PHP 源码 — intval 函数源码分析

PHP 源码 — intval 函数源码分析

• 文章来源： https://github.com/suhanyujie/learn-computer/
• 作者：suhanyujie
• 基于PHP 7.3.3

PHP 中的 intval

• intval 函数的签名从官方文档可见：

intval ( mixed $var [, int $base = 10 ] ) : int

• 它的作用是将变量转换为整数值。其第二个参数 $base 用的不是很多。它代表转化所使用的进制。默认是 10 进制
• 可以通过如下简单示例，了解如何使用它：

$var1 = '123';
$var2 = '-123';
$var3 = [1, 2, ];
$var4 = [-1, 2, ];
var_dump(
    intval($var1),
    intval($var2),
    intval($var3),
    intval($var4)
);
// 输出如下：
// int(-123)
// int(1)
// int(1)

• 这个函数不是从 100 个函数中选出来的，而是偶然的在 LeetCode 刷题，碰到将字符串转换为数字的算法题中得到的想法，PHP 有 intval，其底层是如何实现的呢？

intval 实现源码

• 函数 intval 在位于 php-7.3.3/ext/standard/type.c 中，可以点击查看
• 函数源码不多，直接贴出：

PHP_FUNCTION(intval)
{
	zval *num;
	zend_long base = 10;

	ZEND_PARSE_PARAMETERS_START(1, 2)
		Z_PARAM_ZVAL(num)
		Z_PARAM_OPTIONAL
		Z_PARAM_LONG(base)
	ZEND_PARSE_PARAMETERS_END();

	if (Z_TYPE_P(num) != IS_STRING || base == 10) {
		RETVAL_LONG(zval_get_long(num));
		return;
	}

	if (base == 0 || base == 2) {
		char *strval = Z_STRVAL_P(num);
		size_t strlen = Z_STRLEN_P(num);

		while (isspace(*strval) && strlen) {
			strval++;
			strlen--;
		}

		/* Length of 3+ covers "0b#" and "-0b" (which results in 0) */
		if (strlen > 2) {
			int offset = 0;
			if (strval[0] == '-' || strval[0] == '+') {
				offset = 1;
			}

			if (strval[offset] == '0' && (strval[offset + 1] == 'b' || strval[offset + 1] == 'B')) {
				char *tmpval;
				strlen -= 2; /* Removing "0b" */
				tmpval = emalloc(strlen + 1);

				/* Place the unary symbol at pos 0 if there was one */
				if (offset) {
					tmpval[0] = strval[0];
				}

				/* Copy the data from after "0b" to the end of the buffer */
				memcpy(tmpval + offset, strval + offset + 2, strlen - offset);
				tmpval[strlen] = 0;

				RETVAL_LONG(ZEND_STRTOL(tmpval, NULL, 2));
				efree(tmpval);
				return;
			}
		}
	}

	RETVAL_LONG(ZEND_STRTOL(Z_STRVAL_P(num), NULL, base));
}

• 从PHP 用户态的角度看，intval 函数原型中，输入参数 $var 变量类型是 mixed，这也就意味着，输入参数可以是 PHP 中的任意一种类型，包括整形、字符串、数组、对象等。因此，在源码中直接使用 zval 接收输入参数 zval *num;

十进制的情况

• 源码中，大部分的内容是针对非 10 进制的处理。我们先着重看一下 10 进制的情况。对数据转化为 10 进制的整数时，源码所做处理如下：

if (Z_TYPE_P(num) != IS_STRING || base == 10) {
    RETVAL_LONG(zval_get_long(num));
    return;
}

static zend_always_inline zend_long zval_get_long(zval *op) {
	return EXPECTED(Z_TYPE_P(op) == IS_LONG) ? Z_LVAL_P(op) : zval_get_long_func(op);
}

ZEND_API zend_long ZEND_FASTCALL zval_get_long_func(zval *op) /* {{{ */
{
	return _zval_get_long_func_ex(op, 1);
}

