PHP字符串——编码与转义

janneyabc

　　因为PHP程序经常与HTML页、Web地址(URL)以及数据库交互，所以PHP提供一些函数来帮助你处理这些类型的数据。HTML、Web页地址和数据库命令都是字符串，但是它们每个都要求不同的字符以不同的方法来转义。例如，在Web地址中一个空格被写成%20，而直接量小于符号(<)在HTML文档中必须写作&lt。PHP有许多内置函数来转换和取得这些编码。
HTML：在HTML中特殊的字符以实体(entity)表示，如&amp;和&lt;。这里有两个PHP函数来把字符串中的特殊字符转换为实体，一个用于删除HTML标签，一个仅用于提取meta标签。
对所有特殊字符进行实体引用：函数htmlentities()将HTML字符转换为对应的实体(除了空格符)。包括小于符号(<)、大于符号(>)、与号(&)和重音字符。(entity实体)
只对HTML语法字符进行实体引用：函数htmlspacialchars()转换最小的实体集来生成合法的HTML。下面的实体被转换：
与符号(&)被转换成&amp;
双引号(")被转换成&quot;
单引号(')被转换成&#039;(就像调用htmlentities()时使用ENT_QUOTES的效果)
小于号(<)被转换成&lt;
大于号(>)被转换成&gt;
如果有一个应用程序来显示用户填入表单的数据，则要在显示和保存数据之前通过htmlspecialchars()处理数据。如果没有处理的话，一旦用户提交了像"angle<30"或"sturm & drang"这样的字符串，浏览器会人为这些特殊的字符是HTML，从而得到一个混乱的页面。
删除HTML标签
函数strip_tags()从字符串中删除HTML标签：
$input='<p>Howdy,&quot;Cowboy&quot;</p>;
$output=strip_tags($input);//$output是'Howdy,&quot;Cowboy&quot;'
函数可以有第二个参数来指定在字符串中留下的标签。之列出标签的开始形式，在第二个参数中列出的标签结束形式也将被保留：
$input='The <b>bold</b> tags will<i>stay</i><p>';
$output=strip_tags($input,'<b>');//$output是'The <b>bold</b> tags will stay'
在保留标签中的属性不会被strip_tags()改变。由于HTML标签属性(例如style和onmouseover)可以影响Web页面的外观和行为，所以用strip_tags()保留一些标签可能会导致无法删除所有潜在的冗余内容。
提取元标签
如果你把Web页面的HTML存在一个字符串中，函数get_meta_tags()可返回包含该页面中元标签(meta tag)内容的数组。元标签的名字(keywords、author、escription等)成为数组的键，而元标签的内容则成为对应的值：
$meta_tags=get_meta_tags('http://www.example.com/');
echo "Web page made by {$meta_tags[author]}";
函数一般的形式是：
$array=get_meta_tags(filename[,use_include_path]);
可以指定参数use_include_path为true，这样可使PHP尝试用标准包含路径打开文件。
URL：PHP提供了一些函数用于对URL进行编码和解码。有两种方法对URL编码，其区别在于如何处理空格。第一种(根据RFC1738规范)把空格当做URL中的另一个非法字符并把它编码为%20。第二种(执行application/x-www-form-urlencoded系统)把空格编码为一个+并且把它用于建立查询的字符串中。
注意并不需要对一个完整的URL使用这些函数，例如http://www.example.com/hello，因为它们会转义冒号和反斜杠：
http%3A%2F%2Fwww.example.com%2Fhello
应该只编码部分URL(在http://www.example.com/后面的部分)，随后再加上协议和域名。
RFC1738编码和解码
要把字符串依照URL约定编码，可以使用rawurlencode():
$output=rawurlencode(input);
该函数接收一个字符串并返回对该字符串的拷贝，该拷贝中把非法URL字符按%dd约定编码。
如果你要为一个页面里的链接动态生成超级链接地址，则需要用rawurlencode()转换它们：
$name="Programming PHP";
$output=rawurlencode($name);
echo "http://localhost/$output";
http://localhost/Programming%20PHP
函数rawurldecode()用于解码被编码过的URL字符串：
$encoded='Programming%20PHP';
echo rawurldecode($encoded);
Programming PHP
查询字符串编码
urlencode()和urldecode()函数和它们原始版本(即rawurlencode()和rawurldecode())的不同仅在于它们把空格编码为加号(+),而不是%20。这是用于创建查询字符串(query string)和cookie值的格式，但是因为这些值在通过表单或cookie传送时会自动解码，所以你不需要使用这些函数来处理当前页的查询字符串或cookie。这两个函数对于生成查询字符串是很有用的：
$base_url='http://www.google.com/q=';
$query='PHP sessions -cookies';
$url=$base_url.urlencode($query);
echo $url;
http://www.google.com/q=PHP+sessions+cookies
SQL：绝大多数数据库系统都要求将SQL查询字符串进行转义。SQL的转义方法相当简单——在单引号、双引号、空字节和反斜杠前面加上一个反斜杠(\)。addslashes()函数可添加这些反斜杠，stripslashes()函数则删除它们：
$string=<<<The_end
"It's never going to work," she cried,
as she hit the backslash(\)key.
