深入理解PHP代碼的執行的過程_PHP教程

一、前言

語言是人們進行溝通和交流的表達符號，每種語言都有專屬於自己的符號，表達方式和規則。 就程式設計語言來說，它也是由特定的符號，特定的表達方式和規則群組成。語言的作用是溝通，不管是自然語言，還是程式設計語言，它們的區別在於自然語言是人與人之間溝通的工具， 而程式設計語言是人與機器之間的溝通渠道。

就PHP語言來說，它也是一組符合一定規則的約定的指令。 在編程人員將自己的想法以PHP語言實現後，通過PHP的虛擬機器（確切的來說應該是PHP的語言引擎Zend）將這些PHP指令轉變成C語言 （可以理解為更底層的一種指令集）指令，而C語言又會轉變成組合語言， 最後組合語言將根據處理器的規則轉變成機器碼執行。這是一個更高層次抽象的不斷具體化，不斷細化的過程。

從一種語言到另一種語言的轉化稱之為編譯，這兩種語言分別可以稱之為源語言和目標語言。 這種編譯過程通過發生在目標語言比源語言更低級（或者說更底層）。 語言轉化的編譯過程是由編譯器來完成， 編碼器通常被分為一系列的過程：詞法分析、文法分析、語義分析、中間代碼產生、代碼最佳化、目標代碼產生等。 前面幾個階段（詞法分析、文法分析和語義分析）的作用是分析來源程式，我們可以稱之為編譯器的前端。 後面的幾個階段（中間代碼產生、代碼最佳化和目標代碼產生）的作用是構造目標程式，我們可以稱之為編譯器的後端。 一種語言被稱為編譯類語言，一般是由於在程式執行之前有一個翻譯的過程， 其中關鍵點是有一個形式上完全不同的等價程式產生。 而PHP之所以被稱為解釋類語言，就是因為並沒有這樣的一個程式產生， 它產生的是中間代碼Opcode，這隻是PHP的一種內部資料結構。

二、 PHP代碼的執行的過程

比如我們寫一個簡單的程式

這個簡單的程式他執行過程是怎樣的呢？其實，執行過程也正如我們前面所說分為4個步驟。（這裡只是指PHP語言引擎Zend執行過程，不包含Web伺服器的執行過程。）

1.Scanning(Lexing) ,將PHP代碼轉換為語言片段(Tokens)2.Parsing, 將Tokens轉換成簡單而有意義的運算式3.Compilation, 將運算式編譯成Opocdes4.Execution, 順次執行Opcodes，每次一條，從而實現PHP指令碼的功能。

注1：Opcode是一種PHP指令碼編譯後的中繼語言，就像Java的ByteCode,或者.NET的MSL

注2：現在有的Cache比如APC,可以使得PHP緩衝住Opcodes，這樣，每次有請求來臨的時候，就不需要重複執行前面3步，從而能大幅的提高PHP的執行速度。

1. Scanning（Lexing）,將PHP代碼轉換為語言片段（Tokens）

那什麼是Lexing? 學過編譯原理的同學都應該對編譯原理中的詞法分析步驟有所瞭解，Lex就是一個詞法分析的依據表。

對於PHP在開始使用的是Flex，之後改為re2c， MySQL的詞法分析使用的Flex，除此之外還有作為UNIX系統標準詞法分析器的Lex等。 這些工具都會讀進一個代表詞法分析器規則的輸入字串流，然後輸出以C語言實做的詞法分析器原始碼。 這裡我們只介紹PHP的現版詞法分析器，re2c。 在源碼目錄下的Zend/zend_language_scanner.l 檔案是re2c的規則檔案， 如果需要修改該規則檔案需要安裝re2c才能重新編譯，產生新的規則檔案。Zend/zend_language_scanner.c會根據Zend/zend_language_scanner.l,來輸入的 PHP代碼進行詞法分析，從而得到一個一個的“詞”。

從PHP4.2開始提供了一個函數叫token_get_all,這個函數就可以將一段PHP代碼 Scanning成Tokens；

我們用下面的代碼使用token_get_all函數處理我們開頭提到的PHP代碼。

";$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);?>

註：為了便於理解和查看，我使用token_name函數將解析器代號修改成了符號名稱說明。

如果有的童鞋想要看原始的，可以將上面代碼中的第10,11行代碼注釋去掉。

解譯器代號列表詳見：http://www.php.net/manual/zh/tokens.php

得到的結果如下：

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        ))

分析這個返回結果我們可以發現，源碼中的字串，字元，空格都會原樣返回。

每個原始碼中的字元，都會出現在相應的順序處。

而其他的，比如標籤，操作符，語句，都會被轉換成一個包含三部分的

1、Token ID解譯器代號 (也就是在Zend內部的改Token的對應碼，比如,T_ECHO,T_STRING)

2、源碼中的原來的內容

3、該詞在源碼中是第幾行。

2. Parsing, 將Tokens轉換成簡單而有意義的運算式

接下來，就是Parsing階段了，Parsing首先會丟棄Tokens Array中的多於的空格，

然後將剩餘的Tokens轉換成一個一個的簡單的運算式

1.echo a constant string2.add two numbers together3.store the result of the prior expression to a variable4.echo a variable

