apache RewriteRule 的語法以匹配 % 編碼的 URL？（修復字元編碼問題；windows-1252 <=> utf-8）

我託管了一個 URL 中包含“”的網頁，與託管靜態文件project²的磁碟目錄相匹配。project²

基於 java 的客戶端使用此頁面從 URL（生物資訊學軟體IGV）載入數據。我的頁面以http://localhost:60151/load?file=http://example.org/project²/some/data/file.bam. 在瀏覽器中點擊這些連結將導致 IGV 客戶端（在 localhost 上執行）向GET http://example.org/project²/some/data/file.bam我的伺服器請求。

✅ Linux/Mac 上的 IGV 通過將此 URL 請求為 UTF-8 編碼²=來響應%C2%B2，一切正常。

❌我新獲得的Win-10使用者的客戶端請求²= %B2（windows-1252編碼），導致404-not-found。

在嘗試了幾十件事之後，我對如何幫助這個使用者束手無策。

我的印像是我應該能夠在伺服器端動態重寫錯誤編碼的 URL，以便它們最終仍然提供所需的數據，但我不知道使規則模式匹配的神奇字元組合轉義字元。

---

我已經嘗試過的事情

• 仔細檢查 404 不是網路問題；我看到GET %B2我ssl_access_log的 with404作為返回的狀態碼，所以它確實是伺服器在做它。

• “正確”方式：在將 URL 提供給客戶端之前對 URL 進行 UrlEncoding。PerlURI::Encode encode_uri將²變成%C3%82%C2%B2（顯然ò？）不知何故更錯誤？

• 三重檢查提供載入 URL 的網頁是否為 utf-8

  • 它提供標題Content-Type: text/html; charset=UTF-8
  • 設置AddDefaultCharset UTF-8在httpd.conf
  • 似乎編碼資訊沒有從 webbrowser API-link-click 傳輸到 Java 程序中

• 通過符號連結將目錄“加倍”~~projectª -> project²~~並且project%B2 -> project² （ª是 UTF8 匹配%B2） 編輯：ª 沒有任何關係；不知道我從哪裡得到的

• 試圖以mod_rewrite幾種不同的方式將“壞”的 URL 變成好的 URL，但似乎都沒有：

RewriteEngine on
# RewriteRule Pattern Substitution [flags]
RewriteRule (.*)project%B2/(.*) $1project²/$2 [NE] # encoded 'bad' request, unencoded redirect
RewriteRule (.*)²(.*) $1%C2%B2$2 [B,NE]            # config file is utf-8 encoded, so this is senseless.      
RewriteRule (.*)%B2(.*) $12$2 [B,NE]               # doesn't match?        
RewriteRule (.*)TZZT(.*) $1test$2                  # works, so RewriteEngine is working

RewriteRule和RewriteRuleFlags文件也不能幫助我理解我應該如何編碼Pattern-part 以便它可以工作:-(

---

類似的問題在這裡

• Apache .htaccess 能否將編碼 URI 中的百分比編碼從 Win-1252 轉換為 UTF-8？-> 外部編碼程序rewritemap似乎有點矯枉過正，因為它實際上只有一個文件夾project²，所以我的範圍更小。
• 在 NGinX 中將ASCII 百分比編碼的位置重寫為其 UTF-8 編碼的等效相同問題，指向上述 Apache 問題。

解決方案

RewriteRules 必須使用\x而不是%為了匹配 % 編碼的 URL！（字節序列的 PCRE 語法）

mod_rewrite-config 使用 PCRE 正則表達式語法，並對解碼的 URL 進行操作，因此%在模式中鍵入 -encodingRewriteRule會導致它查找文字%-character，而不是編碼值。

RewriteRules 中正確的轉義字元是，因此可以使用（或不區分大小寫）匹配\xURLencoded 值。%B2``\xb2``\xB2

請注意，這RewriteRule是一種針對字元編碼問題的 hacky 解決方案，它僅在恰好有一個特定的錯誤編碼字元位於特定的、可預測的位置時才有效。

有關任意位置多個錯誤編碼字元的通用解決方案，請參閱Apache .htaccess 能否將編碼 URI 中的百分比編碼從 Win-1252 轉換為 UTF-8？，它提出了一種通用解決方案，該解決方案使用RewriteMap功能齊全的程式語言耦合到外部程序。

正確的解決方案仍然是從源頭上防止這種情況，在整個鏈中使用顯式的 %-encoding。這可以避免依賴於作業系統的編碼意外發生在您無法控制的“中間某處”。（假設路徑上沒有客戶端進行雙重編碼，這應該是一種應受懲罰的罪行..）

---

我是怎麼到這裡的

絕望了，我按照mod_rewrite docsLogLevel Warn rewrite:trace3中的建議提高了伺服器範圍的日誌記錄。這被警告（嚴重）影響伺服器性能，但由於這是一個低流量的伺服器，並且沒有預先存在的重寫，所以可以管理。

額外的日誌記錄被發送到 ( ssl_)error_log中。這讓我深入了解瞭如何嘗試匹配，以及規則和 URI 的內部表示在mod_rewrite.

