PHP的一些知識點研究(一)

一、基於PHP實現的webshell攻擊

在烏雲上看到一個基於php的webshell攻擊。

高度隱形webshell，使用普通的php代碼將真正的shell內容經過層層加密處理之後儲存到圖片當中，只留下一個url，並且url還是經過加密處理的，所以對外看沒有任何特徵可尋，使其很難被發現，當開啟上述url時，，顯示的是404，而這個404頁面就是偽裝為404的木馬，只是把標題改為了404 Not Found。

二、不用或少用else語句

對於if else 有人追求結構的完整，有if必有else，這看起來或許是不錯，不過有時會帶來代碼的繁瑣，而且可能會導致邏輯的混亂；可以以一種結果為基準，當發生其他情況時做if判斷；即預設A，有異常則為B；如下面右圖所示：

三、單頁面結構(Single-page application)

單頁面就是一切操作和布局都是在一個頁面下進行，不需要頁面跳轉，根據不同的使用者請求載入不同的內容。

優點：頁面結構簡單，資料量小，節省頻寬，響應快，體驗好，易於開發、維護以及最佳化；

缺點：使用ajax技術，導致不利於seo。

四、讓搜尋引擎抓取ajax的內容

主要針對上一案例的單頁面結構，程式通過#結構url控制頁面內容，但不會被搜尋引擎抓取。

方法一：twitter使用"井號+驚嘆號"的結構，但體驗不好而且繁瑣；

方法二：使用History API；在不重新整理頁面的情況下，改變瀏覽器地址欄顯示的地址。步驟如下：

A、用History API替代井號結構，讓每個#號都變成正常路徑的URL，這樣搜尋引擎就會抓取每一個網頁。

B、定義一個JavaScript函數，處理Ajax部分，根據網址抓取內容。

C、定義滑鼠的click事件，使用History對象的popstate事件處理瀏覽器的"前進 / 後退"按鈕。

D、設定伺服器端。

五、CURL_MULTI_INIT()

以前一直使用curl_init()，最近看到有curl_multi_init()；本以為會帶來更高效的代碼，看了下curl_multi的步驟，感覺相當繁瑣，而且curl_multi可能會造成cpu過高、網頁假死等現象；同時對比了curl_init和curl_multi_init，多線程在速度上不一定優於單線程，多線程只是能在同時處理多任務，時間成本不一定低。附上curl_multi的使用步驟：

第一步：調用curl_multi_init；

第二步：迴圈調用curl_multi_add_handle；

這一步需要注意的是，curl_multi_add_handle的第二個參數是由curl_init而來的子handle；

第三步：持續調用curl_multi_exec；

第四步：根據需要迴圈調用curl_multi_getcontent擷取結果；

第五步：調用curl_multi_remove_handle，並為每個字handle調用curl_close；

第六步：調用curl_multi_close。

六、PHP strstr()函數

strstr(string,search)搜尋一個字串在另一個字串中的第一次出現。返回字串的其餘部分（從匹配點）。如果未找到所搜尋的字串，則返回 false。

search 必需。規定所搜尋的字串。如果該參數是數字，則搜尋匹配數字 ASCII 值的字元。

參考：http://www.w3cschool.cn/func_string_strstr.html。所以，在給第二個參數時，如果需要匹配數字，建議加上引號。

七、論正常化的重要性

家附近的一條久治不下的道路，通過劃分出人行通道、非機動車道、機動車道，使得問題一下子等到瞭解決。有時候靈活導致選擇過多，問題也會很多；程式亦如此，使用者輸入的靈活看起來很不錯，其實在幕後處理時是需要更多的成本，何不在前期就進行正常化，bug止於源頭，而不是亡羊補牢。正常化使一切流程變得簡單高效。

八、HHVM

HHVM (HipHop Virtual Machine)會將PHP代碼轉換成進階別的位元組碼（通常稱為中繼語言）。然後在運行時通過即時（JIT）編譯器將這些位元組碼轉換為x64的機器碼。

從各項資料表明，和Zend相比，HHVM變得更高效，CPU負載降低，平均頁面載入時間也縮短。HHVM的存在是為了最佳化PHP運行效能，和php5相比，確實存在一些優勢，還是坐等php7吧。

九、PHP源碼簽名收集器

當學習新的、不熟悉的源碼時，對代碼結構擷取直觀的感受是很重要的。可以通過從每個源檔案中逐行擷取標點進行總結，即檔案簽名。這可以協助考量代碼的複雜度。其實也就是提取代碼檔案中固定的符號呈現檔案的結構。

參考：http://c2.com/doc/SignatureSurvey/

十、協同過濾推薦演算法

1、基於內容的推薦演算法的前提假設是：如果使用者喜歡物品a，那麼使用者也應該會喜歡與a類似的物品。基本思想是拆分內容屬性，提取相同屬性的內容進行推薦。

2、協同過濾推薦演算法的前提假設是：如果使用者a與使用者b均對一系列相同的物品表示喜歡，那麼a極有可能也喜歡b使用者喜歡的其他物品。基本過程是使用者首先為每個item進行評價打分,通過計算不同使用者評分之間的相似程度,可以找到最近鄰居,根據最近鄰居的評價,產生推薦。

上述演算法都是運用了矩陣建模，使用到餘弦相似性、皮爾遜相似性等公式。使用中可將二者合二為一推薦。

