Question

我有数千个图像网址存储在一个表格中，每行一个。问题是他们中的一些具有空格，重音字符等格式错误的名称，例如：

https://www.greatsite.com/upload/memdocs/111046-carte d'identit� 001-072716141540.jpg

在浏览器中打开此URL时，会输出以下错误：

Not Found
The requested URL /upload/memdocs/111046-carte d'identitï¿½ 001-072716141540.jpg was not found on this server.
Additionally, a 404 Not Found error was encountered while trying to use an ErrorDocument to handle the request.

我需要以编程方式查找抛出此“未找到”错误的所有图片网址（以便稍后正确格式化图片网址名称）。

到目前为止，我正在尝试使用getimagesize（）和file_get_contents（），但没有运气。 getimagesize（）并不总是有效，因为我觉得它有点修复图像名称，因为例如对于上面的url，它实际上会返回带有图像信息的数组。并且file_get_contents（）总是返回一些东西，无论图像url是否抛出“Not Found”错误。

有关如何实现这一目标的任何建议？我希望我有道理。感谢

Answer 1

您可以从DB获取所有图像并使用foreach迭代它们。在foreach中尝试检查文件是否存在。例如：

foreach ($images as $image) {
    $valid = is_file($imageDir.$image->path);
}

is_file是检查文件是否存在的最佳方式。 file_get_contents将读取整个缓慢的文件。

或者您可以在图像路径上执行正则表达式：

foreach ($images as $image) {
    $valid = preg_match('/[0-9a-zA-Z\$-_\.\+!\*'\(\),];\/\?\:\@=\&/', $image->path);
}

我不是100％确定这个正则表达式是否会正确验证所有网址....但大多数都是。

Answer 2

您应该获得执行网络请求的标头：

foreach ($images as $image) {
 $url = 'https://www.greatsite.com/'.$image;
 $file_headers = @get_headers($url);
 if($file_headers && $file_headers[0] == 'HTTP/1.1 404 Not Found') {
  // URL Not Found do something to log it
 }
}

还有许多其他方法，使用CURL等，但我发现这是最简单的

找到在浏览器中出现“Not Found”错误的图像URL，但是它们实际存在

2 个答案: