php 编译原理,php编译原理

原文转载鸟哥：http://www.oschina.net/question/1439832_143613

最近要给Yahoo的同事们做一个关于PHP和Apache处理请求的内部机制的讲座，刚好写了些关于Opcodes的文字，就发上来了，这个文章基于 Sara Golemon大师的《Understanding OPcode》

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，举个例子，比如你写下了如下的PHP代码：

1

2

3

4

5

6

7

echo"Hello World";

$a=1+1;

echo$a;

?>

PHP执行这段代码会经过如下4个步骤(确切的来说，应该是PHP的语言引擎Zend)

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Opocdes

4.Execution, 顺次执行Opcodes，每次一条，从而实现PHP脚本的功能。

题外话: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。

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。 Zend/zend_language_scanner.c会根据Zend/zend_language_scanner.l(Lex文件),来输入的 PHP代码进行词法分析，从而得到一个一个的“词”，PHP4.2开始提供了一个函数叫token_get_all,这个函数就可以讲一段PHP代码 Scanning成Tokens；

如果用这个函数处理我们开头提到的PHP代码，将会得到如下结果:

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

41

42

43

44

45

46

47

48

49

50

51

52

53

54

55

56

57

58

59

60

61

62

63

64

65

66

67

68

69

70

71

72

73

Array

(

[0]=>Array

(

[0]=>367

[1]=>Array

(

[0]=>316

[1]=>echo

)

[2]=>Array

(

[0]=>370

[1]=>

)

[3]=>Array

(

[0]=>315

[1]=>"Hello World"

)

[4]=>;

[5]=>Array

(

[0]=>370

[1]=>

)

[6]=>=

[7]=>Array

(

[0]=>370

[1]=>

)

[8]=>Array

(

[0]=>305

[1]=>1

)

[9]=>Array

(

[0]=>370

[1]=>

)

[10]=>+

[11]=>Array

(

[0]=>370

[1]=>

)

[12]=>Array

(

[0]=>305

[1]=>1

)

[13]=>;

[14]=>Array

(

[0]=>370

[1]=>

)

[15]=>Array

(

[0]=>316

[1]=>echo

)

[16]=>Array

(

[0]=>370

[1]=>

)

[17]=>;

)

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俩部分的Array: Token ID (也就是在Zend内部的改Token的对应码，比如,T_ECHO,T_STRING)，和源码中的原来的内容。

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

2

3

4

5

6

1.echoaconstantstring

2.addtwonumberstogether

3.storetheresultofthepriorexpressiontoavariable

4.echoavariable

然后就改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：

1.Opcode数字的标识，指明了每个op_array的操作类型，比如add , echo

2.结果 存放Opcode结果

3.操作数1 给Opcode的操作数

4.操作数2

5.扩展值 1个整形用来区别被重载的操作符

比如，我们的PHP代码会被Parsing成:

1

2

3

4

5

6

*ZEND_ECHO'Hello World'

*ZEND_ADD~011

*ZEND_ASSIGN!0~0

*ZEND_ECHO!0

呵呵，你可能会问了，我们的$a去那里了？

恩，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)

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。