【译】理解PHP内部函数的定义（给PHP开发者的PHP源码-2）

原文： https://nikic.github.io/2012/03/16/Understanding-PHPs-internal-function-definitions.html

欢迎来到”给PHP开发者的PHP源码”系列的第二部分。

在上一篇中，ircmaxell说明了你可以在哪里找到PHP的源码，它的基本目录结构以及简单地介绍了一些C语言（因为PHP是用C语言来写的）。如果你错过了那篇文章，在你开始读这篇文章之前也许你应该读一下它。

在这篇文章中，我们谈论的是定位PHP内部函数的定义，以及理解它们的原理。

如何找到函数的定义

作为开始，让我们尝试找出strpos函数的定义。

尝试的第一步，就是去PHP 5.4根目录然后在页面顶部的搜索框输入strpos。搜索的结果是一个很大的列表，展示了strpos在PHP源码中出现的位置。

因为这个结果对我们并没有太大的帮助，我们使用一个小技巧：我们搜索”PHP_FUNCTION strpos”（不要漏了双引号，它们很重要），而不是strpos.

现在我们得到两个入口链接：

/PHP_5_4/ext/standard/     php_string.h 48   PHP_FUNCTION(strpos);     string.c     1789 PHP_FUNCTION(strpos)

第一个要注意的事情是，两个位置都是在ext/standard文件夹。这就是我们希望找到的，因为strpos函数（跟大部分string，array和文件函数一样）是standard扩展的一部分。

现在，在新标签页打开两个链接，然后看看它们背后藏了什么代码。

你会看到第一个链接带你到了php_string.h文件，它包含了下面的代码：

// ... PHP_FUNCTION(strpos); PHP_FUNCTION(stripos); PHP_FUNCTION(strrpos); PHP_FUNCTION(strripos); PHP_FUNCTION(strrchr); PHP_FUNCTION(substr); // ...

这就是一个典型的头文件（以.h后缀结尾的文件）的样子：单纯的函数列表，函数在其他地方定义。事实上，我们对这些并不感兴趣，因为我们已经知道我们要找的是什么。

第二个链接更有趣：它带我们到string.c文件，这个文件包含了函数真正的源代码。

在我带你一步一步地查阅这个函数之前，我推荐你自己尝试理解这个函数。这是一个很简单的函数，尽管你不知道真正的细节，但大多数代码看起来都很清晰。

PHP函数的骨架

所有的PHP函数都使用同一个基本结构。在函数顶部定义了各个变量，然后调用zend_parse_parameters函数，然后到了主要的逻辑，当中有RETURN_***和php_error_docref的调用。

那么，让我们以函数的定义来开始：

zval *needle; char *haystack; char *found = NULL; char  needle_char[2]; long  offset = 0; int   haystack_len;

第一行定义了一个指向zval的指针needle。zval是在PHP内部代表任意一个PHP变量的定义。它真正是怎么样的会在下一篇文章重点谈论。

第二行定义了指向单个字符的指针haystack。这时候，你需要记住，在C语言里面，数组代表指向它们第一个元素的指针。比如说，haystack变量会指向你所传递的$haystack字符串变量的第一个字符。haystack + 1会指向第二个字符，haystack + 2指向第三个，以此类推。因此，通过逐个递增指针，可以读取整个字符串。

那么问题来了，PHP需要知道字符串在哪里结束。不然的话，它会一直递增指针而不会停止。为了解决这个问题，PHP也保存了明确的长度，这就是haystack_len变量。

现在，在上面的定义中，我们感兴趣的是offset变量，这个变量用来保存函数的第三个参数：开始搜索的偏移量。它使用long来定义，跟int一样，也是整型数据类型。现在这两者的差异并不重要，但你需要知道的是在PHP中，整型值使用long来存储，字符串的长度使用int来存储。

现在来看看下面的三行：

if (zend_parse_parameters(ZEND_NUM_ARGS() TSRMLS_CC, "sz|l", &haystack, &haystack_len, &needle, &offset) == FAILURE) {     return; }

这三行代码做的事情就是，获取传递到函数的参数，然后把它们存储到上面声明的变量中。

传递给函数的第一个参数是传递参数的数量。这个数字通过ZEND_NUM_ARGS()宏提供。

下一个函数是TSRMLS_CC宏，这是PHP的一种特性。你会发现这个奇怪的宏分散在PHP代码库的很多地方。是线程安全资源管理器（TSRM）的一部分，它保证PHP不会在多线程之间混乱变量。这对我们来说不是很重要，当你在代码中看到TSRMLS_CC（或者TSRMLS_DC）的时候，忽略它就行。（有一个奇怪的地方你需要注意的是，在“argument”之前没有逗号。这是因为不管你是否使用线程安全创建函数，该宏会被解释为空或者, trsm_ls。因此，逗号是宏的一部分。）

现在，我们来到重要的东西：“sz

l”字符串标记了函数接收的参数。：

s  // 第一个参数是字符串 z  // 第二个参数是一个zval结构体，任意的变量 |  // 标识接下来的参数是可选的 l  // 第三个参数是long类型（整型）