摘自ssl_error_log（為簡潔起見省略了許多列），帶有規則RewriteRule (.*)project%B2/(.*) $1project²/$2 [NE,L]

[rewrite:trace3] applying pattern '(.*)project%B2/(.*)' to uri 'project\xb2/'
[rewrite:trace1] pass through /var/www/html/example.org/project\xb2

請注意，來自客戶端的 request-uri 是寫的\xb2，但我的模式使用%B2.

使用規則將規則語法與 uri 語法匹配RewriteRule (.*)project\xB2/(.*) $1project²/$2 [NE,L]

[rewrite:trace3] applying pattern '(.*)project\\xb2/(.*)' to uri 'project\xb2/'
[rewrite:trace2] rewrite 'project\xb2/' -> 'project%c2%b2/'
[rewrite:trace1] internal redirect with /auth-test/project\xc2\xb2/ [INTERNAL REDIRECT]

🎉成功！🎉 如我們所見，我們現在正在匹配！

---

為什麼沒有[R]/[R=302]標誌？

由於這是一個字元編碼問題，我不認為進行額外的 HTTP 往返會增加價值；饋入客戶端的每個連結都會再次遇到相同的問題，除非我在將其饋入客戶端 java 程序之前修復了編碼問題。

---

不要忘記RewriteBase

請注意，這個縮短的版本省略了正確的設置RewriteBase，這可能會破壞重寫的路徑，具體取決於您conf寫入的位置（例如<Directory>vs <Location>）。沒有RewriteBase我不小心重定向到❌https://example.org/var/www/html/rewrite-testing/project² 而不是✅ https://example.org/rewrite-testing/project²）

您不能僅使用 mod_rewrite “轉換編碼”，但是，您可以在請求的 URL 中搜尋特定的字元序列並“更正它”。

http://localhost:60151/load?file=http://example.org/project²/some/data/file.bam

RewriteRule (.*)project%B2/(.*) $1project²/$2 [NE]

請注意，它project²作為查詢字元串的一部分出現在您發布的範例 URL 中，但是，RewriteRule 模式（您在上面使用的）僅與 %-decoded URL 路徑匹配（不包括查詢字元串）。要匹配查詢字元串，您需要使用附加RewriteCond指令並匹配QUERY_STRING（或THE_REQUEST）伺服器變數。

請注意，QUERY_STRING(and THE_REQUEST) 伺服器變數是 % 編碼的（或者更確切地說，是從客戶端發送的） - 它們沒有經過 % 解碼。

請嘗試以下操作：

RewriteCond %{QUERY_STRING} (.+)/project%B2/(.*)
RewriteRule ^(load)$ $1?%1/project%C2%B2/%2 [NE,L]

反向引用%1和替換%2字元串中的引用前面的CondPattern - 麻煩部分之前和之後的部分。/project%B2/

$1只是對 URL 路徑的反向引用（以保存重複），我假設它總是load.

該NE標誌防止%自身（當用作 URL 編碼字元的一部分時）被 URL 編碼。

**更新：**恐怕我最初的問題不清楚誰獲取哪個 URL，因此您的答案的“查詢字元串”部分不適用……

如果您需要匹配**% 編碼的 URL 路徑**，那麼您應該匹配THE-REQUEST伺服器變數。THE_REQUEST包含 HTTP 請求標頭的第一行並且未進行 % 解碼。它包含從客戶端發送的完整 URL 路徑（和查詢字元串）（以及請求方法和協議版本）。例如，對於格式錯誤的請求，格式如下的字元串：

GET /project%B2/some/data/file.bam HTTP/1.1

您可以匹配和更正如下：

RewriteCond %{THE_REQUEST} ^[A-Z]{3,7}\s(/project)%B2([^\s]+)
RewriteRule ^/?project %1%B2%C2%2 [NE,L]

%1並且%2是對前面CondPattern中擷取的子模式的反向引用。

另一方面，RewriteRule pattern僅與預處理的 %-decoded URL-path 匹配（如上所述）。那麼，%B2無論解碼為什麼；假設是 UTF-8 編碼。不幸的是，這是一個不可列印的字元，因此需要用正則表達式中的十六進製字元序列表示，即。\xb2（這是表示單個字節序列的 PCRE 語法）。

引用自：https://serverfault.com/questions/1036007