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

Question

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（）函数知道区域设置，但这并不能说明pathinfo(..., PATHINFO_BASENAME)和之间的不一致pathinfo(..., PATHINFO_DIRNAME)，更不用说根据它们相对于拉丁语的位置，相同的非拉丁语字符将被丢弃还是被接受的事实。字符。

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？

Answer 1

我发现更改语言环境可以解决所有问题。

虽然 Apache 默认使用“C”语言环境运行，但 cli 脚本默认使用 utf-8 语言环境运行，例如“en_US.UTF-8”（或在我的情况下为“it_IT.UTF-8”）。在这些条件下，问题不会发生。

因此，Apache 上的解决方法包括在调用这些函数之前将区域设置从“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

或者更好，如果你想备份当前的语言环境并在完成后恢复它：

$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");
    }
}