PHP5.3 的 goto 语句

PHP5.3 的正式发布 ，又重新关注起其语言本身。细心的朋友可能发现，PHP5.3 增加了 goto 语句，这在结构化语言今天似乎是有点不可思议的事情。

按照官方的说法 ，其实这和我们传统理解的 goto 还是有所差别。PHP 5.3 中的 goto 语句只能在脚本文件以及上下文中跳转，因此它无法从某函数或方法跳到其他的函数或者方法 -- 这不得不让我怀疑是否是「妥协」的结果。

看来 PHP 语言的设计者对 goto 语句应用是方便从从多重循环体中跳出（在其文档中的例子也说明了这点）。但其实这功能的本身也引发了不少的争议，个人也隐约的闻到了潘多拉身上的香水味。

其实「好事者」 早在 2007 年就开始「期待」这项「新功能」 ，相信他现在会很开心。不过有趣的是这篇文章的留言给原作者泼了盆冷水。的确，goto 语句所能完成的功能，其实善用 switch 也能做到，而且更有可读性。

不过不管怎么样，语言本身仅仅是工具而已。从程序的本身角度考虑（不仅仅是 PHP），如果有过多的循环等的语块嵌套，那就说明这段代码必须需要优化了。到底应不应该使用 goto 语句，其实本人和其他的 PHP 人员也有过讨论。

最终，大家较为统一的观点就是，避免使用。

「PHP 的 10 宗罪」

老外较起真来真的非常让人受不了， 这不又有好事者总结了 PHP 语言本身语法的 「10 宗罪」 。其实，我个人这与其称为「Mistake」，还说是 PHP 提供的「美丽的陷阱」。

例如，文中提到的有关单引号和双引号的变量转义问题。其实这一争论的声音从学 PHP 起就在耳畔充斥。甚至记得当年还有道经典的面试题，就是考单引号和双引号的的速度孰快 -- 回过头来看，这论点就犹如此道面试题一样，是没有任何的意义的。

但这不代表文中的些「Mistake」都可以当作笑谈，有些是的确需要注意的。例如

$i = 0;
while($i < 20); {
    //some code here
    $i++;
}

这样的写法。对应的其实还有 for 语句，我们可能「手残」多写了个分号（不要不承认），那么就只能祈祷 set_time_limit 的数字小些了 :^)

文中指出的其他些问题，也是我们需要纳入思考的范围中，例如数据库存取的缓存问题。为何 PHP 为何至今没有数据池这样的概念，其实这需要从 PHP 这门语言本身的设计哲学出发了。从此问题其实可以引申争为何 PHP 没有走向 Java 的套路，好吧这问题又可以争论一番了。

文中还有其他类似的条目，都非常的具有争议（也许搞不好这就是作者的初衷），但无论怎么说，其提出的几个问题都是值得我们去思考的。

深夜杂谈随想，乱语之处众位见笑了，欢迎发表您的看法。

今天遇到的这件事情让我感到无奈，甚至是羞辱。

作为淘宝的员工，也偶尔在淘宝处理我的闲置物品，这种既为开发人员又是用户的双重身份让人颇具有玩味。

卖了件闲置物品给在香港的同胞，什么都聊好的情况下，照常打开「我的淘宝」查看发货信息，傻眼了。

这到好，连码都不用打了，买家的收货信息基本属于「火星文」，手动更换了页面的编码信息，问题还是依旧。回头再联系此买家，发现那家伙下线了，看来只能周一再沟通了。

正如本文开头所说的，我甚至感到羞辱。

羞的是我们众多的开发、测试人员历练了每个产品的每项功能，连基本的字符编码都没有处理好。

辱的是在淘宝那么长时间、经历了那么多的项目，发现我们竟然忽略了繁体版的用户。

回想起来，繁体中文用户使用淘宝其实很不容易，首先他们使用支付宝必须要有张大陆的人民币结算卡，然后他们的系统必须安装简体中文的语言包。

还有阿里旺旺，从 我们的下载页面 中可以得知有繁体版，但让人困扰的是繁体版与简体版的下载链接是同样的，我不知道这位用户下载的文件是否和我的一致。

周一我必须要做两件事情，一件就是询问此买家的收货地址，并说明延迟发货的原因；另外件，就是向我们的开发人员提个醒，我们需要更慎重的测试繁体版的功能。

无论怎么说，这种事情都不希望再次发生。这次卖给我们的香港同胞虽是偶然，但毕竟每天是他们在使用繁体中文。

连基本的信息传递都无法完成，那么所谓的用户体验更是无从谈起。

-- Split --

感谢各位以及 Solidot 等的关注，但我明显感到了来自不同方向的压力。评论中的很多朋友都指出了目前线上的诸多问题，我也逐一的汇报给了个产品线的负责人，但这里显然不是汇报 Bug 的地方。

