萬盛學電腦網

您现在的位置: 萬盛學電腦網 >> 程式設計 >  >> 網路程式設計 >> PHP 程式設計

PHP URL 合法性驗證:正則校驗與 HTTP 可達性雙重檢測

前言

URL 驗證分兩個層面:格式合法性 (符合 RFC 3986 語法) 與 可達性 (網絡層面能否連通)。單靠正則無法保證站點存活,單靠請求又太慢。本文提供「正則快速預檢 + cURL 異步探活」的組合方案。

一、格式合法性:RFC 3986 兼容正則

PHP 內建 `filter_var($url, FILTER_VALIDATE_URL)` 雖方便,但對國際化域名 (IDN)、IPv6、非標準端口支援有限。推薦使用 經過實戰驗證的正則 或 League\Uri 庫。

1. 內建函數快速檢查

function isValidUrlFormat(string $url): bool {
    return filter_var($url, FILTER_VALIDATE_URL, FILTER_FLAG_SCHEME_REQUIRED | FILTER_FLAG_HOST_REQUIRED) !== false;
}
// 注意:預設不驗證 IP 格式、端口範圍、路徑字符集

2. 精確正則 (支援 HTTP/HTTPS、域名/IP、端口、路徑、查詢、片段)

function isValidUrlStrict(string $url): bool {
    // 修正原文正則轉義問題,採用 PCRE 詳細模式 (x) 便於閱讀
    $pattern = <<<'REGEX'
~
^
(?:https?://)                                    # Scheme
(?:
    (?:(?:[a-z0-9](?:[a-z0-9-]{0,61}[a-z0-9])?\.)+[a-z]{2,})  # 域名
  |                                             # 或
    (?:(?:25[0-5]|2[0-4]\d|1\d\d|[1-9]?\d)\.){3}(?:25[0-5]|2[0-4]\d|1\d\d|[1-9]?\d)  # IPv4
  |                                             # 或
    \[(?:[0-9a-fA-F:]+)\]                        # IPv6 (簡化)
)
(?::\d{1,5})?                                    # 可選端口
(?:/[^?#\s]*)?                                   # 路徑
(?:\?[^#\s]*)?                                   # 查詢字符串
(?:#\S*)?                                        # 片段
$
~ix
REGEX;
    return (bool)preg_match($pattern, $url);
}

3. 企業級方案:League\Uri (Composer: `league/uri`)

use League\Uri\Schemes\Http;
use League\Uri\Contracts\UriInterface;

function isValidUrlLeague(string $url): bool {
    try {
        $uri = Http::createFromString($url);
        return $uri->validate() === true;
    } catch (\Throwable) {
        return false;
    }
}

二、可達性檢測:cURL HEAD 請求 (不下載 Body)

function isUrlReachable(string $url, int $timeout = 5): array {
    $ch = curl_init($url);
    curl_setopt_array($ch, [
        CURLOPT_NOBODY        => true,      // HEAD 請求
        CURLOPT_RETURNTRANSFER => true,
        CURLOPT_FOLLOWLOCATION => true,     // 跟隨重定向
        CURLOPT_MAXREDIRS     => 5,
        CURLOPT_TIMEOUT       => $timeout,
        CURLOPT_CONNECTTIMEOUT => 3,
        CURLOPT_SSL_VERIFYPEER => false,    // 內網/自簽證書環境可關閉
        CURLOPT_SSL_VERIFYHOST  => 0,
        CURLOPT_USERAGENT     => 'PHP-URL-Checker/1.0',
    ]);

    $result = curl_exec($ch);
    $info = curl_getinfo($ch);
    $errno = curl_errno($ch);
    $error = curl_error($ch);
    curl_close($ch);

    return [
        'reachable' => $result !== false && $info['http_code'] < 400,
        'http_code' => $info['http_code'] ?? 0,
        'total_time' => $info['total_time'] ?? 0,
        'error' => $errno ? "cURL error ($errno): $error" : null,
        'effective_url' => $info['url'] ?? $url, // 重定向後最終 URL
    ];
}