• 只要传入的数据不是整数情况，那么源码中最终会调用 _zval_get_long_func_ex(op, 1);。在这个函数中，处理了各种 PHP 用户态参数类型的情况：

switch (Z_TYPE_P(op)) {
	case IS_UNDEF:
	case IS_NULL:
	case IS_FALSE:
		return 0;
	case IS_TRUE:
		return 1;
	case IS_RESOURCE:
		return Z_RES_HANDLE_P(op);
	case IS_LONG:
		return Z_LVAL_P(op);
	case IS_DOUBLE:
		return zend_dval_to_lval(Z_DVAL_P(op));
	case IS_STRING:
		// 略 ……
	case IS_ARRAY:
		return zend_hash_num_elements(Z_ARRVAL_P(op)) ? 1 : 0;
	case IS_OBJECT:
		// 略 ……
	case IS_REFERENCE:
		op = Z_REFVAL_P(op);
		goto try_again;
	EMPTY_SWITCH_DEFAULT_CASE()
}

• 通过 switch 语句的不同分支对不同类型做了各种不同的处理：

  • 如果传入的类型是“空”类型，则 intval 函数直接返回 0；
  • 如果是 true，返回 1
  • 如果是数组，空数组时返回 0；非空数组，则返回 1
  • 如果是字符串，则进一步处理
  • ……

• 按照本文的初衷，就是要了解一下如何将字符串转化为整形数据，因此我们着重看字符串的情况：

{
	zend_uchar type;
	zend_long lval;
	double dval;
	if (0 == (type = is_numeric_string(Z_STRVAL_P(op), Z_STRLEN_P(op), &lval, &dval, silent ? 1 : -1))) {
		if (!silent) {
			zend_error(E_WARNING, "A non-numeric value encountered");
		}
		return 0;
	} else if (EXPECTED(type == IS_LONG)) {
		return lval;
	} else {
		/* Previously we used strtol here, not is_numeric_string,
		 * and strtol gives you LONG_MAX/_MIN on overflow.
		 * We use use saturating conversion to emulate strtol()'s
		 * behaviour.
		 */
		 return zend_dval_to_lval_cap(dval);
	}
}

static zend_always_inline zend_uchar is_numeric_string(const char *str, size_t length, zend_long *lval, double *dval, int allow_errors) {
    return is_numeric_string_ex(str, length, lval, dval, allow_errors, NULL);
}

static zend_always_inline zend_uchar is_numeric_string_ex(const char *str, size_t length, zend_long *lval, double *dval, int allow_errors, int *oflow_info)
{
	if (*str > '9') {
		return 0;
	}
	return _is_numeric_string_ex(str, length, lval, dval, allow_errors, oflow_info);
}

ZEND_API zend_uchar ZEND_FASTCALL _is_numeric_string_ex(const char *str, size_t length, zend_long *lval, double *dval, int allow_errors, int *oflow_info) { // ... }

• 而在这段逻辑里，最能体现字符串转整形算法的还是隐藏在 is_numeric_string(Z_STRVAL_P(op), Z_STRLEN_P(op), &lval, &dval, silent ? 1 : -1) 背后的函数调用，也就是函数 _is_numeric_string_ex
• 对于一段字符串，将其转为整形，我们的规则一般如下：
  • 去除前面的空格字符，包括空格、换行、制表符等
  • 妥善处理字符串前面的 +/- 符号
  • 处理靠前的 '0' 字符，比如字符串 '001a'，转换为整形后，就是 1，去除了前面的 '0' 字符
  • 处理余下的字符串中前几位是数字字符串的值，并抛弃非数字字符。所谓数字字符，就是 '0'-'9' 的字符

空白符号处理

• 源码中的处理如下：

while (*str == ' ' || *str == '\t' || *str == '\n' || *str == '\r' || *str == '\v' || *str == '\f') {
	str++;
	length--;
}

