如何确定字符串是否被压缩?

时间:2012-06-11 07:08:35

标签: php string compression

如何确定字符串是否使用gzcompress进行压缩(除了在调用gzuncompress之前/之后比较字符串的大小,或者这是正确的方法)?

3 个答案:

答案 0 :(得分:21)

PRE:
我想,如果你发送了一个请求,你可以立即查看$http_response_header以查看其中一个项目数组是Content-Encoding: gzip的变体。但这是LAME!
有一个更好的方法。


这是如何......

检查是否有GZIP。像BOSS一样!

  

根据GZIP RFC

gzip内容的标题如下所示

+---+---+---+---+---+---+---+---+---+---+
|ID1|ID2|CM |FLG|     MTIME     |XFL|OS | (more-->)
+---+---+---+---+---+---+---+---+---+---+

ID1ID2 将内容标识为GZIP CM声明 ZLIB_ENCODING (压缩方法)为ZLIB_ENCODING_DEFLATE - GZIP通常会将其用于所有网络服务器。

哦! ,他们有固定值:

  • ID1 的值为 "\x1f"
  • ID2 的值为 "\x8b"
  • CM 的值为 "\x08" (或仅为8 ...)

几乎就在那里:

$is_gzip = 0 === mb_strpos($mystery_string , "\x1f" . "\x8b" . "\x08");

工作示例

<?php
/** @link https://gist.github.com/eladkarako/d8f3addf4e3be92bae96#file-checking_gzip_like_a_boss-php */

date_default_timezone_set("Asia/Jerusalem");

while (ob_get_level() > 0) ob_end_flush();
mb_language("uni");
@mb_internal_encoding('UTF-8');
setlocale(LC_ALL, 'en_US.UTF-8');

header('Time-Zone: Asia/Jerusalem');
header('Charset: UTF-8');
header('Content-Encoding: UTF-8');
header('Content-Type: text/plain; charset=UTF-8');
header('Access-Control-Allow-Origin: *');

function get($url, $cookie = '') {
  $html = @file_get_contents($url, false, stream_context_create([
    'http' => [
      'method' => "GET",
      'header' => implode("\r\n", [''
        , 'Pragma: no-cache'
        , 'Cache-Control: no-cache'
        , 'User-Agent: Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/42.0.2310.0 Safari/537.36'
        , 'DNT: 1'
        , 'Accept-Language: en-US,en;q=0.8'
        , 'Accept: text/plain'
        , 'X-Forwarded-For: ' . implode(', ', array_unique(array_filter(array_map(function ($item) { return filter_input(INPUT_SERVER, $item, FILTER_SANITIZE_SPECIAL_CHARS); }, ['HTTP_X_FORWARDED_FOR', 'REMOTE_ADDR', 'HTTP_CLIENT_IP', 'SERVER_ADDR', 'REMOTE_ADDR']), function ($item) { return null !== $item; })))
        , 'Referer: http://eladkarako.com'
        , 'Connection: close'
        , 'Cookie: ' . $cookie
        , 'Accept-Encoding: gzip'
      ])
    ]]));

  $is_gzip = 0 === mb_strpos($html, "\x1f" . "\x8b" . "\x08", 0, "US-ASCII");

  return $is_gzip ? zlib_decode($html, ZLIB_ENCODING_DEFLATE) : $html;
}

$html = get('http://www.pogdesign.co.uk/cat/');

echo $html;

我们在这里看到什么值得一提?

  • 首先初始化PHP引擎以使用UTF-8(因为我们不知道网络服务器是否会返回GZIP内容。
  • 提供标题Accept-Encoding: gzip,告诉网络服务器,可能输出GZIP内容。
  • 发现GZIP内容(您应该使用 ASCII编码的多字节函数)。
  • 最后返回普通输出,使用ZLIB方法很容易。

答案 1 :(得分:8)

字符串和压缩字符串都是简单的字节序列。您无法将一个字节序列与另一个字节序列区分开来。你应该知道一串字节是否表示来自附带元数据的压缩格式。

如果您确实需要以编程方式猜测,那么您可以尝试以下几种方法:

  • 尝试解压缩字符串并查看解压缩操作是否成功。如果失败,则字节可能不代表压缩字符串。
  • 尝试在0x20之前检查明显的“怪异”字节。这些字节通常不用于常规文本。但是,它们并不能确保它们出现在压缩字符串中。
  • 使用mb_check_encoding查看字符串在您怀疑它所在的编码中是否有效。如果不是,则可能是压缩的(或者您检查了错误的编码)。需要注意的是,几乎所有字节序列在几乎每个单字节编码中都是有效的,所以这只适用于多字节编码。

答案 2 :(得分:0)

这对我来说很好:

if (@gzuncompress($_xml)!==false) {
   // gzipped sring