經驗交流

處理含 ASCII 92 字元之文字輸入值

問題說明
　如果您的 MySQL character set 採用「big5」的話，它本身能辨識雙位元文字，那麼以下的內容是您必須要注意的。
　BIG5 碼系統為兩位元組之內碼系統，共可定義 19782 個字碼。其高、低位元組的範圍如下：
　高位元組：0x81 ∼ 0xFE（ASCII 129 ∼ 254）
　低位元組：0x40 ∼ 0x7E 與 0xA1 ∼ 0xFE（ASCII 64 ∼ 126 與 161 ∼ 254）
　在許多程式語言之中，ASCII 92（\）被當作是跳脫（escape）字元，在程式中需要輸出特定字元時，先加上 \，才能被系統所辨識出來。例如：在指定字串變數值時，$Str = "PHP 是一種程式語言"，前後都會用到 " 這個字元，如果希望在字串中使用 " 的話，則可以這麼寫：$Str = "\"PHP\" 是一種程式語言"。如此一來，「PHP」前後的雙引號就可以被視為字串的一部份了。
　問題就出在這裡！假如使用者在文字框中輸入「成功」二字，我們來看看傳到伺服器端的資料是什麼（以下一併顯示中文與十六進位的 ASCII 碼）：
　使用者端傳送：成（A6 A8）功（A5 5C）
　伺服器端接收：成（A6 A8）功（A5 5C 5C）
　有什麼不同？「功」字的後半部是 5C，轉成十進位是 92，剛好就是上述的跳脫字元。為了正確地傳送此一字串，PHP 會自動在該字元之前多加個 \。
　顯示在畫面上的是「成功\」，只是有點礙眼，沒啥影響。如果要存入資料庫的話，問題就來了：
　$SQL = "INSERT INTO mytable VALUES ('$Str');";
　對資料庫而言，它將收到一個這樣的命令：
　INSERT INTO mytable VALUES ('成功\');
　原本「成功」前後的單引號是用來標示字串的，但後面那個單引號加上 \ 之後，就被視為字串的一部份，而該命令就少了一個單引號了。不正確的命令，當然不能期待它會產生正確的執行結果。

我的做法
　只要可供使用者輸入文字的元件（如 Text、Textarea...），都需要經過下列函數的過濾，才能組成對資料庫執行存取動作的 SQL 敘述句。
01    function Fix_Backslash($org_str) {
02      if ( mysql_client_encoding() != "big5" ) return $org_str;

03      $tmp_length = strlen($org_str);

04      for ( $tmp_i=0; $tmp_i<$tmp_length; $tmp_i++ ) {
05        $ascii_str_a = substr($org_str, $tmp_i , 1);
06        $ascii_str_b = substr($org_str, $tmp_i+1, 1);

07        $ascii_value_a = ord($ascii_str_a);
08        $ascii_value_b = ord($ascii_str_b);

09        if ( $ascii_value_a > 128 ) {
10          if ( $ascii_value_b == 92 ) {
11            $org_str = substr($org_str, 0, $tmp_i+2) . substr($org_str,$tmp_i+3);
12            $tmp_length = strlen($org_str);
13          }
14          $tmp_i++;
15        }
16      }

17      $tmp_length = strlen($org_str);
18      if ( substr($org_str, ($tmp_length-1), 1) == "\\" ) $org_str .= chr(32);

19      $org_str = str_replace("\\0", "\ 0", $org_str);
20      return $org_str;
21    }
　02 如果您的 MySQL character set 是 big5 之類的，它本身能辨識雙位元文字時，才需要本函數來加以處理。否則，就可以直接回傳原字串了。
　請注意：這裡使用 mysql_client_encoding 函數來判斷您的 MySQL character set，而此函數需在 PHP 4.3.0 版以後才能支援。
　03 先計算整個字串的總長度，以便後續的迴圈執行「逐字元檢查」的動作。
　05 - 06 依序挑出每個字元，與它的下一個字元，意即連續擷取兩個字元。
　07 - 08 將挑出的兩個字元分別轉成 ASCII 碼。
　若所得的第一個字元大於 ASCII 128 的話（可能是中文字），執行 10 - 13 之間的程式；否則，將迴圈的指標多加 1，這個中文字（兩個字元）算是過關了。
　所得的第二個字元恰好是 ASCII 92 的話（如：許、功、俞、餐等字），11 可以將被多加上去的 \ 移除。假如被檢查的字串是「成功\了」，請看做法：
　檢查到「功」時 $tmp_i 是 2，substr($org_str, 0, $tmp_i+2) 可以擷取「成功」二字，再用 substr($org_str, $tmp_i+3) 擷取「了」字，並組合起來就行了。
　12 重算整個字串的總長度，因為字串長度改變了。
　17 重算整個字串的總長度，供第 18 行使用。
　18 在上述的處理程序之後，如果在字串末尾還有 \ 的話，在其後加個空白。
　由於前後文字之間可能組合出 \0 字元（Null），它也會干擾程式的正常運作，所在第 19 行利用 str_replace 函數，將所有的 \0 改成 \ 0（中間加個空白）。
　20 大功告成了。
2005.2.18 修訂
經驗交流