PHP 中的单引号 vs. 双引号

最近，我又听说 PHP 社区中有人仍然在谈论单引号和双引号，他们说使用单引号只是一种微优化，但如果你习惯了一直使用单引号，你会节省大量的 CPU 周期！

为什么会这样呢？

PHP 实现了字符串插值，在其中它搜索字符串中变量的使用情况，并将其替换为所用变量的值：

$juice = "apple";
echo "They drank some $juice juice.";
// 输出: They drank some apple juice.

此功能仅限于双引号和 heredoc 中的字符串。使用单引号(或 nowdoc)会产生不同的结果：

$juice = "apple";
echo 'They drank some $juice juice.';
// 输出: They drank some $juice juice.

请看：PHP 不会在单引号字符串中搜索变量。因此，我们可以开始在所有地方使用单引号。因此人们开始建议做这样的修改…

- $juice = "apple";
+ $juice = 'apple';

.. 因为它会更快，每次执行该代码都会节省大量 CPU 周期，因为 PHP 不会在单引号字符串中查找变量(无论如何，这些字符串在示例中都是不存在的)，结案。

真的结案了吗?

很明显，使用单引号和双引号是有区别的，但要理解发生了什么，我们需要更深入地挖掘。

尽管 PHP 是一种解释性语言，但它使用了一个编译步骤，在这个步骤中，某些部分一起作用，以获得虚拟机可以实际执行的东西，即操作码。那么，我们如何从 PHP 源代码转换为操作码呢？

Lexer 词法分析器

Lexer 扫描源代码文件并将其分解为 token。关于这是什么意思的一个简单示例可以在 token_get_all() 函数文档中找到。一个只有 <?php echo ""; 的 PHP 源代码转换成这些 token：

T_OPEN_TAG (<?php )
T_ECHO (echo)
T_WHITESPACE ( )
T_CONSTANT_ENCAPSED_STRING ("")

我们可以在这个 3v4l.org 代码片段中看到它的实际应用。

解析器

解析器获取这些 token 并从中生成抽象语法树(AST)。当以 JSON 表示时，上述示例的 AST 表示如下：

{
  "data": [
    {
      "nodeType": "Stmt_Echo",
      "attributes": {
        "startLine": 1,
        "startTokenPos": 1,
        "startFilePos": 6,
        "endLine": 1,
        "endTokenPos": 4,
        "endFilePos": 13
      },
      "exprs": [
        {
          "nodeType": "Scalar_String",
          "attributes": {
            "startLine": 1,
            "startTokenPos": 3,
            "startFilePos": 11,
            "endLine": 1,
            "endTokenPos": 3,
            "endFilePos": 12,
            "kind": 2,
            "rawValue": "\"\""
          },
          "value": ""
        }
      ]
    }
  ]
}

如果你也想玩这个，看看其他代码的 AST 是什么样子的，我发现 Ryan Chandler 的 https://phpast.com/ 和 https://php-ast-viewer.com/ 都展示了给定 PHP 代码的 AST。

编译器

编译器获取 AST 并创建操作码(Opcode)。操作码是虚拟机执行的东西，如果你设置并启用了该设置，它也是将存储在 OPcache 中的东西(我强烈推荐)。

要查看操作码，我们有多个选项(可能更多，但我确实知道这三个)：

使用 vulcan logic dumper 扩展。它也被加入到 3v4l.org
使用 phpdbg -p script.php 转储操作码
或者 opcache.opt_debug_level INI 的 OPcache 设置使之打印出操作码
- 值 0x10000 在优化前输出操作码
- 值 0x20000 在优化后输出操作码

$ echo '<?php echo "";' > foo.php
$ php -dopcache.opt_debug_level=0x10000 foo.php
$_main:
...
0000 ECHO string("")
0001 RETURN int(1)

Hypothesis

回到使用单引号与双引号时节省 CPU 周期的最初想法，我认为我们都同意，只有当 PHP 在运行时为每个请求计算这些字符串时，这才是正确的。

运行时会发生什么？

那么，让我们看看 PHP 为这两个不同版本创建了哪些操作码。

双引号：

<?php echo "apple";

0000 ECHO string("apple")
0001 RETURN int(1)

vs. 单引号：

<?php echo 'apple';

