遇到个 Java 和 Php 在获取客户端 cookie 方式不同导致跨系统的问题。所以写了这篇博客梳理下相关知识。

实验

下面通过两个简单的实验，来看Java和Php在获取web请求中的cookie的不同之处，我下面贴出http请求的相关信息，和服务端输出的结果。

Java

请求信息

GET / HTTP/1.1
Host: localhost:7003
...
Cookie: test2=ab+cd; test1=ab%2Bcd

服务端

@Controller
@Slf4j
public class MainController {
 @Autowired
 private HttpServletRequest request;
 @GetMapping("/")
 public @ResponseBody
 String index() {
 Cookie[] cookies = request.getCookies();
 if (null != cookies) {
 for (Cookie cookie : cookies) {
 log.info(cookie.getName() + "=" + cookie.getValue());
 }
 }
 return "index";
 }
}

控制台输出

2019-05-16 18:03:32.770 INFO 10114 --- [nio-7003-exec-1] net.mengkang.demo.MainController : test2=ab+cd
2019-05-16 18:03:32.770 INFO 10114 --- [nio-7003-exec-1] net.mengkang.demo.MainController : test1=ab%2Bcd

Php

GET / HTTP/1.1
Host: localhost:8084
...
Cookie: test2=ab+cd; test1=ab%2Bcd

服务端

var_exprot($_COOKIE);
array (
 'test2' => 'ab cd',
 'test1' => 'ab+cd',
)

结果对比

发现Java是不会对cookie数据做任何处理，但是php则会默认进行一次urldecode操作，这导致了，两边系统里面获取同一cookie时，结果不一致的 bug。

Php 源码分析

主要查看两处源码

main/php_variables.c
ext/standard/url.c
SAPI_API SAPI_TREAT_DATA_FUNC(php_default_treat_data)
{
...
 switch (arg) {
 case PARSE_GET:
 case PARSE_STRING:
 separator = PG(arg_separator).input;
 break;
 case PARSE_COOKIE:
 separator = ";"; //可以在我们浏览器里看到请求的header里面cookie的分隔符就是这个
 break;
 }
 var = php_strtok_r(res, separator, &strtok_buf);
 while (var) {
 val = strchr(var, '=');
 if (arg == PARSE_COOKIE) {
 /* Remove leading spaces from cookie names, needed for multi-cookie header where ; can be followed by a space */
 while (isspace(*var)) {
 var++;
 }
 if (var == val || *var == '') {
 goto next_cookie;
 }
 }
 if (++count > PG(max_input_vars)) {
 php_error_docref(NULL, E_WARNING, "Input variables exceeded " ZEND_LONG_FMT ". To increase the limit change max_input_vars in php.ini.", PG(max_input_vars));
 break;
 }
 if (val) { /* have a value */
 size_t val_len;
 size_t new_val_len;
 *val++ = '';
 php_url_decode(var, strlen(var));
 val_len = php_url_decode(val, strlen(val));
 val = estrndup(val, val_len);
 if (sapi_module.input_filter(arg, var, &val, val_len, &new_val_len)) {
 php_register_variable_safe(var, val, new_val_len, &array);
 }
 efree(val);
 } else {
 size_t val_len;
 size_t new_val_len;
 php_url_decode(var, strlen(var));
 val_len = 0;
 val = estrndup("", val_len);
 if (sapi_module.input_filter(arg, var, &val, val_len, &new_val_len)) {
 php_register_variable_safe(var, val, new_val_len, &array);
 }
 efree(val);
 }
next_cookie:
 var = php_strtok_r(NULL, separator, &strtok_buf);
 }
 if (free_buffer) {
 efree(res);
 }
}