• \n、\t、\r 这几个用的多一些。\v 是指竖向跳格；\f 是换页符。针对这种空白符，不做处理，选择跳过。然后使用指针运算 str++ 指向下一个字符

正、负号的处理

• 由于正、负号在数值中是有意义的，因此需要保留，但是数值中 + 号是可以省略的：

if (*ptr == '-') {
	neg = 1;
	ptr++;
} else if (*ptr == '+') {
	ptr++;
}

跳过任意个字符 0

• 因为十进制数值前的 0 值是没有意义的，因此需要跳过：

while (*ptr == '0') {
	ptr++;
}

• 处理完以上的 3 种情况后，就会对接下里的字符逐个转换为整数。由于最先遍历到的字符数字是处于高位的，所以在计算下一个字符前，需要对之前的数值 *10 操作。举例说明：

  • 对于字符串 231aa，遍历到第一个字符 '2' 时，将其作为临时值存储到变量 tmp 中
  • 第二次遍历到 '3'，需要 *10，也就是 tmp * 10 + 3，此时 tmp 值为 23
  • 第三次遍历到 '1'，需要 tmp * 10 + 1，此时 tmp 值为 231。

• 因此，源码中判断字符是否是数字字符：ZEND_IS_DIGIT(*ptr)，是的话则按照上述方式计算

• ZEND_IS_DIGIT 宏的实现是 ((c) >= '0' && (c) <= '9')，位于 '0'和 '9' 之间的字符就是我们需要找的数字字符。

小数的情况

• _is_numeric_string_ex 函数在底层会被多种 PHP 函数调用，包括 floatval。如果在遍历字符串的字符时，遇到小数点该如何处理呢？个人观点看，由于我们要实现的是 intval 函数，所以我觉得遇到小数点时，可以将其当作非数字字符来处理。例如 "3.14abc" 字符串，intval 之后就直接是 3。然而实际上，_is_numeric_string_ex 的实现不是这样的，因为它是一个通用函数。在遇到小数点时，有一些特殊处理：
• 在遇到小数点的情况下，c 会进行 goto 跳转，跳转到 process_double：

process_double:
    type = IS_DOUBLE;

    /* If there's a dval, do the conversion; else continue checking
     * the digits if we need to check for a full match */
    if (dval) {
        local_dval = zend_strtod(str, &ptr);
    } else if (allow_errors != 1 && dp_or_e != -1) {
        dp_or_e = (*ptr++ == '.') ? 1 : 2;
        goto check_digits;
    }

• _is_numeric_string_ex 函数最后会将得到的浮点数返回：

if (dval) {
    *dval = local_dval;
}

return IS_DOUBLE;

• 浮点数的值被赋给 dval 指针。并将数据标识 IS_DOUBLE 返回。
• 随后执行栈跳转回函数 _zval_get_long_func_ex 继续执行，也就是 return zend_dval_to_lval_cap(dval);。该函数定义如下：

static zend_always_inline zend_long zend_dval_to_lval_cap(double d)
{
	if (UNEXPECTED(!zend_finite(d)) || UNEXPECTED(zend_isnan(d))) {
		return 0;
	} else if (!ZEND_DOUBLE_FITS_LONG(d)) {
		return (d > 0 ? ZEND_LONG_MAX : ZEND_LONG_MIN);
	}
	return (zend_long)d;
}

• 也就是说，从浮点数到整数，是底层进行了类型强制转换的结果：(zend_long)d。

结语

• PHP 底层将很多小段逻辑进行了封装，很大程度的提高了代码复用性。但也给源码的维护和学习带来了一些额外的成本。一个类型转换的函数就进行了 10 余种函数调用。
• 下一篇，将进行 intval 底层相关的扩展实践。敬请期待。
• 如果你有更好的想法，欢迎给我提意见和建议。