Bison是一種通用目的的分析器產生器。它將LALR(1)上下文無關文法的描述轉化成分析該文法的C程式。 使用它可以產生解譯器，編譯器，協議實現等多種程式。 Bison向上相容Yacc，所有書寫正確的Yacc文法都應該可以不加修改地在Bison下工作。 它不但與Yacc相容還具有許多Yacc不具備的特性。

Bison分析器檔案是定義了名為yyparse並且實現了某個文法的函數的C代碼。 這個函數並不是一個可以完成所有的文法分析任務的C程式。 除此這外我們還必須提供額外的一些函數： 如詞法分析器、分析器報告錯誤時調用的錯誤報表函數等等。 我們知道一個完整的C程式必須以名為main的函數開頭，如果我們要產生一個可執行檔，並且要運行文法解析器， 那麼我們就需要有main函數，並且在某個地方直接或間接調用yyparse，否則文法分析器永遠都不會運行。

在PHP源碼中，詞法分析器的最終是調用re2c規則定義的lex_scan函數，而提供給Bison的函數則為zendlex。 而yyparse被zendparse代替。

3. Compilation, 將運算式編譯成Opocdes

之後就是Compilation階段了，它會把Tokens編譯成一個個op_array, 每個op_arrayd包含如下5個部分

在PHP實現內部，opcode由如下的結構體表如下：

struct _zend_op {opcode_handler_t handler; // 執行該opcode時調用的處理函數znode result;znode op1;znode op2;ulong extended_value;uint lineno;zend_uchar opcode; // opcode代碼};

和CPU的指令類似，有一個標示指令的opcode欄位，以及這個opcode所操作的運算元。

PHP不像彙編那麼底層， 在指令碼實際執行的時候可能還需要其他更多的資訊，extended_value欄位就儲存了這類資訊。

其中的result域則是儲存該指令執行完成後的結果。

PHP指令碼編譯為opcode儲存在op_array中，其內部儲存的結構如下：

struct _zend_op_array {/* Common elements */zend_uchar type;char *function_name; // 如果是使用者定義的函數則，這裡將儲存函數的名字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數組zend_uint last，size;zend_compiled_variable *vars;int last_var，size_var;// ...}

如上面的注釋，opcodes儲存在這裡，在執行的時候由下面的execute函數執行：

ZEND_API void execute(zend_op_array *op_array TSRMLS_DC){// ... 迴圈執行op_array中的opcode或者執行其他op_array中的opcode}

前面提到每條opcode都有一個opcode_handler_t的函數指標欄位，用於執行該opcode。

PHP有三種方式來進行opcode的處理:CALL，SWITCH和GOTO。

PHP預設使用CALL的方式，也就是函數調用的方式， 由於opcode執行是每個PHP程式頻繁需要進行的操作，

可以使用SWITCH或者GOTO的方式來分發， 通常GOTO的效率相對會高一些，

不過效率是否提高依賴於不同的CPU。

在我們上面的例子中，我們的PHP代碼會被Parsing成:

* ZEND_ECHO     'Hello World%21'* ZEND_ADD       ~0 1 1* ZEND_ASSIGN  !0 ~0* ZEND_ECHO     !0* ZEND_RETURN  1

你可能會問了，我們的$a去那裡了？這個要介紹運算元了，每個運算元都是由以下倆個部分組成：

a)op_type : 為IS_CONST, IS_TMP_VAR, IS_VAR, IS_UNUSED, or IS_CV b)u,一個聯合體，根據op_type的不同，分別用不同的類型儲存了這個運算元的值(const)或者左值(var)

而對於var來說，每個var也不一樣IS_TMP_VAR, 顧名思義，這個是一個臨時變數，儲存一些op_array的結果，以便接下來的op_array使用，這種的運算元的u儲存著一個指向變數表的一個控制代碼（整數），這種運算元一般用~開頭。比如~0,表示變數表的0號未知的臨時變數IS_VAR 這種就是我們一般意義上的變數了,他們以$開頭表示
IS_CV 表示ZE2.1/PHP5.1以後的編譯器使用的一種cache機制，這種變數儲存著被它引用的變數的地址，當一個變數第一次被引用的時候，就會被CV起來，以後對這個變數的引用就不需要再次去尋找active符號表了，CV變數以！開頭表示。

這麼看來，我們的$a被最佳化成!0了。
比如我們使用VLD來查看opcodes顯示如下：html
（註：因為鳥哥的博文是08年的，本文的資料雖然和鳥哥有些相似，PHP發展到現在已經有了不少改變，所以大家看到鄙人的博文中程式運行結果以及相關的說明與鳥哥的不同，請不要吃驚，鄙人的結果都是運行驗證過的，PHP版本為5.4）
TIPI：http://www.php-internals.com/

排版老是亂，改了幾次了- -。

http://www.bkjia.com/PHPjc/755777.htmlwww.bkjia.comtruehttp://www.bkjia.com/PHPjc/755777.htmlTechArticle一、前言 語言是人們進行溝通和交流的表達符號，每種語言都有專屬於自己的符號，表達方式和規則。 就程式設計語言來說，它也是由特定的...

