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 判斷遠端 URL 是否有效的三種主流方法比較與實作

前言

在開發爬蟲、連結驗證、圖片檢查、API 健康檢查等功能時,我們常需判斷一個遠端 URL(網頁、圖片、影片、檔案)是否真實可存取。PHP 提供了多種途徑,本文深度解析三種主流方法:**cURL**、**get_headers()**、**file_get_contents()** 的原理、優缺點、適用場景與最佳實踐代碼。

方法一:cURL —— 功能最強、控制最細、效能最佳(推薦首選)

核心優勢

  • 支援 HEAD 請求(不下載 Body,極快)
  • 完整支援 HTTPS、重定向、Cookie、Proxy、認證、自定義 Header
  • 可精細控制連線/執行超時,避免腳本卡死
  • 可獲取詳細資訊:HTTP 碼、Content-Type、Content-Length、總耗時等
  • 支援 cURL Multi 並發檢查大量 URL

標準實作(HEAD 請求版)

<?php
function is_url_valid_curl(string $url, int $timeout = 10): bool
{
    $ch = curl_init($url);
    curl_setopt_array($ch, [
        CURLOPT_NOBODY        => true,        // HEAD 請求
        CURLOPT_RETURNTRANSFER => true,
        CURLOPT_FOLLOWLOCATION => true,       // 追蹤 301/302
        CURLOPT_CONNECTTIMEOUT => $timeout,
        CURLOPT_TIMEOUT        => $timeout,
        CURLOPT_SSL_VERIFYPEER => false,      // 正式環境請設 true 並配置 CA
        CURLOPT_USERAGENT      => 'Mozilla/5.0 (PHP URL Validator)',
    ]);

    $result = curl_exec($ch);
    $valid = false;

    if ($result !== false) {
        $code = curl_getinfo($ch, CURLINFO_HTTP_CODE);
        // 2xx 成功、3xx 重定向(已追蹤至最終)通常視為有效
        // 嚴格模式只接受 200;寬鬆模式接受 2xx/3xx
        $valid = ($code >= 200 && $code < 400);
    }

    curl_close($ch);
    return $valid;
}

// 進階:取得詳細資訊
function get_url_info_curl(string $url, int $timeout = 10): ?array
{
    $ch = curl_init($url);
    curl_setopt_array($ch, [
        CURLOPT_NOBODY => true,
        CURLOPT_RETURNTRANSFER => true,
        CURLOPT_FOLLOWLOCATION => true,
        CURLOPT_CONNECTTIMEOUT => $timeout,
        CURLOPT_TIMEOUT => $timeout,
    ]);
    curl_exec($ch);
    if (curl_errno($ch)) {
        curl_close($ch);
        return null;
    }
    $info = curl_getinfo($ch);
    curl_close($ch);
    return [
        'http_code'    => $info['http_code'],
        'content_type' => $info['content_type'] ?? 'unknown',
        'content_length' => $info['content_length_download'] ?? -1,
        'total_time'   => $info['total_time'],
        'effective_url' => $info['url'], // 重定向後最終 URL
    ];
}
?>

方法二:get_headers() —— 簡潔、原生、無需擴展(次選)

核心優勢

  • PHP 內建函數,**無需安裝 cURL 擴展**
  • 語法極簡,一行搞定
  • 回傳陣列包含所有回應標頭,可解析 Content-Type、Content-Length 等

致命缺點

  • 依賴 allow_url_fopen = On(php.ini 設定,許多共享主機關閉)
  • 無法設定超時(受 default_socket_timeout 限制,預設 60 秒,易卡死腳本)
  • 無法自定義 Header、User-Agent、Cookie、Proxy
  • 不支援並發,大量檢查極慢
  • 某些伺服器拒絕 HEAD 請求,get_headers() 可能誤判(實際發送的是 HEAD)

