PHP检测远程文件存在失效，求可识别无效URL的有效函数

目标网站对HEAD请求的处理逻辑特殊——无论请求的文件是否存在，都会返回200 OK状态码，这导致仅通过状态码判断的方法完全失效。需要结合响应的内容类型、内容长度或实际内容特征来做准确判断。

以下是两种可行的PHP实现方案：

方法1：通过CURL检查响应头特征 #

该方法优先验证响应的Content-Type是否为PDF类型，同时结合内容长度过滤（无效请求返回的错误页长度远小于正常PDF文件）：

function fileExistsOnMO($url) {
    $ch = curl_init($url);
    // 仅获取响应头，禁止输出内容
    curl_setopt($ch, CURLOPT_NOBODY, true);
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
    // 自动跟随重定向
    curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true);
    // 设置请求超时时间
    curl_setopt($ch, CURLOPT_TIMEOUT, 10);

    curl_exec($ch);
    $httpCode = curl_getinfo($ch, CURLINFO_HTTP_CODE);
    $contentType = curl_getinfo($ch, CURLINFO_CONTENT_TYPE);
    $contentLength = curl_getinfo($ch, CURLINFO_CONTENT_LENGTH_DOWNLOAD);

    curl_close($ch);

    // 多条件校验：状态码200 + 正确PDF类型 + 内容长度符合正常PDF最小范围
    return $httpCode === 200 && strpos($contentType, 'application/pdf') !== false && $contentLength > 1000;
}

// 测试调用
$url1 = "https://mathematik-olympiaden.de/moev/index.php?option=com_download&thema=a&format=raw&datei=A40051.pdf";
$url2 = "https://mathematik-olympiaden.de/moev/index.php?option=com_download&thema=a&format=raw&datei=A40061.pdf";

var_dump(fileExistsOnMO($url1)); // 输出 bool(false)
var_dump(fileExistsOnMO($url2)); // 输出 bool(true)

方法2：验证PDF文件签名 #

如果网站返回的错误页被错误标记为PDF类型，可以进一步检查返回内容的前几个字节——标准PDF文件开头必然是%PDF-：

function fileExistsOnMO($url) {
    $ch = curl_init($url);
    // 仅获取前10字节内容，减少带宽消耗
    curl_setopt($ch, CURLOPT_RANGE, '0-9');
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
    curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true);
    curl_setopt($ch, CURLOPT_TIMEOUT, 10);

    $content = curl_exec($ch);
    $httpCode = curl_getinfo($ch, CURLINFO_HTTP_CODE);

    curl_close($ch);

    return $httpCode === 200 && str_starts_with($content, '%PDF-');
}

// 测试调用
var_dump(fileExistsOnMO($url1)); // bool(false)
var_dump(fileExistsOnMO($url2)); // bool(true)

原方法失效原因 #

目标网站的com_download组件在处理HEAD请求时，未正确校验文件存在性就直接返回200 OK，导致仅通过状态码无法区分有效与无效请求，必须结合响应的实际内容特征完成判断。

内容的提问来源于stack exchange，提问作者Malte