探究 PHP_CodeSniffer 的代码静态分析原理

导读

PHP_CodeSniffer是一个用来检查PHP代码规范的开源项目。它主要通过词法分析的方式将PHP源码解析成TOKEN数组，然后在TOKEN中标记出不符合代码规范的代码位置。

目前编程语言可以分为两大类：

第一类是像C/C++， .NET， Java之类的编译型语言， 它们的共性是: 运行之前必须对源代码进行编译，然后运行编译后的目标文件。

835×236 162 KB

以Java举例，第一类编译的过程都是先进行词法分析、语法分析，然后才是编译。在经过语法分析之后，有一个抽象语法树（AST）的概念，算是语法分析的产出，之后的编译过程是编译器在AST基础上进行的。

第二类比如:PHP， Javascript， Ruby， Python这些解释型语言， 他们都无需经过编译即可"运行"，虽然可以理解为直接运行，但它们并不是真的直接就被能被机器理解， 机器只能理解机器语言，那这些语言是怎么被执行的呢， 一般这些语言都需要一个解释器， 由解释器来执行这些源码， 实际上这些语言还是会经过编译环节， 只不过它们一般会在运行的时候实时进行编译。

以PHP举例，PHP的运行过程是怎样的呢？

1.传递给php程序需要执行的文件， php程序完成基本的准备工作后启动PHP及Zend引擎， 加载注册的扩展模块。

2.初始化完成后读取脚本文件，Zend引擎对脚本文件进行词法分析，语法分析。然后编译成opcode执行。如果安装了apc之类的opcode缓存， 编译环节可能会被跳过而直接从缓存中读取opcode执行。

TOKEN

在文章开头，我们已经知道PHP_CodeSniffer的主要原理是将PHP源码解析成TOKEN数组，同时在PHP_CodeSniffer源码中，很多操作的核心就围绕着TOKEN展开。

那么问题来了，TOKEN是什么？

PHP词法解析器在解析PHP语言的过程中，PHP 语言的不同部分在内部被表示为类似T_XXX 的类型，这个T_XXX的类型就叫TOKEN，也叫标识符。

标识符部分列表：

代号语法参考|------

PHP官网共119个标识符，查看PHP官网标识符列表

在PHP中提供了token_get_all(string $source)方法解析提供的 source 源码字符，然后使用 Zend 引擎的词法分析器获取源码中的 PHP 语言的TOKEN代号，就是上文中的T_XXX。

TOKEN代号都有对应的唯一值，比如T_ABSTRACT对应的是312，是之前定义好的。

你也可以使用PHP自带的token_name(312)方法获取TOKEN代号，示例代码如下：

<?php
// 260 is the token value for the T_EVAL token
echo token_name(260);        // -