除了s，z，l之外，还有更多的标识类型，但是大部分都能从字符中清楚其意思。例如b是boolean，d是double（浮点型数字），a是array，f是回调（function），o是object。

接下来的参数&haystack，&haystack_len，&needle，&offset指定了需要赋值的参数的变量。你可以看到，它们都是使用引用（&）传递的，意味着它们传递的不是变量本身，而是指向它们的指针。

这个函数调用之后，haystack会包含haystack字符串，haystack_len是字符串的长度，needle是needle的值，offset是开始的偏移量。

而且，这个函数使用FAILURE（当你尝试传递无效参数到函数时会发生，比如传递一个数组赋值到字符串）来检查。这种情况下zend_parse_parameters函数会抛出警告，而此函数马上返回（会返回null给PHP的用户层代码）。

在参数解析完毕以后，主函数体开始：

if (offset < 0 || offset > haystack_len) {     php_error_docref(NULL TSRMLS_CC, E_WARNING, "Offset not contained in string");     RETURN_FALSE; }

这段代码做的事情很明显，如果offset超出了边界，一个E_WARNING级别的错误会通过php_error_docref函数抛出，然后函数使用RETURN_FALSE宏返回false。

php_error_docref是一个错误函数，你可以在扩展目录找到它（比如，ext文件夹）。它的名字根据它在错误页面中返回文档参考（就是那些不会正常工作的函数）定义。还有一个zend_error函数，它主要被Zend Engine使用，但也经常出现在扩展代码中。

两个函数都使用sprintf函数，比如格式化信息，因此错误信息可以包含占位符，那些占位符会被后面的参数填充。下面有一个例子：

php_error_docref(NULL TSRMLS_CC, E_WARNING, "Failed to write %d bytes to %s", Z_STRLEN_PP(tmp), filename); // %d is filled with Z_STRLEN_PP(tmp) // %s is filled with filename

让我们继续解析代码：

if (Z_TYPE_P(needle) == IS_STRING) {     if (!Z_STRLEN_P(needle)) {         php_error_docref(NULL TSRMLS_CC, E_WARNING, "Empty delimiter");         RETURN_FALSE;     }      found = php_memnstr(haystack + offset,                         Z_STRVAL_P(needle),                         Z_STRLEN_P(needle),                         haystack + haystack_len); }

前面的5行非常清晰：这个分支只会在needle为字符串的情况下执行，而且如果它是空的话会抛出错误。然后到了比较有趣的一部分：php_memnstr被调用了，这个函数做了主要的工作。跟往常一样，你可以点击该函数名然后查看它的源码。

php_memnstr返回指向needle在haystack第一次出现的位置的指针（这就是为什么found变量要定义为char *，例如，指向字符的指针）。从这里可以知道，偏移量（offset）可以通过减法被简单地计算，可以在函数的最后看到：

RETURN_LONG(found - haystack);

最后，让我们来看看当needle作为非字符串的时候的分支：

else {     if (php_needle_char(needle, needle_char TSRMLS_CC) != SUCCESS) {         RETURN_FALSE;     }     needle_char[1] = 0;      found = php_memnstr(haystack + offset,                         needle_char,                         1,                         haystack + haystack_len); }

我只引用在手册上写的“如果 needle 不是一个字符串，那么它将被转换为整型并被视为字符顺序值。”这基本上说明，除了写strpos($str, ‘A’)，你还可以写strpos($str, 65)，因为A字符的编码是65。

如果你再查看变量定义，你可以看到needle_char被定义为char needle_char[2]，即有两个字符的字符串，php_needle_char会将真正的字符（在这里是’A’）到needle_char[0]。然后strpos函数会设置needle_char[1]为0。这背后的原因是因为，在C里面，字符串是使用’/0’结尾，就是说，最后一个字符被设置为NUL（编码为0的字符）。在PHP的语法环境里，这样的情况不存在，因为PHP存储了所有字符串的长度（因此它不需要0来帮助找到字符串的结尾），但是为了保证与C函数的兼容性，还是在PHP的内部实现了。

Zend functions

我对strpos这个函数感觉好累，让我们找另一个函数吧：strlen。我们使用之前的方法：

从PHP5.4源码根目录开始搜索strlen。

你会看到一堆无关的函数的使用，因此，搜索“PHP_FUNCTION strlen”。当你这么搜索的时候，你会发现一些奇怪的事情发生了：没有任何的结果。

原因是，strlen是少数通过Zend Engine而不是PHP扩展定义的函数。这种情况下，函数不是使用PHP_FUNCTION(strlen)定义，而是ZEND_FUNCTION(strlen)。因此，我们也要搜索“ZEND_FUNCTION strlen”。

我们都知道，我们需要点击没有分号结尾的链接跳到源码的定义。这个链接带我们到下面的函数定义：

ZEND_FUNCTION(strlen) {     char *s1;     int s1_len;      if (zend_parse_parameters(ZEND_NUM_ARGS() TSRMLS_CC, "s", &s1, &s1_len) == FAILURE) {         return;     }      RETVAL_LONG(s1_len); }

这个函数实现太简单了，我不觉得我还需要进一步的解释。