深入了解PHP代码的执行的过程
- WBOY원래의
- 2016-06-13 11:53:47848검색
深入理解PHP代码的执行的过程
一、前言
语言是人们进行沟通和交流的表达符号，每种语言都有专属于自己的符号，表达方式和规则。 就编程语言来说，它也是由特定的符号，特定的表达方式和规则组成。语言的作用是沟通，不管是自然语言，还是编程语言，它们的区别在于自然语言是人与人之间沟通的工具， 而编程语言是人与机器之间的沟通渠道。
就PHP语言来说，它也是一组符合一定规则的约定的指令。 在编程人员将自己的想法以PHP语言实现后，通过PHP的虚拟机（确切的来说应该是PHP的语言引擎Zend）将这些PHP指令转变成C语言 （可以理解为更底层的一种指令集）指令，而C语言又会转变成汇编语言， 最后汇编语言将根据处理器的规则转变成机器码执行。这是一个更高层次抽象的不断具体化，不断细化的过程。
从一种语言到另一种语言的转化称之为编译，这两种语言分别可以称之为源语言和目标语言。 这种编译过程通过发生在目标语言比源语言更低级（或者说更底层）。 语言转化的编译过程是由编译器来完成， 编码器通常被分为一系列的过程：词法分析、语法分析、语义分析、中间代码生成、代码优化、目标代码生成等。 前面几个阶段（词法分析、语法分析和语义分析）的作用是分析源程序，我们可以称之为编译器的前端。 后面的几个阶段（中间代码生成、代码优化和目标代码生成）的作用是构造目标程序，我们可以称之为编译器的后端。 一种语言被称为编译类语言，一般是由于在程序执行之前有一个翻译的过程， 其中关键点是有一个形式上完全不同的等价程序生成。 而PHP之所以被称为解释类语言，就是因为并没有这样的一个程序生成， 它生成的是中间代码Opcode，这只是PHP的一种内部数据结构。
二、 PHP代码的执行的过程
比如我们写一个简单的程序
<?php echo "Hello World!"; $a = 1 + 1; echo $a;?>这个简单的程序他执行过程是怎样的呢？其实，执行过程也正如我们前面所说分为4个步骤。（这里只是指PHP语言引擎Zend执行过程，不包含Web服务器的执行过程。）
1.Scanning(Lexing) ,将PHP代码转换为语言片段(Tokens)2.Parsing, 将Tokens转换成简单而有意义的表达式3.Compilation, 将表达式编译成Opocdes4.Execution, 顺次执行Opcodes，每次一条，从而实现PHP脚本的功能。
注1：Opcode是一种PHP脚本编译后的中间语言，就像Java的ByteCode,或者.NET的MSL
注2：现在有的Cache比如APC,可以使得PHP缓存住Opcodes，这样，每次有请求来临的时候，就不需要重复执行前面3步，从而能大幅的提高PHP的执行速度。
1. Scanning（Lexing）,将PHP代码转换为语言片段（Tokens）
那什么是Lexing? 学过编译原理的同学都应该对编译原理中的词法分析步骤有所了解，Lex就是一个词法分析的依据表。
对于PHP在开始使用的是Flex，之后改为re2c， MySQL的词法分析使用的Flex，除此之外还有作为UNIX系统标准词法分析器的Lex等。 这些工具都会读进一个代表词法分析器规则的输入字符串流，然后输出以C语言实做的词法分析器源代码。 这里我们只介绍PHP的现版词法分析器，re2c。 在源码目录下的Zend/zend_language_scanner.l 文件是re2c的规则文件， 如果需要修改该规则文件需要安装re2c才能重新编译，生成新的规则文件。Zend/zend_language_scanner.c会根据Zend/zend_language_scanner.l,来输入的 PHP代码进行词法分析，从而得到一个一个的“词”。
从PHP4.2开始提供了一个函数叫token_get_all,这个函数就可以将一段PHP代码 Scanning成Tokens；
我们用下面的代码使用token_get_all函数处理我们开头提到的PHP代码。
<?phpecho "<pre class="brush:php;toolbar:false">";$phpcode = PHPCODE;// $tokens = token_get_all($phpcontent);// print_r($tokens);$tokens = token_get_all($phpcode); foreach ($tokens as $key => $token) { $tokens[$key][0] = token_name($token[0]);}print_r($tokens);?>
注：为了便于理解和查看，我使用token_name函数将解析器代号修改成了符号名称说明。
如果有的童鞋想要看原始的，可以将上面代码中的第10,11行代码注释去掉。
解释器代号列表详见：http://www.php.net/manual/zh/tokens.php
得到的结果如下：
Array( [0] => Array ( [0] => T_OPEN_TAG [1] => 1 ) [1] => Array ( [0] => T_WHITESPACE [1] => [2] => 2 ) [2] => Array ( [0] => T_ECHO [1] => echo [2] => 2 ) [3] => Array ( [0] => T_WHITESPACE [1] => [2] => 2 ) [4] => Array ( [0] => T_CONSTANT_ENCAPSED_STRING [1] => "Hello World!" [2] => 2 ) [5] => [6] => Array ( [0] => T_WHITESPACE [1] => [2] => 2 ) [7] => [8] => Array ( [0] => T_WHITESPACE [1] => [2] => 3 ) [9] => Array ( [0] => T_LNUMBER [1] => 1 [2] => 3 ) [10] => Array ( [0] => T_WHITESPACE [1] => [2] => 3 ) [11] => [12] => Array ( [0] => T_WHITESPACE [1] => [2] => 3 ) [13] => Array ( [0] => T_LNUMBER [1] => 1 [2] => 3 ) [14] => [15] => Array ( [0] => T_WHITESPACE [1] => [2] => 3 ) [16] => Array ( [0] => T_ECHO [1] => echo [2] => 4 ) [17] => Array ( [0] => T_WHITESPACE [1] => [2] => 4 ) [18] => [19] => Array ( [0] => T_WHITESPACE [1] => [2] => 4 ) [20] => Array ( [0] => T_CLOSE_TAG [1] => ?> [2] => 5 ))