The_End；
echo addslashes($string);
\"It\'s never going to work,\"she cried,
as she hit the backslash (\\) key.
echo stripslashes($string);
"It's never going to work," she cried,
as she hit the backslash (\) key.
提示：一些数据库(如SYBASE)用另一个单引号为单引号转义，而不是一个反斜杠。对于这些数据库，可以在php.ini文件中打开magic_quotes_sybase。
　　数据错误的以代码形式执行是漏洞的根本原因，那么修复方法当然是让数据只能以数据的形式被SQL层认识并带入查询。
如果没有用加反斜杠转义，那么id=111'类似的查询条件就会直接带入查询语句：select * from table where id='$id'就变成了select * from table where id='111'';查询语句有未闭合的单引号报错
而如果我们使用了函数addslashes()进行反斜杠转义，那么SQL查询语句会变成：select * from table where id='111\'',所以id=111'中的单引号由于被以\'的形式传递，所以会以值的形式执行，SQL就会认为id=111'中的单引号是id变量值的一部分，那么查询结果有可能存在也有可能不存在，（例如，如果存在id为王二小's的数据库值，就存在查询结果），但是最重要的是，单引号在这里是以值的形式传递的，这才是最最根本的本质。
　　1. 对于PHP magic_quotes_gpc=on的情况，
　　我们可以不对输入和输出数据库的字符串数据作，addslashes()和stripslashes()的操作,数据也会正常显示。
　　如果此时你对输入的数据作了addslashes()处理，那么在输出的时候就必须使用stripslashes()去掉多余的反斜杠。
　　2. 对于PHP magic_quotes_gpc=off 的情况，必须使用addslashes()对输入数据进行处理，但并不需要使用stripslashes()格式化输出。因为addslashes()并未将反斜杠一起写入数据库，只是帮助mysql完成了sql语句的执行。
　　有的网站，外面是可以设置标签为“编程's”等这种格式的，但是一点击保存，就报错了，特别搞。然后不管哪个访问对应标签的文章，都会看到这个报错。这就是由于从用户输入到PHP代码再到SQL层，其中PHP整合SQL查询语句时的错误编写造成的。
知识的积累过程，总是起先你不懂，而后学了一点，就颠儿颠儿的以为“儿得矣”，当有一天你突然迷茫了，觉得哪儿似乎没那么形而上的通畅，然后你会不自主的想到底哪儿还有问题呢？你会迷茫很久，直到有一天终于找到了那个缺角，然后它是那么美好因为当你找到的时候就差不多已经有能力填充了。一切便豁然开朗。
　　有的时候，会略显无奈，因为人们越来越浮躁，而安全环境刚建立，安全问题刚得到更多的重视，所以大多数人在“颠儿颠儿”的阶段时，已经被业内大致认可，所以会特别盲目的自信，而有不少人，却是玩了好久，也没想到过还有哪儿值得迷茫。眼高手低，永远是一个让人崩溃的事实。
　　有的时候，id数据值会被设置为intval($id)，这种情况下，如果变量只能是数字，就不会产生注入了，因为不管输入什么都会以数字——及值的形式带入数据库查询。然而，如果是字符型id值，而且还用到了addslashes()，是不是就安全了呢？，还真没有，因为如果sql语句形式是select * from table where id="'$_POST[id]'"，这种情况，id值被单引号包含，我们要想构造能以代码执行的恶意值需要闭合前面的单引号，而addslashes会将我们输入的单引号转移为正常的值形式带入查询。这种情况就呵呵了。好在有的sql语句中参数值没有用单引号包含，例如：select * from table where id="$_POST[id]"，虽然开启了addslashes转义单引号等特殊字符，但是我们根本就不需要单引号闭合sql查询语句中的id字段，所以照样可以注入。