PHP7内核（八）：深入理解字符串的实现
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。
一、字符串的结构
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：
- gc：就是_zend_refcounted_h结构体，主要作用是引用计数以及标记变量的类别。
- h：字符串的哈希值，在字符串被用来当数组的key时才初始化，这样如果同一个字符串被多次用来做key，就不会重复计算了。
- val：这里的char[1]并不意味着只存储1位，char[1]被称为柔性数组，下面来了解一下PHP在字符串内存分配时做了什么。
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。
- len：字符串的长度，避免重复计算浪费时间，典型的空间换时间做法。
二、字符串的二进制安全
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。
三、zend_string API
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。
3.1、zend_string_init函数
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;
}- 申请一块连续的内存，这个在上文中已经提到，申请的内存大小是zend_string结构体大小+字符串长度+1。
- 指针偏移到val位置，开始字符串拷贝。
- 在zend_string.val结尾追加
\0。
3.2、zend_string_extend函数
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;
}- 如果不是内部字符串并且引用计数为1时，直接调用perealloc分配内存。
- 如果字符串的引用计数大于1或者是内部字符串时，就不能在原来的基础上扩容了，先通过zend_string_alloc申请一块新内存，让后将旧内容拷贝到新内存中。
3.3、zend_string_equals_ci函数
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)))- 先比较两个字符串的长度是否相等，注意这里是通过zend_string中的len来比较的。
- zend_binary_strcasecmp函数在长度比较完成后，进行逐个字符进行比较。先遍历整个字符串数组，取出每个字符，转换为ASC码进行判等，如果不等则返回差值。循环完了还没发现差异的话就返回两者的长度差，如果长度相等就返回0。感觉这里做的有点多余，参数传进来之前就已经做了长度判等了。
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。
四、参考文献
- 《PHP7底层设计与源码实现》
- 《PHP7内核剖析》