我们看到cookie的值会被执行php_url_decode操作，下面附带其源码，且加上一段测试代码

#include <stdio.h>
#include <ctype.h>
#include <memory.h>
static int php_htoi(char *s) {
 int value;
 int c;
 c = ((unsigned char *) s)[0];
 if (isupper(c))
 c = tolower(c);
 value = (c >= '0' && c <= '9' ? c - '0' : c - 'a' + 10) * 16;
 c = ((unsigned char *) s)[1];
 if (isupper(c))
 c = tolower(c);
 value += c >= '0' && c <= '9' ? c - '0' : c - 'a' + 10;
 return (value);
}
size_t php_url_decode(char *str, size_t len) {
 char *dest = str;
 char *data = str;
 while (len--) {
 if (*data == '+') {
 *dest = ' ';
 } else if (*data == '%' && len >= 2 && isxdigit((int) *(data + 1)) && isxdigit((int) *(data + 2))) {
 *dest = (char) php_htoi(data + 1);
 data += 2;
 len -= 2;
 } else {
 *dest = *data;
 }
 data++;
 dest++;
 }
 *dest = '';
 return dest - str;
}
int main() {
 char a[6] = {"ab+cd"};
 php_url_decode(a, strlen(a));
 printf("%s
", a);
 return 0;
}

上面php_url_decode用到了php_htoi，这个是因为urlencode是按照rfc1738对字符串中除了 -_. 之外的所有非字母数字字符都将被替换成百分号（%）后跟两位十六进制数。htoi作用就是Converting Hexadecimal Digits Into Integers。然后把计算出来的整型转换为char，存回处理完之后的字符数组里。

小结

$_COOKIE的数据在 php 这边是经过urldecode的二手数据，这个导致和JAVA那边获取的cookie值不一样了就。

编码扩展讨论

rawurlencode与urlencode的区别是什么？

手册上的解释是：

urlencode 返回字符串，此字符串中除了 -_. 之外的所有非字母数字字符都将被替换成百分号（%）后跟两位十六进制数，空格则编码为加号（+）。此编码与 WWW 表单 POST 数据的编码方式是一样的，同时与
application/x-www-form-urlencoded 的媒体类型编码方式一样。由于历史原因，此编码在将空格编码为加号（+）方面与 » RFC3986 编码（参见 rawurlencode()）不同。

PHPAPI size_t php_raw_url_decode(char *str, size_t len)
{
 char *dest = str;
 char *data = str;
 while (len--) {
 if (*data == '%' && len >= 2 && isxdigit((int) *(data + 1))
 && isxdigit((int) *(data + 2))) {
#ifndef CHARSET_EBCDIC
 *dest = (char) php_htoi(data + 1);
#else
 *dest = os_toebcdic[(char) php_htoi(data + 1)];
#endif
 data += 2;
 len -= 2;
 } else {
 *dest = *data;
 }
 data++;
 dest++;
 }
 *dest = '';
 return dest - str;
}

通过源码可以看到就是对+处理没有了。

请求的编码讨论

GET

当我们在 url 传递+的时候，浏览器不会默认为我们执行urlencode操作，但是 php 服务端取值的时候（还是上面那段代码）会执行urldecode，导致url中的+被去掉。这一点也非常好检测。

var_dump($_GET);
curl http://localhost:8084/a.php?a=bb+c
array(1) {
 ["a"]=>
 string(5) "bbb c"
}

POST

当我们的做表单提交post请求的时候，默认表单的编码规范就是
application/x-www-form-urlencoded，这样浏览器会自动的对我们的数据就行一次urlencode编码，之后 php 服务端收到$_POST数据会再进行urldecode。

<form action="a.php" method="post" >
 <input type="text" name="postData" value="">
 <input type="submit">
</form>

当我在表单里提交了一段ab+cd的内容，请求数据如下

POST /a.php HTTP/1.1
...
Host: localhost:8084
Content-Type: application/x-www-form-urlencoded
...
Cookie: test2=ab+cd; test1=ab%2Bcd
postData=ab%2Bcd

服务端

# a.php
var_dump($_POST);
var_dump(file_get_contents("php://input"));

输出结果

array(1) {
 ["postData"]=>
 string(5) "ab+cd"
}
string(16) "postData=ab%2Bcd"

另一种情况，如果我们post的表单执行编码为multipart/form-data，浏览器则不会对数据进行编码，服务端也不会对数据就行解码。