分析这个返回结果我们可以发现，源码中的字符串，字符，空格都会原样返回。
每个源代码中的字符，都会出现在相应的顺序处。
而其他的，比如标签，操作符，语句，都会被转换成一个包含三部分的
1、Token ID解释器代号 (也就是在Zend内部的改Token的对应码，比如,T_ECHO,T_STRING)
2、源码中的原来的内容
3、该词在源码中是第几行。
2. Parsing, 将Tokens转换成简单而有意义的表达式
接下来，就是Parsing阶段了，Parsing首先会丢弃Tokens Array中的多于的空格，
然后将剩余的Tokens转换成一个一个的简单的表达式
1.echo a constant string2.add two numbers together3.store the result of the prior expression to a variable4.echo a variable
Bison是一种通用目的的分析器生成器。它将LALR(1)上下文无关文法的描述转化成分析该文法的C程序。 使用它可以生成解释器，编译器，协议实现等多种程序。 Bison向上兼容Yacc，所有书写正确的Yacc语法都应该可以不加修改地在Bison下工作。 它不但与Yacc兼容还具有许多Yacc不具备的特性。
Bison分析器文件是定义了名为yyparse并且实现了某个语法的函数的C代码。 这个函数并不是一个可以完成所有的语法分析任务的C程序。 除此这外我们还必须提供额外的一些函数： 如词法分析器、分析器报告错误时调用的错误报告函数等等。 我们知道一个完整的C程序必须以名为main的函数开头，如果我们要生成一个可执行文件，并且要运行语法解析器， 那么我们就需要有main函数，并且在某个地方直接或间接调用yyparse，否则语法分析器永远都不会运行。
在PHP源码中，词法分析器的最终是调用re2c规则定义的lex_scan函数，而提供给Bison的函数则为zendlex。 而yyparse被zendparse代替。3. Compilation, 将表达式编译成Opocdes
之后就是Compilation阶段了，它会把Tokens编译成一个个op_array, 每个op_arrayd包含如下5个部分在PHP实现内部，opcode由如下的结构体表如下：
struct _zend_op {opcode_handler_t handler; // 执行该opcode时调用的处理函数znode result;znode op1;znode op2;ulong extended_value;uint lineno;zend_uchar opcode; // opcode代码};
和CPU的指令类似，有一个标示指令的opcode字段，以及这个opcode所操作的操作数。
PHP不像汇编那么底层， 在脚本实际执行的时候可能还需要其他更多的信息，extended_value字段就保存了这类信息。
其中的result域则是保存该指令执行完成后的结果。
PHP脚本编译为opcode保存在op_array中，其内部存储的结构如下：
struct _zend_op_array { /* Common elements */ zend_uchar type; char *function_name; // 如果是用户定义的函数则，这里将保存函数的名字 zend_class_entry *scope; zend_uint fn_flags; union _zend_function *prototype; zend_uint num_args; zend_uint required_num_args; zend_arg_info *arg_info; zend_bool pass_rest_by_reference; unsigned char return_reference; /* END of common elements */ zend_bool done_pass_two; zend_uint *refcount; zend_op *opcodes; // opcode数组 zend_uint last，size; zend_compiled_variable *vars; int last_var，size_var; // ...}
如上面的注释，opcodes保存在这里，在执行的时候由下面的execute函数执行：
ZEND_API void execute(zend_op_array *op_array TSRMLS_DC){ // ... 循环执行op_array中的opcode或者执行其他op_array中的opcode}
前面提到每条opcode都有一个opcode_handler_t的函数指针字段，用于执行该opcode。
PHP有三种方式来进行opcode的处理:CALL，SWITCH和GOTO。
PHP默认使用CALL的方式，也就是函数调用的方式， 由于opcode执行是每个PHP程序频繁需要进行的操作，
可以使用SWITCH或者GOTO的方式来分发， 通常GOTO的效率相对会高一些，
不过效率是否提高依赖于不同的CPU。
* ZEND_ECHO 'Hello World%21'* ZEND_ADD ~0 1 1* ZEND_ASSIGN !0 ~0* ZEND_ECHO !0* ZEND_RETURN 1
a)op_type : 为IS_CONST, IS_TMP_VAR, IS_VAR, IS_UNUSED, or IS_CV b)u,一个联合体，根据op_type的不同，分别用不同的类型保存了这个操作数的值(const)或者左值(var)
而对于var来说，每个var也不一样
IS_CV 表示ZE2.1/PHP5.1以后的编译器使用的一种cache机制，
这么看来，我们的$a被优化成!0了。
Branch analysis from position 这条信息多在分析数组时使用。
Return found 是否返回，这个基本上有都有。
filename 分析的文件名
function name 函数名，针对每个函数VLD都会生成一段如上的独立的信息，这里显示当前函数的名称
number of ops 生成的操作数
compiled vars 编译期间的变量，这些变量是在PHP5后添加的，它是一个缓存优化。
op list 生成的中间代码的变量列表
4. Execution,Zend引擎顺次执行Opcodes
鸟哥：http://www.laruence.com/2008/06/18/221.html
（注：因为鸟哥的博文是08年的，本文的数据虽然和鸟哥有些相似，PHP发展到现在已经有了不少改变，
TIPI：http://www.php-internals.com/