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 "
";

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;

}