PHP源代码分析－字符串搜索系列函数实现详解

 

今天和同事在讨论关键字过虑的算法实现，前几天刚看过布隆过滤算法，于是就想起我们公司内部的查找关键字程序，好奇是怎么实现的。于是查找了一下源代码，原来可以简单地用stripos函数查找，
stripos原型如下：
int stripos ( string $haystack, string $needle [, int $offset] )
一般地都会建一个关键词库，然后把 用户输入的内容作为haystack，然后循环遍历一下关键词库，把每个关键词作为needle，如果存在的话则会返回关键字在输入的内容中的位置。
于是查找了一下PHP源代码关于这个函数的实现，如果想知道一个函数在PHP的哪个模块的话可以简单写一个函数get_module. php

<?php if(substr(php_sapi_name(),0,6)=='cli'){ &nbsp;&nbsp;&nbsp;&nbsp;//命令行模式 &nbsp;&nbsp;&nbsp;&nbsp;global $argv; &nbsp;&nbsp;&nbsp;&nbsp;$function = $argv[1]; }else{ &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;//网页方式 &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;$function = $_GET['name']; } $extensions = get_loaded_extensions(); foreach($extensions as $t){ &nbsp;&nbsp;&nbsp;&nbsp;$modules_funcs = get_extension_funcs($t); &nbsp;&nbsp;&nbsp;&nbsp;if(in_array($function, (array)$modules_funcs)){ &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;$is_found = true; &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;echo "$function is in $t module\n"; &nbsp;&nbsp;&nbsp;&nbsp;} } if(!$is_found)echo "$function not found"; ?>

字符串系列的函数属于PHP的标准模块，在ext/standard目录下，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;     }         检查参数，第一第二个是必选参数，第三个是可选，|表示后面的参数都是可选的。     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);         //与大小写无关,所以先把字符全部转换成小写     php_strtolower(haystack_dup, haystack_len);     if (Z_TYPE_P(needle) == IS_STRING) {                //第二个参数如果是字符串         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));                 //这个是关键,由php_memnstr实现         found = php_memnstr(haystack_dup + offset, needle_dup, Z_STRLEN_P(needle), haystack_dup + haystack_len);     } else {                //第二个参数是数字的话,则强制转换成(char)类型         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,则返回在这个字符串中的位置         RETURN_LONG(found - haystack_dup);     } else {         RETURN_FALSE;     } }

查找函数是由php_memstr实现的,在main目录下的php.h文件
#define php_memnstr zend_memnstr

所以真正的函数是zend_memnstr,在zend/目录下面的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; }

查到这里就能看到实现搜索的原理了，主要用了一个while循环和两个C的函数memchr和memcmp。
先用第一个函数查找needle的第一个字符在haystack中出现的位置，然后调用memcmp，从这个位置开始比较needle和haystack，如果相同就返回这个位置，没有的话再把指针指向haystack的下一位再进行比较，一直到最后。
不过这个搜索只是简单地调用了memchr和memcmp函数，至于memcmp用了什么算法比较两个字符串就不太清楚，我们知道在一个长度为n的字符串里面查找字符串为m的字符串，那么最坏的 时间复杂度是O(n*m)，上网搜了一下memcmp，不过没有找到他的实现原理。后来想了一下发现这个其实就是最简单的两次循环遍历进行比较。看了一下PHP的其他几个字符串查找函数strstr,stristr,strpos,strrpos,strripos 等函数都是调用zend_memnstr这个函数实现的，只是在返回的时候内容不同而已。