Cara mudah untuk menguji URL untuk 404 di PHP?

Saya mengajar diri sendiri beberapa goresan dasar dan saya menemukan bahwa kadang-kadang URL yang saya masukkan ke kode saya kembali 404, yang merupakan gusi semua sisa kode saya.

Jadi saya perlu tes di bagian atas kode untuk memeriksa apakah URL mengembalikan 404 atau tidak.

Ini akan tampak seperti tugas langsung, tetapi Google tidak memberi saya jawaban. Saya khawatir saya mencari hal yang salah.

Satu blog merekomendasikan saya menggunakan ini:

$valid = @fsockopen($url, 80, $errno, $errstr, 30);

dan kemudian tes untuk melihat apakah $ valid jika kosong atau tidak.

Tapi saya pikir URL yang memberi saya masalah memiliki arahan ulang, jadi $ valid akan kosong untuk semua nilai. Atau mungkin saya melakukan sesuatu yang salah.

Saya juga telah melihat ke dalam "permintaan kepala" tetapi saya belum menemukan contoh kode aktual yang bisa saya mainkan atau coba.

Saran? Dan apa ini tentang ikal?

Jika Anda menggunakan curlbinding PHP , Anda dapat memeriksa kode kesalahan menggunakan curl_getinfoseperti:

$handle = curl_init($url);
curl_setopt($handle,  CURLOPT_RETURNTRANSFER, TRUE);

/* Get the HTML or whatever is linked in $url. */
$response = curl_exec($handle);

/* Check for 404 (file not found). */
$httpCode = curl_getinfo($handle, CURLINFO_HTTP_CODE);
if($httpCode == 404) {
    /* Handle 404 here. */
}

curl_close($handle);

/* Handle $response here. */

Jika Anda menjalankan php5 Anda dapat menggunakan:

$url = 'http://www.example.com';
print_r(get_headers($url, 1));

Atau dengan php4 pengguna berkontribusi sebagai berikut:

/**
This is a modified version of code from "stuart at sixletterwords dot com", at 14-Sep-2005 04:52. This version tries to emulate get_headers() function at PHP4. I think it works fairly well, and is simple. It is not the best emulation available, but it works.

Features:
- supports (and requires) full URLs.
- supports changing of default port in URL.
- stops downloading from socket as soon as end-of-headers is detected.

Limitations:
- only gets the root URL (see line with "GET / HTTP/1.1").
- don't support HTTPS (nor the default HTTPS port).
*/

if(!function_exists('get_headers'))
{
    function get_headers($url,$format=0)
    {
        $url=parse_url($url);
        $end = "\r\n\r\n";
        $fp = fsockopen($url['host'], (empty($url['port'])?80:$url['port']), $errno, $errstr, 30);
        if ($fp)
        {
            $out  = "GET / HTTP/1.1\r\n";
            $out .= "Host: ".$url['host']."\r\n";
            $out .= "Connection: Close\r\n\r\n";
            $var  = '';
            fwrite($fp, $out);
            while (!feof($fp))
            {
                $var.=fgets($fp, 1280);
                if(strpos($var,$end))
                    break;
            }
            fclose($fp);

            $var=preg_replace("/\r\n\r\n.*\$/",'',$var);
            $var=explode("\r\n",$var);
            if($format)
            {
                foreach($var as $i)
                {
                    if(preg_match('/^([a-zA-Z -]+): +(.*)$/',$i,$parts))
                        $v[$parts[1]]=$parts[2];
                }
                return $v;
            }
            else
                return $var;
        }
    }
}

Keduanya akan memiliki hasil yang mirip dengan:

Array
(
    [0] => HTTP/1.1 200 OK
    [Date] => Sat, 29 May 2004 12:28:14 GMT
    [Server] => Apache/1.3.27 (Unix)  (Red-Hat/Linux)
    [Last-Modified] => Wed, 08 Jan 2003 23:11:55 GMT
    [ETag] => "3f80f-1b6-3e1cb03b"
    [Accept-Ranges] => bytes
    [Content-Length] => 438
    [Connection] => close
    [Content-Type] => text/html
)

Karenanya, Anda bisa memeriksa untuk melihat bahwa respons tajuk OK, misalnya:

$headers = get_headers($url, 1);
if ($headers[0] == 'HTTP/1.1 200 OK') {
//valid 
}

if ($headers[0] == 'HTTP/1.1 301 Moved Permanently') {
//moved or redirect page
}

