php - 具有多字节UTF-8文件名的PHP basename()和pathinfo()

我发现PHP函数basename()以及pathinfo()对于多字节utf-8名称都具有奇怪的行为。
它们会删除所有非拉丁字符，直到第一个拉丁字符或标点符号为止。但是，此后，将保留后续的非拉丁字符。

basename("àxà"); // returns "xà", I would expect "àxà" or just "x" instead
pathinfo("àyà/àxà", PATHINFO_BASENAME); // returns "xà", same as above

但奇怪的是，pathinfo()的目录名部分工作正常:

pathinfo("àyà/àxà", PATHINFO_DIRNAME); // returns "àyà"

PHP文档警告basename()和pathinfo()函数是区域性的，但这并不能证明pathinfo(..., PATHINFO_BASENAME)和pathinfo(..., PATHINFO_DIRNAME)之间的不一致，更不用说丢弃或接受相同的非拉丁字符，这取决于它们相对于拉丁字符的位置。

听起来像是一个PHP错误。

由于“基本名称”检查对于避免直接遍历对安全性而言非常重要，因此是否有任何可靠的基本名称过滤器可以很好地与Unicode输入配合使用？

最佳答案

我发现更改语言环境可以解决所有问题。

虽然Apache默认情况下以“C”语言环境运行，但cli脚本默认情况下以utf-8语言环境运行，例如“en_US.UTF-8”(在我的情况下为“it_IT.UTF-8”)。在这种情况下，不会发生此问题。

因此，Apache的解决方法是在调用这些函数之前将语言环境从“C”更改为“C.UTF-8”。

setlocale(LC_ALL,'C.UTF-8');
basename("àxà"); // now returns "àxà", which is correct
pathinfo("àyà/àxà", PATHINFO_BASENAME); // now returns "àxà", which is correct

甚至更好的是，如果您想备份当前的语言环境并在完成后将其还原:

$lc = new LocaleManager();
$lc->doBackup();
$lc->fixLocale();
basename("àxà/àyà");
$lc->doRestore();


class LocaleManager
{
    /** @var array */
    private $backup;


    public function doBackup()
    {
        $this->backup = array();
        $localeSettings = setlocale(LC_ALL, 0);
        if (strpos($localeSettings, ";") === false)
        {
            $this->backup["LC_ALL"] = $localeSettings;
        }
        // If any of the locales differs, then setlocale() returns all the locales separated by semicolon
        // Eg: LC_CTYPE=it_IT.UTF-8;LC_NUMERIC=C;LC_TIME=C;...
        else
        {
            $locales = explode(";", $localeSettings);
            foreach ($locales as $locale)
            {
                list ($key, $value) = explode("=", $locale);
                $this->backup[$key] = $value;
            }
        }
    }


    public function doRestore()
    {
        foreach ($this->backup as $key => $value)
        {
            setlocale(constant($key), $value);
        }
    }


    public function fixLocale()
    {
        setlocale(LC_ALL, "C.UTF-8");
    }
}