罗罗编程学习记录
本页内容 展开查看

04.5.1.2 数组与字符串底层实现

所属:全栈开发面试题库 / 04 后端语言与运行时 / 04.5 PHP / 04.5.1 PHP 语言与工程

04.5.1.2-001 PHP 数组底层是什么结构?

一句话结论

PHP 数组是有序哈希表(HashTable):由桶(bucket)数组 + 哈希值映射 + 插入顺序链表组成,同时支持整数索引与字符串键,并保留元素插入顺序。

概念解释

HashTable 既承担 map 按键查找,又维护有序遍历。整数键与字符串键统一存储,哈希冲突通过链/桶解决。这是 PHP 数组“既是 list 又是 map”的底层原因,代价是内存占用高于纯连续数组。

原理流程

  1. 插入元素:计算键哈希,写入桶并挂到顺序链表。
  2. 按键访问:哈希定位桶,冲突时链上匹配。
  3. 遍历:按顺序链表输出,保持插入顺序。

代码或图示

HashTable
├── buckets[]:键 → 值 + 哈希
├── 哈希映射:快速定位桶
└── 顺序链表:记录插入先后

常见误区

  • 以为 PHP 数组是连续内存数组:它是哈希表,索引不保证物理连续,内存开销更大。
  • 以为遍历顺序按键大小:遍历按插入顺序,不按键排序。

追问

  • 大数组内存特征?答:每个 bucket 含键、值、哈希与链表指针,大数组占用显著;避免无界缓存与全量加载。
  • 数组扩容怎么发生?答:HashTable 容量不足时重新分配桶并重建哈希表,具体实现以 Zend 源码为准。

04.5.1.2-002 为什么 PHP 数组能同时当 list 和 map?

一句话结论

因为底层 HashTable 统一了整数下标与字符串键:数字键走哈希映射定位,字符串键同样入表,顺序链表保留遍历次序,所以既可 $arr[] = 追加,也可 $arr['key'] = 关联。

概念解释

其他语言数组与字典是两种结构;PHP 用一张表兼容两种用法。整数键本质也是哈希键,连续数字下标不代表物理连续存储。

原理流程

  1. 追加元素:自动用下一个整数键。
  2. 关联赋值:字符串键入 HashTable。
  3. 遍历与取值按同一套哈希表逻辑。

代码或图示

$mixed = [];
$mixed[] = 1;            // list 用法,整数键 0
$mixed['name'] = 'Tom';  // map 用法,字符串键

常见误区

  • 以为连续数字键数组底层是 C 数组:仍是 HashTable,只是键为整数。
  • 混用键后还能按纯 list 操作:关联键存在时,array_values 可重建纯下标列表。

追问

  • 纯数字索引数组如何转回连续下标?答:array_values($arr) 丢弃原键,按顺序重建从 0 开始的整数键。
  • 性能上 list 与 map 有差异吗?答:底层同一结构;整数键哈希计算通常更快,字符串键需哈希字符串。

04.5.1.2-003 数组键类型转换规则是什么?

一句话结论

数字字符串键转为整数;浮点键截断为整数;布尔键转 0/1;null 转为空字符串键;整数字符串与整数键视为同一键。

概念解释

PHP 对数组键做规范化:看起来是整数的字符串转 int,小数浮点取整,bool 映射 0/1,null 成 ""。理解规则避免“两个键互相覆盖”的隐蔽 bug。

原理流程

  1. 写入键时按类型规范化。
  2. 数字字符串 → int;浮点 → 截断 int;bool → 0/1;null → ""。
  3. 规范化后相同的键互相覆盖。

代码或图示

$a = [];
$a['1'] = 'x';   // 键规范化为 1
$a[1] = 'y';     // 覆盖
$a[1.9] = 'z';   // 键为 1
$a[true] = 'w';  // 键为 1

常见误区

  • 以为 "1" 和 1 是不同键:规范化后是同一键,后者覆盖前者。
  • 浮点键保留小数部分:浮点键截断为整数,小数丢失。

追问

  • 字符串键含前导零怎么办?答:纯数字字符串按整数规范化,前导零不保留;非数字前缀保留为字符串键。
  • 如何避免键覆盖?答:明确键类型,ID 类键统一字符串或整数,写入前检查键规范化结果。

04.5.1.2-004 数组遍历顺序与内部指针?

