php - utf-8 字符和 apache2 重写规则的问题

Question

我看到帖子 validating utf-8 in htaccess rewrite rule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、目录名称、文件名称以及用于向用户显示等的 utf-8 字符。

我用 DefaultCharset utf-8 配置了我的 Apache，如果重要的话还配置了我的 php。我原来的重写规则过滤除了常规 A-Za-z 和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，似乎一切都匹配，包括我不想要的东西，但是，尽管它似乎匹配但它不会进入查询字符串，除非它是一个普通的 A-Za-z_- 字符串。

我觉得这很令人困惑，因为规则说将您匹配的任何内容放入查询字符串中:

这是原始规则:

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]

我做了这个改变，因为我在某处读到\w 与 A-Zetc 中的所有字母字符匹配。只匹配没有口音和东西的那些。

我使用这些规则中的哪一个似乎并不重要:这是发生的事情:

在应用程序中我有这个:

echo $_GET['g'];

如果我给它一个类似 http://mydomain.com/puzzle/USA 的 url它呼应了“美国”并且工作正常。
如果我给它一个类似 http://mydomain.com/puzzle/México 的 url它对此没有回应，并警告我索引 g 未定义，当然也没有获得墨西哥的资源。
如果我给它一个类似 http://mydomain.com/puzzle/fuzzle/buzzle/j.qle 的 url它做同样的事情。
最后一个案例应该是 404!

无论我使用上述哪条规则，它都会执行此操作。我配置了重写日志

   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(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

我该怎么做才能将这些 $%#$@(*#@!!! 字符而不是斜杠、点或其他非字母字符放入我的程序中，一旦出现，它会正确解码它们吗？？？ posix char 类工作得更好吗？还有什么我需要配置的吗？

Answer 1

我建议您激活 MultiViews 而忘记 mod_rewrite。在相关的 Directory/VirtualHost 部分添加到您的 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 header 中包含相应的 MIME 类型，您始终可以省略扩展名。

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

---

如果你想用 mod_rewrite 做它也是可能的。 RewriteRule 的测试字符串未转义(%xx 部分被转换为它们代表的实际字节)。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，网络浏览器在 URL 中使用 UTF-8 编码。这意味着“México”将被 urlencode 为 M%C2%82xico，而不是 M%82xico，如果浏览器使用 ISO-8859-1，这将是预期的。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。 .* 以外的任何内容都可能给出(可能)不正确的结果。甚至 [^/] 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 是 unicode 感知的，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，该检查被推迟到 RewriteCond使用(转义的)%{REQUEST_URI}。