PHP basename() 和 pathinfo() 与多字节 UTF-8 文件名

我发现 PHP 函数 basename() 以及 pathinfo() 对于多字节 utf-8 名称有奇怪的行为。 它们删除所有非拉丁字符，直到第一个拉丁字符或标点符号。但是，此后，后续的非拉丁字符将被保留。

basename("àxà"); // returns "xà", I would expect "àxà" or just "x" instead
pathinfo("àyà/àxà", PATHINFO_BASENAME); // returns "xà", same as above

但奇怪的是 pathinfo() 的 dirname 部分工作正常：

pathinfo("àyà/àxà", PATHINFO_DIRNAME); // returns "àyà"

PHP 文档警告说基本名称() and 路径信息()函数是区域设置感知的，但这并不能证明之间的不一致pathinfo(..., PATHINFO_BASENAME) and pathinfo(..., PATHINFO_DIRNAME)，更不用说相同的非拉丁字符被丢弃或接受的事实，具体取决于它们相对于拉丁字符的位置。

听起来像是一个 PHP 错误。

由于“基本名称”检查对于避免目录遍历的安全问题非常重要，因此是否有任何可靠的基本名称过滤器可以与 unicode 输入正常工作？

我发现更改区域设置可以解决所有问题。

虽然 Apache 默认使用“C”语言环境运行，但 cli 脚本默认使用 utf-8 语言环境运行，例如“en_US.UTF-8”（或者在我的情况下为“it_IT.UTF-8”）。在这些条件下，不会出现该问题。

因此，Apache 的解决方法包括在调用这些函数之前将区域设置从“C”更改为“C.UTF-8”。

setlocale(LC_ALL,'C.UTF-8');
basename("àxà"); // now returns "àxà", which is correct
pathinfo("àyà/àxà", PATHINFO_BASENAME); // now returns "àxà", which is correct

或者更好的是，如果您想备份当前区域设置并在完成后恢复它：

$lc = new LocaleManager();
$lc->doBackup();
$lc->fixLocale();
basename("àxà/àyà");
$lc->doRestore();


class LocaleManager
{
    /** @var array */
    private $backup;


    public function doBackup()
    {
        $this->backup = array();
        $localeSettings = setlocale(LC_ALL, 0);
        if (strpos($localeSettings, ";") === false)
        {
            $this->backup["LC_ALL"] = $localeSettings;
        }
        // If any of the locales differs, then setlocale() returns all the locales separated by semicolon
        // Eg: LC_CTYPE=it_IT.UTF-8;LC_NUMERIC=C;LC_TIME=C;...
        else
        {
            $locales = explode(";", $localeSettings);
            foreach ($locales as $locale)
            {
                list ($key, $value) = explode("=", $locale);
                $this->backup[$key] = $value;
            }
        }
    }


    public function doRestore()
    {
        foreach ($this->backup as $key => $value)
        {
            setlocale(constant($key), $value);
        }
    }


    public function fixLocale()
    {
        setlocale(LC_ALL, "C.UTF-8");
    }
}