// 使用
$check = isUrlReachable('https://example.com');
if ($check['reachable']) {
    echo "可訪問 (HTTP {$check['http_code']}, {$check['total_time']}s)";
} else {
    echo "不可達: {$check['error']}";
}

三、組合策略:快速預檢 + 異步探活

function validateUrlComplete(string $url, bool $checkReachable = true): array {
    // 1. 格式快速檢查 (同步,極快)
    if (!isValidUrlStrict($url)) {
        return ['valid' => false, 'reason' => 'format_invalid'];
    }

    // 2. 可達性檢查 (可選,耗時)
    if (!$checkReachable) {
        return ['valid' => true, 'format_ok' => true];
    }

    // 同步版 (簡單場景)
    $reach = isUrlReachable($url);
    return [
        'valid' => $reach['reachable'],
        'format_ok' => true,
        'http_code' => $reach['http_code'],
        'final_url' => $reach['effective_url'],
        'latency' => $reach['total_time'],
    ];
}

// 異步批量檢測 (Swoole/CurlMulti/ReactPHP)
function batchCheckUrls(array $urls, int $concurrency = 10): Generator {
    $mh = curl_multi_init();
    $handles = [];
    $results = [];

    foreach ($urls as $i => $url) {
        $ch = curl_init($url);
        curl_setopt_array($ch, [
            CURLOPT_NOBODY => true,
            CURLOPT_RETURNTRANSFER => true,
            CURLOPT_FOLLOWLOCATION => true,
            CURLOPT_TIMEOUT => 5,
            CURLOPT_SSL_VERIFYPEER => false,
        ]);
        curl_multi_add_handle($mh, $ch);
        $handles[$i] = $ch;
    }

    $running = null;
    do {
        curl_multi_exec($mh, $running);
        curl_multi_select($mh);
        while ($info = curl_multi_info_read($mh)) {
            $ch = $info['handle'];
            $key = array_search($ch, $handles, true);
            $info = curl_getinfo($ch);
            $errno = curl_errno($ch);
            $results[$key] = [
                'url' => $urls[$key],
                'reachable' => !$errno && $info['http_code'] < 400,
                'http_code' => $info['http_code'],
                'time' => $info['total_time'],
            ];
            curl_multi_remove_handle($mh, $ch);
            curl_close($ch);
        }
    } while ($running);

    curl_multi_close($mh);
    foreach ($results as $res) yield $res;
}

四、其他 PHP 內建函數對比

函數用途優點缺點
filter_var($url, FILTER_VALIDATE_URL)格式驗證零依賴、快規則寬鬆、不支援 IDN/IPv6 完整
parse_url()解析組件提取 scheme/host/path/query不驗證合法性、對異常 URL 行為不一
get_headers()獲取響應頭簡單一行無法控制超時、重定向、SSL、User-Agent;被禁用時失效
file_get_contents()獲取內容簡單下載整個 Body、慢、無超時控制、內存壓力大
fopen($url, 'r')流式讀取可流式同 get_headers 限制
cURL (推薦)全功能 HTTP 客戶端完全控制、高性能、支援並發代碼較繁瑣

五、最佳實踐清單

  1. 用戶輸入環節: 僅做格式驗證 (`isValidUrlStrict`),不做網絡請求,保證響應 < 1ms。
  2. 後台任務/定時任務: 異步批量探活 (`batchCheckUrls`),將結果緩存 (Redis) 24h,前端讀取緩存狀態。
  3. 區分 HTTP 狀態碼: 2xx/3xx 視為可達;404/403/5xx 視為不可達 (業務定義)。
  4. 處理重定向鏈: `CURLOPT_MAXREDIRS` 限制跳轉次數,記錄 `effective_url` 供審計。
  5. IDN 域名: 輸入前用 `idn_to_ascii()` 轉 Punycode,或用 League\Uri 自動處理。

結語

URL 驗證不應是單一手段。正則守門 (格式) + cURL 探活 (可達性) + 異步緩存 (效能) 才是工業級解決方案。將上述代碼封裝為 `UrlValidator` 服務類,注入容器,讓控制器保持精簡:`$validator->validate($url)` / `$validator->batchCheck($urls)`。

copyright © 萬盛學電腦網 all rights reserved