如何正确解析适用于cURL的URL？

问题的核心是URL不同部分的编码规则不同，直接对整个URL编码会破坏路径结构，导致服务器无法识别。正确的做法是拆分URL的各个组成部分，分别按规则编码后再拼接。

具体步骤与代码示例 #

1. 拆分URL组件：用parse_url()将URL拆分为协议、主机、路径、查询参数、锚点等部分。
2. 处理路径部分：对路径的每个分段单独编码，保留斜杠作为路径分隔符。
3. 处理查询参数：解析查询参数为键值对，用标准方法编码后重新拼接。
4. 重组URL：将处理后的各部分组合成符合标准的URL，再传给cURL。

$url = 'https://example.com/some url/something?x=1&y=foo/bar#abc';

// 1. 拆分URL组件
$parts = parse_url($url);
if (!$parts) {
    die('无效的URL');
}

// 2. 处理路径部分：分段编码，保留斜杠
$pathSegments = explode('/', ltrim($parts['path'], '/'));
$encodedSegments = array_map('rawurlencode', $pathSegments);
$encodedPath = '/' . implode('/', $encodedSegments);

// 3. 处理查询参数：按RFC3986标准编码
$encodedQuery = '';
if (!empty($parts['query'])) {
    parse_str($parts['query'], $queryParams);
    $encodedQuery = http_build_query($queryParams, '', '&', PHP_QUERY_RFC3986);
}

// 4. 重组完整URL
$encodedUrl = $parts['scheme'] . '://' . $parts['host'] . $encodedPath;
if ($encodedQuery) {
    $encodedUrl .= '?' . $encodedQuery;
}
if (!empty($parts['fragment'])) {
    $encodedUrl .= '#' . $parts['fragment']; // 锚点无需编码，不会发送给服务器
}

// 发起cURL请求
$ch = curl_init($encodedUrl);
// 设置必要的cURL参数（如CURLOPT_RETURNTRANSFER等）
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
$result = curl_exec($ch);
curl_close($ch);

关键说明 #

• parse_url()：准确拆分URL结构，避免手动处理的遗漏或错误。
• 路径分段编码：用rawurlencode()对每个路径分段编码，确保斜杠作为路径分隔符不被转义，仅编码分段内的特殊字符（如空格→%20）。
• http_build_query()：指定PHP_QUERY_RFC3986规则，自动对查询参数的键和值进行符合标准的编码，不会破坏参数内的合法字符（如foo/bar中的斜杠）。
• 锚点处理：锚点（#abc）不会被发送到服务器，因此无需编码，直接保留即可。

为什么之前的方法失效 #

• 手动替换空格仅能处理单一特殊字符，无法覆盖所有非标准字符（如中文、&、=等）。
• curl_escape()会对整个URL编码，包括路径中的斜杠（转义为%2F），导致服务器识别错误的资源路径，返回404。

内容的提问来源于stack exchange，提问作者MatKus