为何FILTER_VALIDATE_URL对含波斯字符的URL验证失效？

问题原因 #

这其实是因为PHP的filter_var($url, FILTER_VALIDATE_URL)默认遵循早期URL规范（RFC 1738），这个规范只允许ASCII字符出现在URL中。波斯字符属于Unicode范围，不在ASCII集合内，所以未编码的非ASCII字符直接放在URL路径里时，会被判定为无效URL。

虽然后来的RFC 3986规范允许Unicode字符，但要求这些字符必须先经过百分号编码（URL编码），而filter_var的默认验证逻辑并不会自动处理未编码的Unicode字符，因此直接传入含波斯字符的URL会验证失败。

解决方法 #

有两种可靠的处理方式：

1. 先对非ASCII部分进行URL编码再验证

如果你的URL里包含波斯字符这类非ASCII内容，先对这部分用rawurlencode()编码，再拼接成完整URL进行验证：

// 单独处理含非ASCII的路径部分
$persianPart = 'س';
$encodedPart = rawurlencode($persianPart);

// 拼接成完整URL
$url = "http://localhost/myweb/qanda/1/$encodedPart";

// 现在验证就能通过了
var_dump(filter_var($url, FILTER_VALIDATE_URL));
// 输出：string(36) "http://localhost/myweb/qanda/1/%D8%B3"

2. 自定义验证逻辑（可选）

如果你不想对URL编码，也可以编写自定义正则表达式来支持Unicode URL的验证，但要注意正则的准确性，避免出现安全漏洞。不过更推荐第一种方式，因为URL编码是符合标准的做法，浏览器在发送请求时也会自动对非ASCII字符进行编码。

补充说明 #

实际业务场景中，用户输入的含非ASCII字符的URL，浏览器会自动将其编码后再发送到服务器，所以你在后端存储和验证时，最好统一使用编码后的URL格式，这样不仅能通过filter_var的验证，也符合URL规范。

内容的提问来源于stack exchange，提问作者Shafizadeh