所以，请允许我冒昧得将此篇文章的评论关闭，并谢绝任何形式的转载。 阿里的信条之一就是「客户第一」 ，因此我们有理由相信这一情况会逐渐改善的。

简述

在某个项目中需要分析 PHP 代码，分离出对应的函数调用（以及源代码对应的位置）。虽然这使用正则也可以实现，但无论从效率还是代码复杂度方面考虑，这都不是最优的方式。

查询了 PHP 手册，发现其实 PHP 已经内置解析器的接口，那就是 PHP Tokenizer ，这工具正是我想要的。使用 PHP Tokenizer 能简单、高效、准确的分析出 PHP 源代码的组成。

实例

官方站点对 Tokenizer 的文档很少，不过这不影响我们理解它。Tokenizer 组件仅仅包含两个函数： token_get_all 以及 token_name ，它们分别用于分析 PHP 代码以及获取代码对应的标识符名称。

下面是个简单的实例，说明如何使用这两个函数：

$code = '<?php echo "string1"."string2"; ?>';
$tokens = token_get_all($code);
foreach ($tokens as $token) {
    if (is_array($token)) {
        // 行号、标识符字面量、对应内容
        printf("%d - %s\t%s\n", $token[2], token_name($token[0]), $token[1]);
    }
}

对应的输出为

1 - T_OPEN_TAG    <?php 
1 - T_ECHO    echo
1 - T_WHITESPACE     
1 - T_CONSTANT_ENCAPSED_STRING    "string1"
1 - T_CONSTANT_ENCAPSED_STRING    "string2"
1 - T_WHITESPACE     
1 - T_CLOSE_TAG    ?>

这里顺便说明下，$token 如果为数组，那么分别对应的三个数组成员为 token 标识符（可以用 token_name 获得字面量）、对应的源代码内容、以及对应的行号。

还有中情况就是 $token 为字符串，这可能的情况之一就是为 T_CONSTANT_ENCAPSED_STRING 等常量，在分析代码时要注意。如果对这点很在意，可以考虑使用 这里的代码 。

是的，调用方式非常的简单，我们的野心当然远远要比写个简单的循环要大得多。我们可以利用这个组件做写实事，例如下面的代码用于「压缩」 PHP 代码，去除不不要的换行、空白以及注释

/**
 * 「压缩」PHP 源代码
 *
 * @see http://c7y.phparch.com/c/entry/1/art,practical_uses_tokenizer
 */
class CompactCode
{
    static protected $out;
    static protected $tokens;

    static public function compact($source)
    {
        // 解析 PHP 源代码
        self::$tokens = token_get_all($source);   
        self::$out = '';

        reset(self::$tokens);

        // 递归判断每个标记符的类型
        while ($t = current(self::$tokens)) {
            if (is_array($t)) {
                // 过滤空白、注释
                if ($t[0] == T_WHITESPACE || $t[0] == T_DOC_COMMENT || $t[0] == T_COMMENT) {
                    self::skipWhiteAndComments();
                    continue;
                }       
                self::$out .= $t[1];
            } else {
                self::$out .= $t;
            }

            next(self::$tokens);
        }

        return self::$out;
    }

    static private function skipWhiteAndComments()
    {
        // 增加个空格，用于分割关键字
        self::$out .= ' ';
        while ($t = current(self::$tokens)) {
            // 再次贪婪查找
            if (is_array($t) && ($t[0] == T_WHITESPACE || $t[0] == T_DOC_COMMENT || $t[0] == T_COMMENT)) {
                next(self::$tokens);
            } else {
                return;
            }
        }
    }
}

调用方式很简单，只需要使用

CompactCode::compact($source_code);

即可，返回的字符串就是压缩以后的内容。在这里还有更多使用 Tokenizer 的实例， 推荐阅读 。