0000 ECHO string("apple")
0001 RETURN int(1)

等等，奇怪的事情发生了。这看起来一模一样！我的微观优化去了哪里？

也许，只是也许 ECHO 操作码处理程序(handler)的实现解析给定的字符串，尽管没有标记或其他东西告诉它这样做…hmm🤔

让我们尝试一种不同的方法，看看 lexer 对这两种情况做了什么：

双引号：

T_OPEN_TAG (<?php )
T_ECHO (echo)
T_WHITESPACE ( )
T_CONSTANT_ENCAPSED_STRING ("")

vs. 单引号：

T_OPEN_TAG (<?php )
T_ECHO (echo)
T_WHITESPACE ( )
T_CONSTANT_ENCAPSED_STRING ('')

token 仍在区分双引号和单引号，但检查 AST 将为两种情况下给出了相同的结果——唯一的区别是 Scalar_String 节点属性中的 rawValue，它仍然有单引号/双引号，但在这两种情况中 value 都使用了双引号。

New Hypothesis

难道，字符串插值实际上是在编译时完成的吗？

让我们来看一个稍微“复杂”一点的例子：

<?php
$juice="apple";
echo "juice: $juice";

给文件的 Token 为：

T_OPEN_TAG (<?php)
T_VARIABLE ($juice)
T_CONSTANT_ENCAPSED_STRING ("apple")
T_WHITESPACE ()
T_ECHO (echo)
T_WHITESPACE ( )
T_ENCAPSED_AND_WHITESPACE (juice: )
T_VARIABLE ($juice)

看看最后这两个 TOKEN！字符串插值在 lexer 词法分析器中处理，因此是编译时的事情，与运行时无关。

为了完整起见，让我们看看由此生成的操作码(优化后，使用 0x20000)：

0000 ASSIGN CV0($juice) string("apple")
0001 T2 = FAST_CONCAT string("juice: ") CV0($juice)
0002 ECHO T2
0003 RETURN int(1)

这与简单的 <?php echo ""; 示例中的操作码不同，不过这不是重点因为此处我们所做的也不一样。

那么：我应该使用连接还是插值？

让我们来看看这三个不同的版本：

<?php
$juice = "apple";
echo "juice: $juice $juice";
echo "juice: ", $juice, " ", $juice;
echo "juice: ".$juice." ".$juice;

第一个版本使用字符串插值
第二个使用逗号分隔(据我所知，只适用于 echo，不适用于分配变量或其他任何场景)
第三个情况使用字符串连接

第一个操作码将字符串 "apple" 赋值给变量 $juice：

0000 ASSIGN CV0($juice) string("apple")

第一版(字符串插值)使用 rope 作为底层数据结构，该结构经过优化，可以尽可能少地进行字符串复制。

0001 T2 = ROPE_INIT 4 string("juice: ")
0002 T2 = ROPE_ADD 1 T2 CV0($juice)
0003 T2 = ROPE_ADD 2 T2 string(" ")
0004 T1 = ROPE_END 3 T2 CV0($juice)
0005 ECHO T1

第二个版本内存最为高效，因为它不创建中间字符串表示。相反，它会多次调用 ECHO，从 I/O 的角度来看，这是一个阻塞调用，因此取决于你的用例，这可能是一个缺点。

0006 ECHO string("juice: ")
0007 ECHO CV0($juice)
0008 ECHO string(" ")
0009 ECHO CV0($juice)

第三个版本使用 CONCAT/FAST_CONCAT 来创建中间字符串表示层，因此可能会比 rope 版本进行更多的内存复制和/或使用更多的内存。

0010 T1 = CONCAT string("juice: ") CV0($juice)
0011 T2 = FAST_CONCAT T1 string(" ")
0012 T1 = CONCAT T2 CV0($juice)
0013 ECHO T1

那么…此处怎么做是正确的，为什么是字符串插值？

字符串插值在 echo "juice: $juice"; 的情况下使用 FAST_CONCAT；或者在 echo "juice: $juice $juice"; 的情况下高度优化的ROPE_* 操作码，但最重要的是，它清楚地传达了意图，到目前为止，在我使用过的任何 PHP 应用中，这些都不是瓶颈，所以这些都不重要。

简言之

字符串插值是编译时的事情。当然，如果没有 OPcache，Lexer 词法分析器将不得不在每次请求时检查双引号字符串中使用的变量(即使没有变量)同时也会增加 CPU 周期，但老实说：问题不在于双引号字符串，而在于没有使用 OPcache！

然而，有一个警告：PHP 4(我相信甚至包括 5.0 甚至 5.1，我不知道)在运行时都会进行字符串插值，所以使用这些版本…嗯，我想如果有人真的还在使用 PHP 5，与上述情况相同：问题不在于双引号字符串，而在于使用过时的 PHP 版本。

最终建议

更新到最新的 PHP 版本，启用 OPcache！