實作範例

<?php
function is_url_valid_get_headers(string $url): bool
{
    // 檢查環境支援
    if (!ini_get('allow_url_fopen')) {
        trigger_error('allow_url_fopen 關閉,無法使用 get_headers()', E_USER_WARNING);
        return false;
    }

    // 可選參數 1:解析標頭為關聯陣列
    $headers = @get_headers($url, 1);

    if ($headers === false) {
        return false; // 連線失敗、DNS 解析失敗、超時等
    }

    // $headers[0] 為狀態行,如 "HTTP/1.1 200 OK"
    $statusLine = $headers[0] ?? '';
    return (bool)preg_match('~HTTP/\d\.\d\s+(2\d\d|3\d\d)~', $statusLine);
}

// 取得 Content-Type 等資訊
$headers = @get_headers('https://example.com/image.png', 1);
if ($headers) {
    echo "Content-Type: " . ($headers['Content-Type'] ?? 'unknown');
    echo "Content-Length: " . ($headers['Content-Length'] ?? 'unknown');
}
?>

方法三:file_get_contents() —— 最簡單但最危險(不推薦)

核心缺點

  • 下載完整內容:大檔案會佔滿記憶體、頻寬、時間
  • 同樣依賴 allow_url_fopen = On
  • 無法只取標頭,無法設定超時(受 default_socket_timeout 限制)
  • 失敗時拋出 Warning,需用 @ 抑制或 try-catch(需配合錯誤處理器)

僅適用場景

極小型檔案(如幾 KB 的設定檔)、確定環境允許、不介意效能的一次性腳本。

<?php
// 不推薦用於單純驗證 URL
$content = @file_get_contents($url);
$valid = ($content !== false); // 即使是 404 頁面 HTML 也會回傳字串,非 false!
// 還需額外解析 HTTP 狀態碼($http_response_header 變數),麻煩且不靠譜
?>

綜合比較表

維度cURL (HEAD)get_headers()file_get_contents()
速度/頻寬⭐⭐⭐⭐⭐ (只取標頭)⭐⭐⭐⭐ (只取標頭)⭐ (下載全文)
超時控制⭐⭐⭐⭐⭐ (毫秒級精確)⭐ (只能靠 ini_set)⭐ (只能靠 ini_set)
HTTPS/重定向/認證⭐⭐⭐⭐⭐ 完整支援⭐⭐ 基礎支援⭐⭐ 基礎支援
依賴擴展/設定需 cURL 擴展 (標準內建)需 allow_url_fopen=On需 allow_url_fopen=On
並發檢查⭐⭐⭐⭐⭐ (curl_multi)❌ 不支援❌ 不支援
獲取元資料⭐⭐⭐⭐⭐ (curl_getinfo)⭐⭐⭐ (標頭陣列)⭐ ($http_response_header)
推薦指數⭐⭐⭐⭐⭐ 首選⭐⭐⭐ 備選⭐ 不推薦

最佳實踐建議

  1. 首選 cURL HEAD 請求:封裝成服務類,統一錯誤處理、日誌、重試機制。
  2. 環境不允許 cURL 才用 get_headers():並加上 function_exists('curl_init') 判斷自動降級。
  3. 批次驗證大量 URL:必須使用 curl_multi_* 並發,單執行緒循環會慢到不可接受。
  4. 嚴格模式 vs 寬鬆模式:
    • 嚴格:只接受 200 OK
    • 寬鬆:接受 2xx、3xx(已追蹤重定向)
    • 圖片/靜態資源驗證建議嚴格;網頁連結檢查建議寬鬆
  5. User-Agent 偽裝:許多網站封殺預設 PHP UA,務必設定類瀏覽器 UA。

完整封裝類範例(可直接投入專案)

