確定從file_get_contents（）函數

Question

我正在寫在PHP接受到本地輸入文件作爲參數的路徑的命令行應用程序的數據類型。輸入文件將包含以下之一：

• JSON編碼關聯數組
• 甲serialized()版本聯合數組的
• 的serialized()關聯數組
• 基底的基底64編碼版本64編碼JSON編碼的關聯數組
• 一個普通的舊PHP關聯數組
• 垃圾

總之，有幾種不同的方案，我有過將被寫入該文件的控制權，以統一的方式，我可以理解，一旦我真的弄清楚格式。一旦我弄清楚如何攝入的數據，我可以運行它。

我正在考慮是：

• 如果該文件的第一個字節是{，嘗試json_decode()，看它是否失敗。
• 如果該文件的第一個字節是<或$，嘗試include()，看它是否失敗。
• 如果前三個字節的文件的匹配：[0-9]，嘗試unserialize()。
• 如果不是前三，儘量base64_decode()，看它是否失敗。如果不是：
  • 檢查解碼數據的第一個字節一次。
  • 如果所有這些都失敗了，那就是垃圾。

這似乎只是相當簡單的任務相當昂貴。我能以更好的方式做到嗎？如果是這樣，怎麼樣？

Answer 1

這裏沒有太多的優化。魔術字節的方法已經是要走的路了。但是，當然可以避免實際的反序列化功能。對每個人使用驗證正則表達式是可行的（儘管模因通常比使PHP實際解包嵌套數組更快）。

base64很容易探測。

json可以使用正則表達式進行檢查。 Fastest way to check if a string is JSON in PHP?是用於保護JS的RFC版本。但是寫一個完整的json (?R)匹配規則是可行的。

serialize如果沒有正確的解包功能會更難一些。但是通過一些啓發式方法，你可以斷言它是一個序列化的blob。

php使用token_get_all可以更快地探測陣列腳本。或者如果格式和數據受到限制，再用正則表達式。

這裏更重要的問題是，你需要可靠性 - 還是簡單性和速度？

Answer 2

您可以嘗試json_decode()和unserialize()，如果它們失敗，將返回NULL，然後base64_decode()並再次運行。它不是快速的，但它比解析它們的手無限少...

Answer 3

這裏的問題是，如果你不知道它是什麼，你需要開發一個檢測算法。應該使用擴展名來設置約定（檢查擴展名，如果失敗，告訴誰將文件放在那裏以放置正確的擴展名），否則您需要檢查自己。大多數檢測實際文件類型的算法都會使用foreustics來確定它的內容（exe，jpg等），因爲通常它們有某種標識它們的簽名。因此，如果您不知道內容將用於定義什麼內容，最好查找特定於這些內容的功能。這有時意味着讀取多個字節。

Answer 4

對於速度，您可以使用file(1)實用程序並在/usr/share/file/magic中添加「幻數」。它應該比純粹的PHP選擇更快。