一句话结论

数组按插入顺序遍历;current/next/prev/reset/end 操作内部指针;foreach 不依赖内部指针,复制数组遍历,修改原数组行为按版本与引用情况而定。

概念解释

每个数组有一个内部指针指向当前元素。老式指针函数手动移动;foreach 基于副本遍历(除非遍历引用),不会因循环内增删元素而错乱指针。

原理流程

  1. reset 指向首元素,next 后移。
  2. current 取当前值,key 取当前键。
  3. foreach 按顺序链表遍历,结束后指针行为依实现而定。

代码或图示

$items = ['a', 'b', 'c'];
reset($items);
while (current($items) !== false) {
    echo key($items), current($items);
    next($items);
}

常见误区

  • 以为 foreach 会移动内部指针供外部使用:foreach 遍历副本,循环后指针位置不应依赖。
  • 在遍历中删除当前元素:指针行为可能异常,先收集待删键再统一处理更稳妥。

追问

  • 遍历引用数组要注意什么?答:foreach (&$arr) 后 unset($arr[key]) 避免引用残留;循环结束引用仍绑定最后元素。
  • 数组指针函数返回 false 如何区分?答:元素值可能为 false,应结合 key() 判断是否到末尾。

04.5.1.2-005 array_key_exists 与 isset/empty 的区别?

一句话结论

array_key_exists 只判断键是否存在,值为 null 也返回 true;isset 判断键存在且值非 null;empty 判断值为空(null、""、0、"0"、空数组、false 等)。

概念解释

三者判断维度不同:存在性、非 null、空值。键对应值为 null 时,array_key_exists 为 true,isset 为 false。empty 是宽松判断,把多种假值视为空。

原理流程

  1. 键存在性:array_key_exists($k, $arr)。
  2. 非 null:isset($arr[$k])。
  3. 空值:empty($arr[$k]),覆盖空值集合。

代码或图示

$a = ['x' => null];
var_dump(array_key_exists('x', $a)); // bool(true)
var_dump(isset($a['x']));           // bool(false)
var_dump(empty($a['x']));            // bool(true)

常见误区

  • 用 isset 判断键是否存在:值为 null 时误判不存在。
  • 用 empty 校验必填参数:0、"0"、空字符串等合法值会被误判为空。

追问

  • isset 对不存在键报警告吗?答:isset 语言结构对缺失键不产生 notice,返回 false;直接取值才可能告警。
  • 如何判断“键存在且非空”?答:先 array_key_exists 再判断值,或按业务用 isset + 显式空值检查。

04.5.1.2-006 array_map/array_filter/array_reduce/array_walk 区别?

一句话结论

array_map 返回变换后的新数组;array_filter 按回调保留元素;array_reduce 折叠为单值;array_walk 原地遍历修改值,不返回新数组。

概念解释

map 一一映射,filter 条件筛选,reduce 累积聚合,walk 是副作用遍历。map/filter 保持键(map 多数组时键重排),reduce 携带初始值与累计器。

原理流程

  1. map:每个元素过回调,收集结果。
  2. filter:回调为真保留。
  3. reduce:累计器 = f(累计器, 当前元素)。
  4. walk:回调直接操作元素引用。

代码或图示

$nums = [1, 2, 3];
$sq = array_map(fn($n) => $n * $n, $nums);
$even = array_filter($nums, fn($n) => $n % 2 === 0);
$sum = array_reduce($nums, fn($c, $n) => $c + $n, 0);

常见误区

  • 以为 array_walk 返回新数组:它原地操作,返回 bool/成功状态。
  • array_map 保留原键:单数组保留键;多数组并行时结果键按顺序重排。

追问

  • reduce 初始值为什么重要?答:无初始值时首次用首元素作累计器,空数组返回 null;显式初始值类型更可控。
  • filter 保留键吗?答:保留原键,需要重建下标用 array_values。

04.5.1.2-007 array_merge、+、array_slice 与排序稳定性?

