php 如何确定字符串是否被压缩?

zsohkypk  于 2023-01-19  发布在  PHP
关注(0)|答案(4)|浏览(133)

如何确定一个字符串是否用gzcompress压缩过(除了比较调用gzuncompress之前/之后的字符串大小之外,或者这是正确的方法吗)?

zujrkrfu

zujrkrfu1#

前:

  • 我猜想,如果您发送一个请求,您可以立即查看$http_response_header,看看数组中的某个项是否是Content-Encoding: gzip的变体,但这并不理想!

有一个更好的方法。
以下是如何...

* 检查它是否是GZIP。像个老板!*

根据GZIP RFC:

gzip内容的标题如下所示

+---+---+---+---+---+---+---+---+---+---+
|ID1|ID2|CM |FLG|     MTIME     |XFL|OS | (more-->)
+---+---+---+---+---+---+---+---+---+---+

ID1ID2将内容标识为GZIPCM声明**ZLIB_ENCODING**(压缩方法)为ZLIB_ENCODING_DEFLATE-GZIP通常在所有Web服务器上使用此方法。

哦!并且它们具有固定值:
ID 1的值为
"\x1f"

ID 2的值为
"\x8b"

CM的值为*"\x08"**(或仅为8...)

就快到了:

'$is_gzip = 0 === mb_strpos(神秘字符串,“\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;

我们在这里看到了哪些值得一提的内容?

  • 首先初始化PHP引擎以使用UTF-8(因为我们不知道Web服务器是否会返回GZIP内容。
  • 提供报头Accept-Encoding: gzip,告知web服务器,它可以输出GZIP内容。
  • 发现GZIP内容(您应该使用带有ASCII编码的多字节函数)。
  • 最后返回普通输出,使用ZLIB方法很容易。
sgtfey8w

sgtfey8w2#

字符串和压缩字符串都是简单的字节序列。你不能真正区分一个字节序列和另一个字节序列。你 * 应该知道 * 字节blob是否代表压缩格式或不伴随元数据。
如果您确实需要以编程方式进行 * 猜测 *,您可以尝试以下几种方法:

  • 尝试解压缩字符串并查看解压缩操作是否成功。如果失败,则字节可能不代表压缩的字符串。
  • 尝试检查0x20之前的任何明显的“奇怪”字节。这些字节通常不会在常规文本中使用。尽管不能真实的保证它们会出现在压缩字符串中。
  • 使用mb_check_encoding查看一个字符串在你怀疑的编码中是否有效。如果不是,它可能被压缩了(或者你检查了错误的编码)。需要注意的是,实际上任何字节序列在每一个单字节编码中都是有效的,所以这只适用于多字节编码。
dxxyhpgq

dxxyhpgq3#

这对我来说很好:

if (@gzuncompress($_xml)!==false) {
   // gzipped sring
klsxnrf1

klsxnrf14#

您可以简单地在@DiDiegodaFonseca标注的数据上尝试gzuncompress(),如果失败,则不是gzcompress()制作的,或者没有如实传输。
如果确实需要,可以检查 zlib 头的前两个字节(不是gzip头,因为接受的答案中错误地建议)。gzcompress()生成zlib流,* 不是 * gzip流。gzencode()生成gzip流。gzdeflate()生成原始deflate流。
RFC 1950描述了zlib头。它是两个字节,其中作为big-endian 16位无符号整数的两个字节必须是31的倍数。除了检查这一点之外,您还可以检查第一个字节的低四位是否为8(1000),高四位是否为0。

相关问题