在前面大致预览了常用变量的结构之后,我们今天来仔细的剖析一下字符串的具体实现。
struct _zend_string {
zend_refcounted_h gc; /* 字符串类别及引用计数 */
zend_ulong h; /* 字符串的哈希值 */
size_t len; /* 字符串的长度 */
char val[1]; /* 柔性数组,字符串存储位置 */
};
zend_refcounted_h对应的结构体:
typedef struct _zend_refcounted_h {
uint32_t refcount; /* 引用计数 */
union {
struct {
ZEND_ENDIAN_LOHI_3(
zend_uchar type,
zend_uchar flags, /* 字符串的类型 */
uint16_t gc_info /* 垃圾回收信息 */
)
} v;
uint32_t type_info;
} u;
} zend_refcounted_h;
下面我们来了解一下具体每个成员的作用:
static zend_always_inline zend_string *zend_string_alloc(size_t len, int persistent)
{
zend_string *ret = (zend_string *)pemalloc(ZEND_MM_ALIGNED_SIZE(_ZSTR_STRUCT_SIZE(len)), persistent);
......
}
宏替换后:
static zend_always_inline zend_string *zend_string_alloc(size_t len, int persistent)
{
zend_string *ret = (zend_string *)pemalloc(ZEND_MM_ALIGNED_SIZE(XtOffsetOf(zend_string, val) + len + 1), persistent);
......
}
示例中的代码XtOffsetOf(zend_string, val)
表示计算出zend_string结构体的大小,而len就是要分配字符串的长度,最后的+1
是留给结束字符\0
的。也就是说,分配内存时不仅仅分配结构体大小的内存,还要顾及到长度不可控的val,这样不仅柔性的分配了内存,还使它与其他成员存储在同一块连续的空间中,在分配、释放内存时可以把struct统一处理。
学习过C语言的应该知道,字符串中除了最后一个字符外不允许含有\0
,否则会被认为是字符串的结束字符,这就导致了C语言的字符串有很多的限制,比如不存储图片、文件等二进制数据。但是PHP就没有这样的限制,它的字符串可以存储二进制数据,并不会出现任何报错,而PHP的这种能力就叫做字符串的二进制安全。
C语言代码如下:
main() {
char a[] = "aaa\0b"; /* 含有\0的字符串 */
printf("%d\n", strlen(a)); /* 长度为3,\0后的b被忽略 */
}
PHP代码:
<?php
$a = "aaa\0b";
echo strlen($a); //输出5
?>
但是PHP不是C语言写的吗?为什么PHP不会报错?我们再来回顾一下zend_string结构体,还记得成员变量len吗?它是实现二进制安全的关键,我们不需要像C一样通过\0
来判定字符串是否被读取完成,而是通过长度len来判断,这样就保证了字符串的二进制安全。
在了解了zend_string结构之后,我们来了解一下用来操作zend_string的函数集合。
函数 | 作用 |
---|---|
zend_interned_strings_init | 初始化内部字符串存储哈希表,并把PHP的关键字等字符串信息写进去 |
zend_new_interned_string | 把一个zend_string写入CG(interned_strings)哈希表中 |
zend_interned_strings_snapshot | 将CG(interned_strings)哈希表中的字符串标记为永久字符串,这里标记的只有PHP关键字、内部函数名、内部方法名等 |
zend_interned_strings_restore | 销毁CG(interned_strings)哈希表中类型为非永久字符串的值,在php_request_shutdown阶段释放 |
zend_interned_strings_dtor | 销毁整个CG(interned_strings)哈希表,在php_module_shutdown阶段释放 |
zend_string_hash_val | 得到字符串的哈希值,没有则实时计算 |
zend_string_forget_hash_val | 将字符串的哈希值置为0 |
zend_string_refcount | 读取字符串的引用计数 |
zend_string_addref | 引用计数+1 |
zend_string_delref | 引用计数-1 |
zend_string_alloc | 分配内存及初始化字符串的值 |
zend_string_init | 初始化字符串并在最后追加\0 |
zend_string_cop | 使用引用计数方式复制字符串 |
zend_string_dup | 直接复制一个字符串 |
zend_string_extend | 扩容到len,保留原来的值 |
zend_string_truncate | 截断到len,保留开头到len的值 |
zend_string_free | 释放字符串内存 |
zend_string_release | GC引用递减,直到为0时释放内存 |
zend_string_equals | 普通判等 |
zend_string_equals_ci | 基于二进制安全,两个zend_string类型字符串判等 |
zend_string_equals_literal_ci | 基于二进制安全,zend_string类型和char*字符串判等 |
zend_inline_hash_func | 计算字符串的哈希值 |
zend_intern_known_strings | 往zend_intern_known_strings全局数组写入str |
下面挑几个函数来介绍一下。
zend_string_init函数主要负责把一个普通的字符串转化为zend_string结构体。
static zend_always_inline zend_string *zend_string_init(const char *str, size_t len, int persistent)
{
zend_string *ret = zend_string_alloc(len, persistent);
memcpy(ZSTR_VAL(ret), str, len);
ZSTR_VAL(ret)[len] = '\0';
return ret;
}
\0
。该函数主要用于对字符串的扩容,注意这里扩容不会改变原来保存的值,只是把长度扩大到len。
static zend_always_inline zend_string *zend_string_extend(zend_string *s, size_t len, int persistent)
{
zend_string *ret;
ZEND_ASSERT(len >= ZSTR_LEN(s));
if (!ZSTR_IS_INTERNED(s)) {
if (EXPECTED(GC_REFCOUNT(s) == 1)) {
ret = (zend_string *)perealloc(s, ZEND_MM_ALIGNED_SIZE(_ZSTR_STRUCT_SIZE(len)), persistent);
ZSTR_LEN(ret) = len;
zend_string_forget_hash_val(ret);
return ret;
} else {
GC_REFCOUNT(s)--;
}
}
ret = zend_string_alloc(len, persistent);
memcpy(ZSTR_VAL(ret), ZSTR_VAL(s), ZSTR_LEN(s) + 1);
return ret;
}
主要基于二进制安全对两个字符串进行判等,我们来看下PHP是怎么比较两个字符串的。
#define zend_string_equals_ci(s1, s2) \
(ZSTR_LEN(s1) == ZSTR_LEN(s2) && !zend_binary_strcasecmp(ZSTR_VAL(s1), ZSTR_LEN(s1), ZSTR_VAL(s2), ZSTR_LEN(s2)))
ZEND_API int ZEND_FASTCALL zend_binary_strcasecmp(const char *s1, size_t len1, const char *s2, size_t len2) /* {{{ */
{
size_t len;
int c1, c2;
if (s1 == s2) {
return 0;
}
len = MIN(len1, len2);
while (len--) {
c1 = zend_tolower_ascii(*(unsigned char *)s1++);
c2 = zend_tolower_ascii(*(unsigned char *)s2++);
if (c1 != c2) {
return c1 - c2;
}
}
return (int)(len1 - len2);
}
感兴趣的同学可以到源码中查看。