除了比较使用gzuncompress
函数前后字符串的大小,我该如何确定一个字符串是否已经被gzcompress
压缩?或者说,那种方法是正确的?
前置条件:
我猜,如果您发送一个请求,您可以立即查看$http_response_header
,以查看数组中的某个项目是否是Content-Encoding: gzip
的变体。但这并不理想!
有一种更好的方法。
以下是如何操作...
根据GZIP RFC:
+---+---+---+---+---+---+---+---+---+---+
|ID1|ID2|CM |FLG| MTIME |XFL|OS | (more-->)
+---+---+---+---+---+---+---+---+---+---+
这段代码中,ID1
和 ID2
用于标识内容为GZIP格式。而CM
表示ZLIB_ENCODING
(压缩方法)为ZLIB_ENCODING_DEFLATE
- 这是所有Web服务器上通常与GZIP一起使用的压缩方法。
哦!并且它们有固定的值:
"\x1f"
"\x8b"
"\x08"
(或者只是8...)<?php
/** @link https://gist.github.com/eladkarako/d8f3addf4e3be92bae96#file-checking_gzip_like_a_boss-php */
date_default_timezone_set("Asia/Jerusalem");
while (ob_get_level() > 0) ob_end_flush();
mb_language("uni");
@mb_internal_encoding('UTF-8');
setlocale(LC_ALL, 'en_US.UTF-8');
header('Time-Zone: Asia/Jerusalem');
header('Charset: UTF-8');
header('Content-Encoding: UTF-8');
header('Content-Type: text/plain; charset=UTF-8');
header('Access-Control-Allow-Origin: *');
function get($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 $html;
UTF-8
(因为我们不确定 Web 服务器是否会返回 GZIP 内容)。Accept-Encoding: gzip
,告诉 Web 服务器它可以输出 GZIP 内容。ZLIB
方法轻松返回纯文本输出。一个字符串和一个压缩后的字符串都是由字节序列组成的。你无法真正区分一个字节序列和另一个字节序列。你应该知道一堆字节是否代表压缩格式,需要查看相应的元数据。
如果你真的需要以编程方式猜测,可以尝试以下几种方法:
0x20
之前的字节。这些字节通常不用于普通文本。但是,并没有真正保证它们会出现在压缩的字符串中。mb_check_encoding
来查看一个字符串是否在你所怀疑的编码中有效。如果无效,则很可能已经被压缩了(或者你选择了错误的编码)。请注意,几乎任何字节序列在几乎所有单字节编码中都是有效的,因此这只适用于多字节编码。gzuncompress
时,它不会返回错误,只是相同的字符串。 - Maxfalse
... var_dump(gzuncompress('foobar'));
- decezeif (@gzuncompress($_xml)!==false) {
// gzipped sring
你可以像@DiDiegodaFonseca所说的那样,简单地尝试对数据使用gzuncompress()
。如果失败了,则它不是由gzcompress()
生成的,或者没有被忠实地传输。
如果你真的想要,你可以检查前两个字节是否为zlib头(不是gzip头,如接受的答案中错误地建议的那样)。gzcompress()
生成一个zlib流,而不是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,将这两个字节作为大端16位无符号整数必须是31的倍数。除了检查这一点之外,你还可以检查第一个字节的低四位是否为8(1000),并且高位为零。
mb_strpos
中仍应保留"US-ASCII"
。 - user257319