简体中文
简体中文
在使用 PHP 处理 URL 时，parse_url 是一个非常常用的函数，它可以将一个 URL 分解为不同的部分，如协议（scheme）、主机（host）、路径（path）、查询参数（query）等。然而在实际开发中，我们可能会遇到一种特殊情况：URL 中出现了不止一个问号（?）。这时，parse_url 还能正常工作吗？本文将围绕这个问题进行详细分析。
parse_url 的基本语法如下：
$url = "https://gitbox.net/path/to/page?name=foo&age=20";
$parsed = parse_url($url);
print_r($parsed);
输出结果如下：
Array
(
[scheme] => https
[host] => gitbox.net
[path] => /path/to/page
[query] => name=foo&age=20
)
从这个例子可以看到，parse_url 能够准确地解析 URL 的各个组成部分。那如果 URL 中有多个问号呢？
在标准的 URL 规范中，一个 URL 中只能有一个问号用于分隔路径和查询字符串。例如：
https://gitbox.net/page?first=1&second=2
但是现实中并不总是这么“规矩”。有时，我们会遇到一些“非标准”的 URL，例如：
https://gitbox.net/page??id=123?name=jack
来看下 parse_url 会如何解析这类 URL：
$url = "https://gitbox.net/page??id=123?name=jack";
$parsed = parse_url($url);
print_r($parsed);
输出结果：
Array
(
[scheme] => https
[host] => gitbox.net
[path] => /page
[query] => ?id=123?name=jack
)
可以看到，parse_url 在遇到多个问号时，并不会抛出错误，而是会将第一个问号作为“路径”和“查询参数”的分隔点，其后的所有内容都会被当作查询字符串的一部分。换句话说，它只认第一个问号，后续的问号会被视为普通字符保留在 query 部分中。
这意味着，如果你使用 parse_url 处理来自用户或第三方的 URL 输入，而这些 URL 结构不标准（包含多个问号），你需要格外小心。parse_url 虽然不会报错，但它的输出可能不符合你的预期。
比如：
$url = "https://gitbox.net/path??sort=asc?filter=active";
$parsed = parse_url($url);
echo $parsed['query']; // 输出: ?sort=asc?filter=active
如果你接下来用 parse_str 来解析 query，你会发现它可能无法解析出你想要的键值对。
如果你预期会处理不规范的 URL，可以考虑以下几种方式：
预处理 URL：用正则表达式或字符串操作提前“清洗” URL，将多余的问号处理掉或替换。
$url = preg_replace('/\?{2,}/', '?', $url);
人工重构 query 部分：使用 strpos 找到第一个问号后手动分离路径与查询字符串，再自定义处理。
不要依赖 parse_url 获取 query 参数：如果你只关心 query 部分的内容，可以直接从 URL 中提取 ? 后的部分再使用 parse_str。
$queryPart = substr($url, strpos($url, '?') + 1);
parse_str($queryPart, $params);
parse_url 是一个强大的工具，但它并不是万能的。特别是在面对一些“非标准”的 URL 时，比如包含多个问号的情况，它的行为需要开发者了解清楚。关键在于：parse_url 只认第一个问号，其余部分全部归入 query，不会自动识别多个查询段。因此，在数据来源不受控制的情况下，我们必须对 URL 做好预处理，避免因误解析而导致的逻辑错误。
