【PHP源码学习】2019-03-13 PHP字符串笔记

baiyan

源视频地址：http://replay.xesv5.com/ll/24...

字符串的设计过程

• 在C99的柔性数组标准未发布之前，我们如果想设计一个数据结构，存储一个字符串，可以很容易地想出如下代码：

struct string{
        ...
        int len;   //存长度（至于为什么存长度下文会讲到）
        char* val; //存真正的字符串值
    };

• 那么我们发现，这样做有如下缺点：

• • 访问字符串值的时候，需要先访问结构体，在访问指针所指向的内存空间，需要2次内存访问，效率低下。
  • 释放字符串内存空间的时候，需要先释放char *val指针所指向的内存空间，再释放结构体本身的内存空间，效率同样低下，而且这两个操作顺序不能颠倒。
  • 那么如何改进呢？很容易想到，我们将字符串值和结构体存储在一片连续的内存空间就可以了。这样的话，访问字符串与释放字符串的内存空间，均仅需1次内存访问，在C99柔性数组标准发布之前，改进代码的方式如下：

int main() {

    struct string{
        int len;
    };

    typedef struct string str;

    char *s = "he";
    str *p = (str*)(malloc(sizeof(str) + strlen(s) + 1)); //分配足够存下一个字符串的结构体
    p->len = strlen(s);
    memcpy(p + 1, s, strlen(s)); //将字符串拷贝到紧邻结构体的内存处

}

• 小插曲：这个代码的第一版，我还犯了一个指针加法的错误，见：关于memcpy一个字符串到紧邻结构体内存空间处的疑问
• 我们利用gdb调试一下这段代码：

• 首先我们应该给这个结构体分配4 + 2 + 1 = 7字节的内存空间，但是由于内存对齐的原因，最终分配了8字节大小的空间。
• 结构体本身和len字段的地址均是0x602010，len字段的长度为4B，指针加上4B的len字段长度之后，就应该是字符串he的起始地址，即0x602014，将其强转为char *，发现正好就是我们存的字符串值"he"。注意不是p+4，而是p+1。因为p+4 = p+4*sizeof(指针p的类型)
• 由于这样编写代码过于繁琐，所以C99干脆制定一个标准，使用柔性数组代替上述写法。其实使用的计算方法和上面一段代码是一样的，只不过换了一种简化的写法而已，这段代码最终内存中的存储情况如下：

PHP7中字符串的实现

• 借助上文讲到的字符串数据结构设计思想，PHP中是这样设计字符串的，它的结构体叫做zend_string：

struct _zend_string {
    zend_refcounted_h gc;         /*引用计数，与垃圾回收相关，暂不展开*/
    zend_ulong        h;          /* 冗余的hash值，计算数组key的哈希值时避免重复计算*/
    size_t            len;        /* 长度 */
    char              val[1];     /* 柔性数组，真正存放字符串值 */
};

• 第一个问题：为什么要存长度len？不存长度，直接和C语言一样通过字符串的'\0'来判断字符串结束不行吗？不行。这里有一个二进制安全的问题。

  • 二进制安全：写入的数据和读出来的数据完全相同，就是二进制安全的。
  • 假设你写入了一个字符串的内容为：hello\0world，按照C语言的读取字符串的方法就会判定\0是字符串结束的标志，读出来就是hello，这样读出来的数据就和写入的数据不一致，就是非二进制安全的。
  • 如果存了长度，就不会管你是否有\0，从头开始读字符串，一直读len长度为止即可。
• 第二个问题：最后一个字段改成char val[0]可以吗？可以。写成char val[1]是出于可移植性的考虑。有些编译器不支持[0]数组，可将其改成[]或[1]均可。