Kode dan Definisi W3C

Dengan kode strager, Anda juga dapat memeriksa CURLINFO_HTTP_CODE untuk kode lain. Beberapa situs web tidak melaporkan 404, melainkan hanya mengarahkan ulang ke halaman 404 khusus dan mengembalikan 302 (redirect) atau yang serupa. Saya menggunakan ini untuk memeriksa apakah file aktual (mis. Robots.txt) ada di server atau tidak. Jelas jenis file ini tidak akan menyebabkan pengalihan jika ada, tetapi jika tidak maka akan diarahkan ke halaman 404, yang seperti saya katakan sebelumnya mungkin tidak memiliki kode 404.

function is_404($url) {
    $handle = curl_init($url);
    curl_setopt($handle,  CURLOPT_RETURNTRANSFER, TRUE);

    /* Get the HTML or whatever is linked in $url. */
    $response = curl_exec($handle);

    /* Check for 404 (file not found). */
    $httpCode = curl_getinfo($handle, CURLINFO_HTTP_CODE);
    curl_close($handle);

    /* If the document has loaded successfully without any redirection or error */
    if ($httpCode >= 200 && $httpCode < 300) {
        return false;
    } else {
        return true;
    }
}

Seperti yang disarankan strager, lihatlah menggunakan CURL. Anda juga mungkin tertarik untuk menyetel CURLOPT_NOBODY dengan curl_setopt untuk melewati pengunduhan seluruh halaman (Anda hanya ingin tajuknya ).

Jika Anda mencari solusi termudah dan yang dapat Anda coba sekaligus, lakukanlah php5

file_get_contents('www.yoursite.com');
//and check by echoing
echo $http_response_header[0];

Saya menemukan jawaban ini di sini :

if(($twitter_XML_raw=file_get_contents($timeline))==false){
    // Retrieve HTTP status code
    list($version,$status_code,$msg) = explode(' ',$http_response_header[0], 3);

    // Check the HTTP Status code
    switch($status_code) {
        case 200:
                $error_status="200: Success";
                break;
        case 401:
                $error_status="401: Login failure.  Try logging out and back in.  Password are ONLY used when posting.";
                break;
        case 400:
                $error_status="400: Invalid request.  You may have exceeded your rate limit.";
                break;
        case 404:
                $error_status="404: Not found.  This shouldn't happen.  Please let me know what happened using the feedback link above.";
                break;
        case 500:
                $error_status="500: Twitter servers replied with an error. Hopefully they'll be OK soon!";
                break;
        case 502:
                $error_status="502: Twitter servers may be down or being upgraded. Hopefully they'll be OK soon!";
                break;
        case 503:
                $error_status="503: Twitter service unavailable. Hopefully they'll be OK soon!";
                break;
        default:
                $error_status="Undocumented error: " . $status_code;
                break;
    }

Pada dasarnya, Anda menggunakan metode "file mendapatkan konten" untuk mengambil URL, yang secara otomatis mengisi variabel header respons http dengan kode status.

Ini akan memberi Anda benar jika url tidak mengembalikan 200 OK

function check_404($url) {
   $headers=get_headers($url, 1);
   if ($headers[0]!='HTTP/1.1 200 OK') return true; else return false;
}

tambahan, menguji 3 metode yang mempertimbangkan kinerja.

Hasilnya, setidaknya di lingkungan pengujian saya:

Curl menang

Tes ini dilakukan dengan pertimbangan bahwa hanya header (noBody) yang diperlukan. Uji dirimu:

$url = "http://de.wikipedia.org/wiki/Pinocchio";

$start_time = microtime(TRUE);
$headers = get_headers($url);
echo $headers[0]."<br>";
$end_time = microtime(TRUE);
echo $end_time - $start_time."<br>";


$start_time = microtime(TRUE);
$response = file_get_contents($url);
echo $http_response_header[0]."<br>";
$end_time = microtime(TRUE);
echo $end_time - $start_time."<br>";

$start_time = microtime(TRUE);
$handle = curl_init($url);
curl_setopt($handle,  CURLOPT_RETURNTRANSFER, TRUE);
curl_setopt($handle, CURLOPT_NOBODY, 1); // and *only* get the header 
/* Get the HTML or whatever is linked in $url. */
$response = curl_exec($handle);
/* Check for 404 (file not found). */
$httpCode = curl_getinfo($handle, CURLINFO_HTTP_CODE);
// if($httpCode == 404) {
    // /* Handle 404 here. */
// }
echo $httpCode."<br>";
curl_close($handle);
$end_time = microtime(TRUE);
echo $end_time - $start_time."<br>";

Sebagai petunjuk tambahan untuk jawaban yang diterima:

Ketika menggunakan variasi dari solusi yang diusulkan, saya mendapat kesalahan karena pengaturan php 'max_execution_time'. Jadi yang saya lakukan adalah sebagai berikut:

set_time_limit(120);
$curl = curl_init($url);
curl_setopt($curl, CURLOPT_NOBODY, true);
$result = curl_exec($curl);
set_time_limit(ini_get('max_execution_time'));
curl_close($curl);

Pertama saya mengatur batas waktu ke jumlah detik yang lebih tinggi, pada akhirnya saya mengaturnya kembali ke nilai yang ditentukan dalam pengaturan php.