<?php
class UrlValidator
{
    private int $timeout;
    private string $userAgent;

    public function __construct(int $timeout = 10, string $userAgent = 'Mozilla/5.0 (PHP UrlValidator)')
    {
        $this->timeout = $timeout;
        $this->userAgent = $userAgent;
    }

    public function isValid(string $url, bool $strict = true): bool
    {
        if (function_exists('curl_init')) {
            return $this->checkByCurl($url, $strict);
        }
        return $this->checkByGetHeaders($url, $strict);
    }

    public function getInfo(string $url): ?array
    {
        if (function_exists('curl_init')) {
            return $this->getInfoByCurl($url);
        }
        return $this->getInfoByGetHeaders($url);
    }

    private function checkByCurl(string $url, bool $strict): bool
    {
        $ch = curl_init($url);
        curl_setopt_array($ch, [
            CURLOPT_NOBODY => true,
            CURLOPT_RETURNTRANSFER => true,
            CURLOPT_FOLLOWLOCATION => true,
            CURLOPT_CONNECTTIMEOUT => $this->timeout,
            CURLOPT_TIMEOUT => $this->timeout,
            CURLOPT_SSL_VERIFYPEER => false,
            CURLOPT_USERAGENT => $this->userAgent,
        ]);
        $result = curl_exec($ch);
        $valid = false;
        if ($result !== false) {
            $code = curl_getinfo($ch, CURLINFO_HTTP_CODE);
            $valid = $strict ? ($code === 200) : ($code >= 200 && $code < 400);
        }
        curl_close($ch);
        return $valid;
    }

    private function checkByGetHeaders(string $url, bool $strict): bool
    {
        if (!ini_get('allow_url_fopen')) return false;
        $headers = @get_headers($url, 1);
        if ($headers === false) return false;
        $line = $headers[0] ?? '';
        if ($strict) {
            return (bool)preg_match('~HTTP/\d\.\d\s+200\s~', $line);
        }
        return (bool)preg_match('~HTTP/\d\.\d\s+(2\d\d|3\d\d)\s~', $line);
    }

    private function getInfoByCurl(string $url): ?array
    {
        $ch = curl_init($url);
        curl_setopt_array($ch, [
            CURLOPT_NOBODY => true,
            CURLOPT_RETURNTRANSFER => true,
            CURLOPT_FOLLOWLOCATION => true,
            CURLOPT_CONNECTTIMEOUT => $this->timeout,
            CURLOPT_TIMEOUT => $this->timeout,
            CURLOPT_USERAGENT => $this->userAgent,
        ]);
        curl_exec($ch);
        if (curl_errno($ch)) { curl_close($ch); return null; }
        $info = curl_getinfo($ch);
        curl_close($ch);
        return [
            'http_code'     => $info['http_code'],
            'content_type'  => $info['content_type'] ?? null,
            'content_length' => $info['content_length_download'] ?? -1,
            'total_time'    => $info['total_time'],
            'final_url'     => $info['url'],
        ];
    }

    private function getInfoByGetHeaders(string $url): ?array
    {
        if (!ini_get('allow_url_fopen')) return null;
        $headers = @get_headers($url, 1);
        if ($headers === false) return null;
        return [
            'http_code'     => (int)preg_replace('~\D~', '', $headers[0] ?? '0'),
            'content_type'  => $headers['Content-Type'] ?? null,
            'content_length' => isset($headers['Content-Length']) ? (int)$headers['Content-Length'] : -1,
        ];
    }
}

// 使用
$validator = new UrlValidator(5);
var_dump($validator->isValid('https://www.google.com'));
var_dump($validator->getInfo('https://www.google.com/logo.png'));
?>

結語

判斷遠端 URL 有效性,**cURL 是專業級首選**,功能完整、效能最優、可控性最強;get_headers() 為無 cURL 環境下的備選方案;file_get_contents() 僅適合極簡單、極小檔、一次性任務。根據專案環境與需求選擇正確工具,並封裝成可複用元件,才能構建穩健、高效的系統。

copyright © 萬盛學電腦網 all rights reserved