【PHP7源碼學習】2019-03-13 PHP字符串筆記

baiyan

所有視頻：https://segmentfault.com/a/11...

源視頻地址：http://replay.xesv5.com/ll/24...

字符串的設計過程

• 在C99的柔性數組標準未發佈以前，咱們若是想設計一個數據結構，存儲一個字符串，能夠很容易地想出以下代碼：

struct string{
        ...
        int len;   //存長度（至於爲何存長度下文會講到）
        char* val; //存真正的字符串值
    };

• 那麼咱們發現，這樣作有以下缺點：

• • 訪問字符串值的時候，須要先訪問結構體，在訪問指針所指向的內存空間，須要2次內存訪問，效率低下。
  • 釋放字符串內存空間的時候，須要先釋放char *val指針所指向的內存空間，再釋放結構體自己的內存空間，效率一樣低下，並且這兩個操做順序不能顛倒。
• 那麼如何改進呢？很容易想到，咱們將字符串值和結構體存儲在一片連續的內存空間就能夠了。這樣的話，訪問字符串與釋放字符串的內存空間，均僅需1次內存訪問，在C99柔性數組標準發佈以前，改進代碼的方式以下：

int main() {

    struct string{
        int len;
    };

    typedef struct string str;

    char *s = "he";
    str *p = (str*)(malloc(sizeof(str) + strlen(s) + 1)); //分配足夠存下一個字符串的結構體
    p->len = strlen(s);
    memcpy(p + 1, s, strlen(s)); //將字符串拷貝到緊鄰結構體的內存處

}

• 小插曲：這個代碼的初版，我還出現了一個指針加法的錯誤，見：關於memcpy一個字符串到緊鄰結構體內存空間處的疑問
• 咱們利用gdb調試一下這段代碼：

• 首先咱們應該給這個結構體分配4 + 2 + 1 = 7字節的內存空間，可是因爲內存對齊的緣由，最終分配了8字節大小的空間。
• 結構體自己和len字段的地址均是0x602010，len字段的長度爲4B，指針加上4B的len字段長度以後，就應該是字符串he的起始地址，即0x602014，將其強轉爲char *，發現正好就是咱們存的字符串值"he"。注意不是p+4，而是p+1。由於p+4 = p+4*sizeof(指針p的類型)
• 因爲這樣編寫代碼過於繁瑣，因此C99乾脆制定一個標準，使用柔性數組代替上述寫法。其實使用的計算方法和上面一段代碼是同樣的，只不過換了一種簡化的寫法而已，這段代碼最終內存中的存儲狀況以下：

PHP7中字符串的實現

• 藉助上文講到的字符串數據結構設計思想，PHP中是這樣設計字符串的，它的結構體叫作zend_string：

struct _zend_string {
    zend_refcounted_h gc;         /*引用計數，與垃圾回收相關，暫不展開*/
    zend_ulong        h;          /* 冗餘的hash值，計算數組key的哈希值時避免重複計算*/
    size_t            len;        /* 長度 */
    char              val[1];     /* 柔性數組，真正存放字符串值 */
};

• 第一個問題：爲何要存長度len？不存長度，直接和C語言同樣經過字符串的'\0'來判斷字符串結束不行嗎？不行。這裏有一個二進制安全的問題。

  • 二進制安全：寫入的數據和讀出來的數據徹底相同，就是二進制安全的。
  • 假設你寫入了一個字符串的內容爲：hello\0world，按照C語言的讀取字符串的方法就會斷定\0是字符串結束的標誌，讀出來就是hello，這樣讀出來的數據就和寫入的數據不一致，就是非二進制安全的。
  • 若是存了長度，就不會管你是否有\0，從頭開始讀字符串，一直讀len長度爲止便可。
• 第二個問題：最後一個字段改爲char val[0]能夠嗎？能夠。寫成char val[1]是出於可移植性的考慮。有些編譯器不支持[0]數組，可將其改爲[]或[1]都可。