<?php

$url= 'www.something.com';
$ch = curl_init($url);
curl_setopt($ch, CURLOPT_HEADER, true);   
curl_setopt($ch, CURLOPT_NOBODY, true);    
curl_setopt($ch, CURLOPT_USERAGENT, "Mozilla/5.0 (Windows; U; Windows NT 6.0; en-US; rv:1.9.0.3) Gecko/2008092417 Firefox/3.0.4");
curl_setopt($ch, CURLOPT_RETURNTRANSFER,1);
curl_setopt($ch, CURLOPT_TIMEOUT,10);
curl_setopt($ch, CURLOPT_ENCODING, "gzip");
curl_setopt($ch, CURLOPT_FOLLOWLOCATION, 1);
$output = curl_exec($ch);
$httpcode = curl_getinfo($ch, CURLINFO_HTTP_CODE);
curl_close($ch);


echo $httpcode;
?>

Ini solusi singkatnya.

$handle = curl_init($uri);
curl_setopt($handle,  CURLOPT_RETURNTRANSFER, TRUE);
curl_setopt($handle,CURLOPT_HTTPHEADER,array ("Accept: application/rdf+xml"));
curl_setopt($handle, CURLOPT_NOBODY, true);
curl_exec($handle);
$httpCode = curl_getinfo($handle, CURLINFO_HTTP_CODE);
if($httpCode == 200||$httpCode == 303) 
{
    echo "you might get a reply";
}
curl_close($handle);

Dalam kasus Anda, Anda dapat mengubah application/rdf+xmlapa pun yang Anda gunakan.

Fungsi ini mengembalikan kode status URL di PHP 7:

/**
 * @param string $url
 * @return int
 */
function getHttpResponseCode(string $url): int
{
    $headers = get_headers($url);
    return substr($headers[0], 9, 3);
}

Contoh:

echo getHttpResponseCode('https://www.google.com');
//displays: 200

Anda dapat menggunakan kode ini juga, untuk melihat status tautan apa pun:

<?php

function get_url_status($url, $timeout = 10) 
{
$ch = curl_init();
// set cURL options
$opts = array(CURLOPT_RETURNTRANSFER => true, // do not output to browser
            CURLOPT_URL => $url,            // set URL
            CURLOPT_NOBODY => true,         // do a HEAD request only
            CURLOPT_TIMEOUT => $timeout);   // set timeout
curl_setopt_array($ch, $opts);
curl_exec($ch); // do it!
$status = curl_getinfo($ch, CURLINFO_HTTP_CODE); // find HTTP status
curl_close($ch); // close handle
echo $status; //or return $status;
    //example checking
    if ($status == '302') { echo 'HEY, redirection';}
}

get_url_status('http://yourpage.comm');
?>

ini adil dan sepotong kode, harapan berhasil untuk Anda

            $ch = @curl_init();
            @curl_setopt($ch, CURLOPT_URL, 'http://example.com');
            @curl_setopt($ch, CURLOPT_USERAGENT, "Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.8.1.1) Gecko/20061204 Firefox/2.0.0.1");
            @curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
            @curl_setopt($ch, CURLOPT_FOLLOWLOCATION, 1);
            @curl_setopt($ch, CURLOPT_TIMEOUT, 10);

            $response       = @curl_exec($ch);
            $errno          = @curl_errno($ch);
            $error          = @curl_error($ch);

                    $response = $response;
                    $info = @curl_getinfo($ch);
return $info['http_code'];

Ini caranya!

<?php

$url = "http://www.google.com";

if(@file_get_contents($url)){
echo "Url Exists!";
} else {
echo "Url Doesn't Exist!";
}

?>

Skrip sederhana ini hanya membuat permintaan ke URL untuk kode sumbernya. Jika permintaan berhasil diselesaikan, itu akan menampilkan "URL Ada!". Jika tidak, itu akan menampilkan "URL Tidak Ada!".