在 file_get_contents() 中导致 404 错误的 Unicode 字符答案

【问题标题】：Unicode characters causing 404 error in file_get_contents()在 file_get_contents() 中导致 404 错误的 Unicode 字符
【发布时间】：2019-09-05 18:22:05
【问题描述】：

我有一个应用程序通过链接自动访问 URL。只要 URL 不包含 Unicode，它就可以正常工作。

例如，我有一个链接：

<a href="https://example.com/catalog/kraków/list.html">Kraków</a>

该链接在源代码中仅包含纯 ó 字符。当我尝试这样做时：

$href = $crawler->filter('a')->attr('href');
$html = file_get_contents($href);

返回 404 错误。如果我在浏览器中访问该 URL，那很好，因为浏览器将 ó 替换为 %C3%B3。

我应该怎么做才能通过file_get_contents()访问该URL？

【问题讨论】：

stackoverflow.com/questions/31097744/… 的可能重复项？

标签： php url domcrawler

【解决方案1】：

urlencode 可用于对 url 部分进行编码。以下 sn -p 提取路径 /catalog/kraków/list.html 并对内容进行编码：catalog、kraków 和 list.html 而不是整个 url 以保留路径。

查看以下解决方案：

function encodeUri($uri){
    $urlParts = parse_url($uri);

    $path = implode('/', array_map(function($pathPart){
        return strpos($pathPart, '%') !== false ? $pathPart : urlencode($pathPart);
    },explode('/', $urlParts['path'])));

    $query = array_key_exists('query', $urlParts) ? '?' . $urlParts['query'] : '';

    return $urlParts['scheme'] . '://' . $urlParts['host']  . $path . $query;
}


$href = $crawler->filter('a')->attr('href');
$html = file_get_contents(encodeUri($href)); // outputs: https://example.com/catalog/krak%C3%B3w/list.html

parse_url 文档：https://www.php.net/manual/en/function.parse-url.php

【讨论】：

它丢失了查询字符串。我理解这个想法，我将在 URL 的路径部分实现它。
更新了答案以包含查询路径:) @RoboRobok
现在它会在缺少查询字符串时导致错误，并在没有查询时添加（理论上）冗余?。
抱歉，已修复@RoboRobok
它看起来越来越好，但你知道。然后是端口等。另外，如果URL已经编码，也会造成麻烦。没有更好的办法吗？