萬盛學電腦網

您现在的位置: 萬盛學電腦網 >> 程式設計 >  >> 網路程式設計 >> PHP 程式設計

深度解析 PHP strtr() 底層原理與效能特徵

函數入口:PHP_FUNCTION(strtr)

PHP_FUNCTION(strtr) {
    zval **str, **from, **to;
    int ac = ZEND_NUM_ARGS();
    
    // 參數檢查:2 或 3 個參數
    if (ac < 2 || ac > 3 || zend_get_parameters_ex(ac, &str, &from, &to) == FAILURE) {
        WRONG_PARAM_COUNT;
    }
    
    // 兩參數模式:第二參數必須是陣列
    if (ac == 2 && Z_TYPE_PP(from) != IS_ARRAY) {
        php_error_docref(NULL, E_WARNING, "The second argument is not an array.");
        RETURN_FALSE;
    }
    
    convert_to_string_ex(str);
    if (Z_STRLEN_PP(str) == 0) RETURN_EMPTY_STRING();
    
    if (ac == 2) {
        // 陣列模式:php_strtr_array()
        php_strtr_array(return_value, Z_STRVAL_PP(str), Z_STRLEN_PP(str), HASH_OF(*from));
    } else {
        // 三參數模式:字元對字元映射
        convert_to_string_ex(from);
        convert_to_string_ex(to);
        ZVAL_STRINGL(return_value, Z_STRVAL_PP(str), Z_STRLEN_PP(str), 1);
        php_strtr(Z_STRVAL_P(return_value), Z_STRLEN_P(return_value),
                  Z_STRVAL_PP(from), Z_STRVAL_PP(to),
                  MIN(Z_STRLEN_PP(from), Z_STRLEN_PP(to)));
    }
}

三參數模式:php_strtr() - 字元級映射表


PHPAPI char *php_strtr(char *str, int len, char *str_from, char *str_to, int trlen) {
    if (trlen < 1 || len < 1) return str;
    
    unsigned char xlat[256];
    // 1. 初始化身份映射:xlat[i] = i
    for (int i = 0; i < 256; i++) xlat[i] = i;
    
    // 2. 建立 from→to 映射
    for (int i = 0; i < trlen; i++) {
        xlat[(unsigned char)str_from[i]] = str_to[i];
    }
    
    // 3. 逐字元轉換
    for (int i = 0; i < len; i++) {
        str[i] = xlat[(unsigned char)str[i]];
    }
    return str;
}

特點:O(n) 時間、O(1) 空間(256 bytes 表)、單位元組字元專用。中文 UTF-8 (多位元組) 會逐位元組映射導致亂碼。

陣列模式:php_strtr_array() - 最大匹配優先


static void php_strtr_array(zval *return_value, char *str, int slen, HashTable *hash) {
    // 1. 複製雜湊表,記錄鍵的最大/最小長度
    HashTable tmp_hash;
    zend_hash_init(&tmp_hash, 0, NULL, NULL, 0);
    int minlen = 128*1024, maxlen = 0;
    
    // 遍歷輸入陣列,轉換整數鍵為字串,記錄長度極值
    // ... (略)
    
    // 2. 分配緩衝區
    char *key = emalloc(maxlen + 1);
    smart_str result = {0};
    int pos = 0;
    
    // 3. 掃描 subject 字串
    while (pos < slen) {
        // 動態調整最大匹配長度
        if (pos + maxlen > slen) maxlen = slen - pos;
        
        memcpy(key, str + pos, maxlen);
        int found = 0;
        
        // 4. 從最大長度遞減嘗試匹配(最大匹配優先)
        for (int len = maxlen; len >= minlen; len--) {
            key[len] = '\0';
            if (zend_hash_find(&tmp_hash, key, len+1, (void**)&trans) == SUCCESS) {
                // 找到匹配:輸出替換值,位置前進 len
                smart_str_appendl(&result, tval, tlen);
                pos += len;
                found = 1;
                break;
            }
        }
        
        // 5. 無匹配:複製原字元,前進 1
        if (!found) {
            smart_str_appendc(&result, str[pos++]);
        }
    }
    
    // 6. 返回結果
    efree(key);
    zend_hash_destroy(&tmp_hash);
    smart_str_0(&result);
    RETVAL_STRINGL(result.c, result.len, 0);
}

效能特徵分析

因素影響
鍵長度範圍 (maxlen - minlen)範圍越大,內層迴圈迭代越多,效能指數級下降
Subject 字串長度線性相關,但每位置最多嘗試 (maxlen-minlen+1) 次 Hash 查找
匹配密度高匹配率時 pos 大幅跳躍,實際掃描位置減少,反而較快
Hash 表查找O(1) 平均,但有常數開銷

優化建議

  1. 避免極端長度差異:拆分長鍵與短鍵分別處理
  2. 短字串替換優先用 str_replace:無長度索引開銷
  3. 單位元組映射用三參數版:strtr($str, 'abc', '123') 極快
  4. 大量固定模式考慮 Aho-Corasick:多模式匹配算法,PHP 擴充 php-aho-corasick

經典陷阱:多位元組字元


// 錯誤:UTF-8 中文會被拆成單位元組映射
strtr('中文', '中文', 'EN'); // 亂碼

// 正確:使用 str_replace 或 mbstring
str_replace(['中','文'], ['EN',''], '中文'); // EN
// 或
mb_ereg_replace('中|文', 'X', '中文');
copyright © 萬盛學電腦網 all rights reserved