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;?>

Copy after login

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。

Copy after login

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);?>

Copy after login

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        ))

Copy after login

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

Copy after login

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};

Copy after login

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;	// ...}

Copy after login

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}

Copy after login

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。

在我们上面的例子中，我们的PHP代码会被Parsing成:

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

Copy after login

你可能会问了，我们的$a去那里了？这个要介绍操作数了，每个操作数都是由以下俩个部分组成：

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)

Copy after login

而对于var来说，每个var也不一样

IS_TMP_VAR, 顾名思义，这个是一个临时变量，保存一些op_array的结果，以便接下来的op_array使用，

这种的操作数的u保存着一个指向变量表的一个句柄（整数），这种操作数一般用~开头。

比如~0,表示变量表的0号未知的临时变量

IS_VAR 这种就是我们一般意义上的变量了,他们以$开头表示
IS_CV 表示ZE2.1/PHP5.1以后的编译器使用的一种cache机制，

这种变量保存着被它引用的变量的地址，当一个变量第一次被引用的时候，就会被CV起来，

以后对这个变量的引用就不需要再次去查找active符号表了，CV变量以！开头表示。

这么看来，我们的$a被优化成!0了。

比如我们使用VLD来查看opcodes显示如下：

从上面这个我们看到，是不是和我们之前分析的一样呢。

如上为VLD输出的PHP代码生成的中间代码的信息，说明如下：
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。

这样的变量在PHP源码中以IS_CV标记。
op list 生成的中间代码的变量列表

是不是和前面所说的一样呢。