个BOSS！

根据GZIP RFC：

gzip 内容的头部是这样的

+---+---+---+---+---+---+---+---+---+---+
|ID1|ID2|CM |FLG|     MTIME     |XFL|OS | (more--&gt;)
+---+---+---+---+---+---+---+---+---+---+

ID1 和 ID2 将内容标识为 GZIP。 CM 声明 ZLIB_ENCODING（压缩方法）是 ZLIB_ENCODING_DEFLATE - GZIP 通常将其用于所有 Web 服务器。

哦！并且它们具有固定值：

ID1的值为"\x1f"
ID2的值为"\x8b"
CM 的值为 "\x08" （或只是 8...）

差不多了：

$is_gzip = 0 === mb_strpos($mystery_string , "\x1f" . "\x8b" . "\x08");

工作示例

<?php
/** @link https://gist.github.com/eladkarako/d8f3addf4e3be92bae96#file-checking_gzip_like_a_boss-php */

date_default_timezone_set("Asia/Jerusalem");

while (ob_get_level() > 0) ob_end_flush();
mb_language("uni");
@mb_internal_encoding('UTF-8');
setlocale(LC_ALL, 'en_US.UTF-8');

header('Time-Zone: Asia/Jerusalem');
header('Charset: UTF-8');
header('Content-Encoding: UTF-8');
header('Content-Type: text/plain; charset=UTF-8');
header('Access-Control-Allow-Origin: *');

function get($url, $cookie = '') {
  $html = @file_get_contents($url, false, stream_context_create([
    'http' => [
      'method' => "GET",
      'header' => implode("\r\n", [''
        , 'Pragma: no-cache'
        , 'Cache-Control: no-cache'
        , 'User-Agent: Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/42.0.2310.0 Safari/537.36'
        , 'DNT: 1'
        , 'Accept-Language: en-US,en;q=0.8'
        , 'Accept: text/plain'
        , 'X-Forwarded-For: ' . implode(', ', array_unique(array_filter(array_map(function ($item) { return filter_input(INPUT_SERVER, $item, FILTER_SANITIZE_SPECIAL_CHARS); }, ['HTTP_X_FORWARDED_FOR', 'REMOTE_ADDR', 'HTTP_CLIENT_IP', 'SERVER_ADDR', 'REMOTE_ADDR']), function ($item) { return null !== $item; })))
        , 'Referer: http://eladkarako.com'
        , 'Connection: close'
        , 'Cookie: ' . $cookie
        , 'Accept-Encoding: gzip'
      ])
    ]]));

  $is_gzip = 0 === mb_strpos($html, "\x1f" . "\x8b" . "\x08", 0, "US-ASCII");

  return $is_gzip ? zlib_decode($html, ZLIB_ENCODING_DEFLATE) : $html;
}

$html = get('http://www.pogdesign.co.uk/cat/');

echo $html;

我们在这里看到什么值得一提的？

首先初始化 PHP 引擎以使用 UTF-8（因为我们真的不知道网络服务器 是否会返回 GZIP 内容。
提供标头Accept-Encoding: gzip，告诉网络服务器，它可能输出 GZIP 内容。
发现 GZIP 内容（您应该使用带有 ASCII 编码的多字节函数。
最后返回纯输出，使用ZLIB 方法很容易。

【讨论】：

适用于 gzencoded 字符串，但不适用于没有 gzip-header 的 gzcompressed 字符串，所以我这样做：function isGzipped($in) { if (mb_strpos($in , "\x1f" . "\x8b" . "\x08")===0) { return true; } else if (@gzuncompress($in)!==false) { return true; } else { return false; } }
@futtta - 不错的补充，顺便说一句。你仍然应该保留"US-ASCII"（在mb_strpos）..

【解决方案2】：

字符串和压缩字符串都是简单的字节序列。您无法真正区分一个字节序列和另一个字节序列。您应该知道从随附的元数据中字节块是否代表压缩格式。

如果您真的需要以编程方式猜测，您可以尝试以下几件事：

尝试解压字符串，看看解压操作是否成功。如果失败，则字节可能不代表压缩字符串。
尝试检查明显的“奇怪”字节，例如0x20 之前的任何内容。这些字节通常不用于常规文本。但是，并不能真正保证它们出现在压缩字符串中。
使用mb_check_encoding 来查看字符串在您怀疑它所在的编码中是否有效。如果不是，它可能已被压缩（或者您检查了错误的编码）。需要注意的是，几乎任何字节序列在几乎每个单字节编码中都是有效的，因此这仅适用于多字节编码。

【讨论】：

对不起，我这么无知，但我该如何执行第一个要点？当我在未压缩的字符串上调用 gzuncompress 时，它不会返回错误，只是返回相同的字符串。
嗯，它为我返回false...var_dump(gzuncompress('foobar'));
请注意，“\t”（制表符）、“\n”（换行符）和“\r”（回车符）都可能在任何字符串中，并且都低于 0x20。

【解决方案3】：

这对我来说很好：

if (@gzuncompress($_xml)!==false) {
   // gzipped sring

【讨论】：