新闻详情

新闻详情

首页 / 资讯中心 / 详情

PHP使用JWT实现API身份验证的完整流程

发布时间:2026/11/16 21:53:31来源:尧图网络
PHP使用JWT实现API身份验证的完整流程
1. JWT简介JWT由三部分组成Header-包含令牌的类型和使用的哈希算法如HMAC SHA256或RSA。Payload-包含声明claims。声明是关于实体通常是用户和其他数据的有三种类型注册声明、公共声明和私有声明。Signature-对前两部分的签名防止数据篡改。例如一个JWT看起来像这样xxxxx.yyyyy.zzzzz三个Base64-URL字符串用点分隔。2. 环境准备在开始之前确保你已经安装了PHP建议7.4以上版本和Composer。我们这里使用firebase/php-jwt库来处理JWT的生成和验证。1composer require firebase/php-jwt3. 用户注册与登录3.1 数据库设计为了简单起见我们使用MySQL数据库。创建一个名为users的表12345CREATETABLEusers (idINTAUTO_INCREMENTPRIMARYKEY,usernameVARCHAR(50)NOTNULLUNIQUE,passwordVARCHAR(255)NOTNULL);注意‌ 密码必须是经过哈希处理用到的是PHP的password_hash()函数。3.2 注册接口在注册接口中我们接收用户名和密码将密码哈希后存储到数据库。123456789101112131415161718192021?phprequirevendor/autoload.php;useFirebase\JWT\JWT;// 连接数据库$pdonewPDO(mysql:hostlocalhost;dbnametest,root,password);functionregister($username,$password) {global$pdo;// 检查用户名是否已存在$stmt$pdo-prepare(SELECT id FROM users WHERE username ?);$stmt-execute([$username]);if($stmt-fetch()) {return[errorUser already exists];}// 哈希密码$hash password_hash($password, PASSWORD_DEFAULT);$stmt$pdo-prepare(INSERT INTO users (username, password) VALUES (?, ?));$stmt-execute([$username,$hash]);return[messageUser registered successfully];}3.3 登录接口登录时验证用户名和密码如果正确则生成JWT令牌返回给客户端。123456789101112131415161718192021222324functionlogin($username,$password) {global$pdo;$stmt$pdo-prepare(SELECT id, password FROM users WHERE username ?);$stmt-execute([$username]);$user$stmt-fetch();if(!$user|| !password_verify($password,$user[password])) {return[errorInvalid credentials];}// 生成JWT$secret_keyyour_secret_key;// 应该是一个复杂的随机字符串存储在环境变量中$payload [isslocalhost,// 签发者audlocalhost,// 接收方iat time(),// 签发时间exp time() 3600,// 过期时间1小时data [user_id$user[id],username$username]];$jwt JWT::encode($payload,$secret_key,HS256);return[token$jwt];}4. 验证JWT在需要身份验证的API例如用户个人信息接口中我们需要验证客户端传来的JWT。12345678910111213141516171819202122functiongetProfile() {// 获取Authorization头$headersgetallheaders();if(!isset($headers[Authorization])) {http_response_code(401);return[errorToken not provided];}$tokenstr_replace(Bearer ,,$headers[Authorization]);$secret_keyyour_secret_key;try{$decoded JWT::decode($token,newFirebase\JWT\Key($secret_key,HS256));// 如果验证成功$decoded将包含我们之前设置的payload$user_id$decoded-data-user_id;// 现在可以根据user_id从数据库获取用户信息并返回// ... 数据库查询代码 ...return[user$userInfo];}catch(Exception$e) {http_response_code(401);return[errorInvalid token];}}5. 安全性考虑‌使用HTTPS‌在传输过程中保护JWT防止被截获。‌密钥安全‌密钥secret_key必须足够复杂且不要硬编码在代码中应该使用环境变量。‌令牌过期‌设置合理的过期时间如1小时并考虑使用刷新令牌机制来延长会话。‌存储方式‌客户端通常将JWT存储在localStorage或sessionStorage中但要注意XSS攻击。也可以使用HttpOnly的Cookie来存储避免XSS但要注意CSRF防护。6. 总结通过本文我们学习了如何在PHP中使用JWT进行API身份验证。从用户注册登录到JWT的生成与验证我们实现了一套完整的流程。JWT提供了一种无状态的认证机制非常适合分布式应用和前后端分离架构。当然安全是一个持续的过程除了本文介绍的内容我们平时开发的时候还是需要关注其他安全措施比如常见的输入验证、基础防止SQL注入等。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/16 19:23:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/16 6:47:19

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/16 17:28:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