當前位置：首頁 > 人文社科 > 生活经验 >内容正文

生活经验

PHP源代码分析－字符串搜索系列函数实现详解

發布時間：2023/11/27 生活经验 28 豆豆

生活随笔收集整理的這篇文章主要介紹了 PHP源代码分析－字符串搜索系列函数实现详解小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

今天和同事在討論關鍵字過慮的算法實現，前幾天剛看過布隆過濾算法，于是就想起我們公司內部的查找關鍵字程序，好奇是怎么實現的。于是查找了一下源代碼，原來可以簡單地用stripos函數查找，
stripos原型如下：
int stripos ( string $haystack, string $needle [, int $offset] )
一般地都會建一個關鍵詞庫，然后把用戶輸入的內容作為haystack，然后循環遍歷一下關鍵詞庫，把每個關鍵詞作為needle，如果存在的話則會返回關鍵字在輸入的內容中的位置。
于是查找了一下PHP源代碼關于這個函數的實現，如果想知道一個函數在PHP的哪個模塊的話可以簡單寫一個函數get_module. php

<?php

if(substr(php_sapi_name(),0,6)=='cli'){
    //命令行模式

    global $argv;
    $function = $argv[1];
}else{
       //網頁方式

       $function = $_GET['name'];
}
$extensions = get_loaded_extensions();
foreach($extensions as $t){
    $modules_funcs = get_extension_funcs($t);
    if(in_array($function, (array)$modules_funcs)){
        $is_found = true;
        echo "$function is in $t module\n";
    }
}
if(!$is_found)echo "$function not found";

?>

字符串系列的函數屬于PHP的標準模塊，在ext/standard目錄下，string.c 文件。

PHP_FUNCTION(stripos)
{
????char *found = NULL;
????char *haystack;
????int haystack_len;
????long offset = 0;
????char *needle_dup = NULL, *haystack_dup;
????char needle_char[2];
????zval *needle;

????if (zend_parse_parameters(ZEND_NUM_ARGS() TSRMLS_CC, "sz|l", &haystack, &haystack_len, &needle, &offset) == FAILURE) {
????????return;
????}
????????檢查參數，第一第二個是必選參數，第三個是可選，|表示后面的參數都是可選的。

????if (offset < 0 || offset > haystack_len) {
????????php_error_docref(NULL TSRMLS_CC, E_WARNING, "Offset not contained in string");
????????RETURN_FALSE;
????}

????if (haystack_len == 0) {
????????RETURN_FALSE;
????}

????haystack_dup = estrndup(haystack, haystack_len);
????????//與大小寫無關,所以先把字符全部轉換成小寫

????php_strtolower(haystack_dup, haystack_len);

????if (Z_TYPE_P(needle) == IS_STRING) {
???????????????//第二個參數如果是字符串

????????if (Z_STRLEN_P(needle) == 0 || Z_STRLEN_P(needle) > haystack_len) {
????????????efree(haystack_dup);
????????????RETURN_FALSE;
????????}

????????needle_dup = estrndup(Z_STRVAL_P(needle), Z_STRLEN_P(needle));
????????php_strtolower(needle_dup, Z_STRLEN_P(needle));
????????????????//這個是關鍵,由php_memnstr實現

????????found = php_memnstr(haystack_dup + offset, needle_dup, Z_STRLEN_P(needle), haystack_dup + haystack_len);
????} else {
???????????????//第二個參數是數字的話,則強制轉換成(char)類型

????????switch (Z_TYPE_P(needle)) {
????????????case IS_LONG:
????????????case IS_BOOL:
????????????????needle_char[0] = tolower((char) Z_LVAL_P(needle));
????????????????break;
????????????case IS_DOUBLE:
????????????????needle_char[0] = tolower((char) Z_DVAL_P(needle));
????????????????break;
????????????default:
????????????????php_error_docref(NULL TSRMLS_CC, E_WARNING, "needle is not a string or an integer");
????????????????efree(haystack_dup);
????????????????RETURN_FALSE;
????????????????break;

????????}
????????needle_char[1] = '\0';
????????found = php_memnstr(haystack_dup + offset,
????????????????????????????needle_char,
????????????????????????????sizeof(needle_char) - 1,
????????????????????????????haystack_dup + haystack_len);
????}

????efree(haystack_dup);
????if (needle_dup) {
????????efree(needle_dup);
????}

????if (found) {
????????????????//如何找到,則返回在這個字符串中的位置

????????RETURN_LONG(found - haystack_dup);
????} else {
????????RETURN_FALSE;
????}
}

查找函數是由php_memstr實現的,在main目錄下的php.h文件
#define php_memnstr zend_memnstr

所以真正的函數是zend_memnstr,在zend/目錄下面的zend_operators.h，

static inline char *
zend_memnstr(char *haystack, char *needle, int needle_len, char *end)
{
????char *p = haystack;
????char ne = needle[needle_len-1];

????end -= needle_len;

????while (p <= end) {
????????if ((p = (char *)memchr(p, *needle, (end-p+1))) && ne == p[needle_len-1]) {
????????????if (!memcmp(needle, p, needle_len-1)) {
????????????????return p;
????????????}
????????}

????????if (p == NULL) {
????????????return NULL;
????????}

????????p++;
????}

????return NULL;
}

查到這里就能看到實現搜索的原理了，主要用了一個while循環和兩個C的函數memchr和memcmp。
先用第一個函數查找needle的第一個字符在haystack中出現的位置，然后調用memcmp，從這個位置開始比較needle和haystack，如果相同就返回這個位置，沒有的話再把指針指向haystack的下一位再進行比較，一直到最后。
不過這個搜索只是簡單地調用了memchr和memcmp函數，至于memcmp用了什么算法比較兩個字符串就不太清楚，我們知道在一個長度為n的字符串里面查找字符串為m的字符串，那么最壞的時間復雜度是O(n*m)，上網搜了一下memcmp，不過沒有找到他的實現原理。后來想了一下發現這個其實就是最簡單的兩次循環遍歷進行比較?？戳艘幌翽HP的其他幾個字符串查找函數strstr,stristr,strpos,strrpos,strripos 等函數都是調用zend_memnstr這個函數實現的，只是在返回的時候內容不同而已。

總結

以上是生活随笔為你收集整理的PHP源代码分析－字符串搜索系列函数实现详解的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。