使用Curl进行抓取远程内容时url中文编码问题

使用Curl进行抓取远程内容时url中文编码问题

    PHP中对于URL进行编码，可以使用 urlencode() 或者 rawurlencode()，二者的区别是前者把空格编码为 '+'，而后者把空格编码为 '%20'，不过应该注意的是，在编码时应该只对部分URL编码，否则URL中的冒号和反斜杠也会被转义。下面是详细解释：
　　
　　1
　　
　　string urlencode( string str)
　　
　　返回字符串，此字符串中除了 -_. 之外的所有非字母数字字符都将被替换成百分号（%）后跟两位十六进制数，空格则编码为加号（+）。
　　
　　例子 1 ：urlencode函数与rawurlencode函数区别
　　
　　$str='博 客';
　　
　　echo urlencode($str);
　　
　　echo "<br>";
　　
　　echo rawurlencode($str);
　　
　　url结果：
　　
　　%B2%A9+%BF%CD
　　
　　%B2%A9%20%BF%CD
　　
　　例子 2 ：url中文编码方法
　　
　　从url:"http://www.baidu.com/s?wd=博 客"
　　
　　$url='http://www.baidu.com/s?wd=博 客';
　　
　　$arr=explode('=',$url);
　　
　　$url=$arr[0].'='.rawurlencode($arr[1]);
　　
　　echo $url;
　　
　　结果：
　　
　　或许用以下url编码函数
　　
　　function cn_urlencode($url){
　　
　　$pregstr = "/[\x{4e00}-\x{9fa5}]+/u";//UTF-8中文正则
　　
　　if(preg_match_all($pregstr,$url,$matchArray)){//匹配中文，返回数组
　　
　　foreach($matchArray[0] as $key=>$val){
　　
　　$url=str_replace($val, urlencode($val), $url);//将转译替换中文
　　
　　}
　　
　　if(strpos($url,' ')){//若存在空格
　　
　　$url=str_replace(' ','%20',$url);
　　
　　}
　　
　　}
　　
　　return $url;
　　
　　}