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 解析 JavaScript escape() 編碼:原理、實現與編碼範圍速查

問題背景

前端用 escape('腳本之家') 得到 PHP%u5F00%u53D1%u8D44%u6E90%u7F51。PHP urldecode()、**無法解碼** %uXXXX 格式,需自定義解碼器。

JS escape 編碼規則

  • ASCII 字母數字 * @ - _ + . / **不編碼**。
  • 其他 ASCII:%XX(單字節十六進制)。
  • 非 ASCII(中文等):**%uXXXX**(Unicode 碼位,4 位十六進制,大寫)。
  • **已棄用**,現代用 encodeURIComponent()(UTF-8 字節編碼 %E4%B8%AD)。

PHP 解碼 js_unescape() 完整實現

function js_unescape(string $str): string {
    $result = '';
    $len = strlen($str);
    for ($i = 0; $i < $len; $i++) {
        if ($str[$i] === '%' && isset($str[$i+1]) && $str[$i+1] === 'u') {
            // %uXXXX
            $hex = substr($str, $i+2, 4);
            $val = hexdec($hex);
            if ($val < 0x80) {
                $result .= chr($val);
            } elseif ($val < 0x800) {
                $result .= chr(0xC0 | ($val >> 6)) . chr(0x80 | ($val & 0x3F));
            } else {
                $result .= chr(0xE0 | ($val >> 12)) .
                           chr(0x80 | (($val >> 6) & 0x3F)) .
                           chr(0x80 | ($val & 0x3F));
            }
            $i += 5;
        } elseif ($str[$i] === '%' && isset($str[$i+2])) {
            // %XX
            $result .= urldecode(substr($str, $i, 3));
            $i += 2;
        } else {
            $result .= $str[$i];
        }
    }
    return $result;
}

// 使用
$encoded = 'PHP%u5F00%u53D1%u8D44%u6E90%u7F51';
echo js_unescape($encoded); // PHP開發資源網 (UTF-8)

編碼轉換關鍵:iconv

JS escape 產出的 %uXXXX 對應 **UCS-2BE (UTF-16BE)** 編碼。解碼後得到 UTF-8,**若項目為 GBK 需轉碼**:

// GBK 項目中
$gbkStr = iconv('UTF-8', 'GBK//IGNORE', js_unescape($_GET['param']));

PHP 實現 escape()(兼容舊系統)

版本一:mbstring 通用版(推薦)

function php_escape(string $str, string $in = 'UTF-8', string $out = 'UCS-2BE'): string {
    $result = '';
    $len = mb_strlen($str, $in);
    for ($i = 0; $i < $len; $i++) {
        $char = mb_substr($str, $i, 1, $in);
        $bytes = mb_convert_encoding($char, $out, $in);
        if (strlen($bytes) > 1) {
            $result .= '%u' . strtoupper(bin2hex($bytes));
        } else {
            $result .= '%' . strtoupper(bin2hex($bytes));
        }
    }
    return $result;
}

版本二:正則版(GBK 環境常見寫法)

function php_escape_gbk_regex(string $str): string {
    preg_match_all('/[\x80-\xff].|[\x01-\x7f]+/', $str, $m);
    foreach ($m[0] as $k => $v) {
        if (ord($v[0]) < 128) {
            $m[0][$k] = rawurlencode($v);
        } else {
            $m[0][$k] = '%u' . bin2hex(iconv('GBK', 'UCS-2BE', $v));
        }
    }
    return implode('', $m[0]);
}

正則原理解析

/[\x80-\xff].|[\x01-\x7f]+/
// [\x80-\xff].  -> 匹配 GBK 雙字節字符(首字節 0x80-0xFF + 任意次字節)
// [\x01-\x7f]+ -> 匹配連續 ASCII 字符(1-127)
// 這樣將字符串拆分為「中文字符」和「英文串」兩類,分別處理。

完整解碼器(支持 %uXXXX、&#xHHHH;、&#DDDD;)

function unescape_full(string $str): string {
    $str = rawurldecode($str);
    preg_match_all('/%u.{4}|&#x.{4};|&#\d+;|./u', $str, $m);
    foreach ($m[0] as $k => $v) {
        if (str_starts_with($v, '%u')) {
            $m[0][$k] = iconv('UCS-2BE', 'UTF-8', pack('H4', substr($v, -4)));
        } elseif (str_starts_with($v, '&#x')) {
            $m[0][$k] = iconv('UCS-2BE', 'UTF-8', pack('H4', substr($v, 3, -1)));
        } elseif (str_starts_with($v, '&#')) {
            $m[0][$k] = iconv('UCS-2BE', 'UTF-8', pack('n', substr($v, 2, -1)));
        }
    }
    return implode('', $m[0]);
}

中文 Unicode 範圍速查(正則用)

範圍碼位PCRE 正則 (需 u 修飾符)
CJK 基本區U+4E00 - U+9FA5/[\x{4e00}-\x{9fa5}]/u
CJK 擴展 AU+3400 - U+4DBF/[\x{3400}-\x{4dbf}]/u
CJK 擴展 BU+20000 - U+2A6DF/[\x{20000}-\x{2a6df}]/u (PHP 7.0+)
韓文音節U+AC00 - U+D7A3/[\x{ac00}-\x{d7a3}]/u
日文假名U+3040 - U+30FF/[\x{3040}-\x{30ff}]/u
copyright © 萬盛學電腦網 all rights reserved