一句话结论

array_merge 合并数组,字符串键后者覆盖前者,数字键追加;+ 取左侧优先,已存在的键不被右侧覆盖;array_slice 按偏移截取;排序函数中 sort 系列稳定性依函数而定,需要稳定排序应确认实现。

概念解释

merge 与 + 对冲突键策略相反:merge 后者覆盖,+ 左侧保留。数字键在 merge 中重新追加编号。排序分保留键(asort/ksort)与不保留键(sort),稳定性以具体函数文档为准。

原理流程

  1. 合并:按键冲突策略决定取值。
  2. 切片:按 offset/length 取子数组。
  3. 排序:按键/值排序,决定是否保留键。

代码或图示

$a = ['a' => 1, 0 => 'x'];
$b = ['a' => 2, 0 => 'y'];
$m = array_merge($a, $b); // 'a'=>2, 0=>'x', 1=>'y'
$p = $a + $b;             // 'a'=>1, 0=>'x'

常见误区

  • 以为 + 和 merge 等价:冲突键覆盖方向相反。
  • 以为 merge 数字键保留原编号:数字键被追加重排。

追问

  • 排序函数哪些保留键?答:asort/arsort 保留值关联,ksort/krsort 按键;sort/rsort 重建整数键。
  • 稳定排序如何保证?答:PHP 排序稳定性依具体函数与版本,需要同值保持原序时查阅文档或自行附加次序键。

04.5.1.2-008 大数组内存占用与写时复制(COW)?

一句话结论

PHP 变量共享 zval,数组赋值先共享底层 HashTable,引用计数 >1 时修改才复制(COW);大数组未修改前不重复占内存,但一旦写入即整体分离,内存峰值需评估。

概念解释

COW 降低只读复制成本。但数组修改会触发分离,大数组在“共享副本 + 原地修改”场景下内存翻倍。循环内反复复制大数组是常见内存问题。

原理流程

  1. 赋值:zval 共享,计数加一。
  2. 只读访问:不复制。
  3. 写入:计数 >1 则复制 HashTable 再改。

代码或图示

$big = range(1, 100000);
$copy = $big;        // 共享 zval
$copy[] = 1;         // 写入触发 COW 分离

常见误区

  • 以为数组赋值立即复制整块数据:未修改前共享,COW 在写入时发生。
  • 以为 COW 后内存不增长:分离时大数组需要额外一份内存。

追问

  • 如何降低大数组内存?答:分批处理、生成器流式遍历、及时 unset 不再用的变量、避免多层嵌套副本。
  • 对象赋值也是 COW 吗?答:对象句柄共享同一对象,修改属性不复制对象;对象本身不做值拷贝。

04.5.1.2-009 PHP 字符串底层(zend_string)与二进制安全?

一句话结论

PHP 字符串是 zend_string 结构:字节长度 + 哈希缓存 + 字节缓冲区,不依赖 NUL 结尾判断长度,因此二进制安全,可保存任意字节(含 \0)。

概念解释

与 C 字符串不同,PHP 字符串显式记录长度,中间的 NUL 不会截断字符串。字符串默认按字节处理,多字节字符需 mbstring 按编码操作。

原理流程

  1. 字符串分配时记录字节长度。
  2. 访问/拼接按长度操作,不以 NUL 结束。
  3. 哈希缓存用于数组字符串键快速比较。

代码或图示

$s = "a\0b";
echo strlen($s); // 3,NUL 不截断

常见误区

  • 以为 PHP 字符串以 \0 结尾:长度显式记录,二进制安全。
  • 以为字符串函数按字符工作:默认按字节,多字节编码需 mb_* 函数。

追问

  • 字符串哈希缓存作用?答:作为数组键时缓存哈希值,避免重复计算;具体结构以 Zend 源码为准。
  • 二进制数据存字符串要注意什么?答:长度显式保存,避免用 C 风格 strlen 依赖 NUL;输出/传输按字节长度处理。

04.5.1.2-010 字符串编码与多字节:mbstring、UTF-8 长度与字节长度?

一句话结论

PHP 字符串是字节序列,strlen 给字节数,mb_strlen 按编码给字符数;处理 UTF-8 等多字节编码必须用 mbstring 函数,避免按字节切断字符。

概念解释

UTF-8 中中文等字符占 3 字节,按字节截取/替换会切断多字节序列产生乱码。mbstring 按字符边界操作,需指定编码(通常 UTF-8)。

原理流程

  1. 确认源编码(UTF-8/GBK 等)。
  2. 字符级操作用 mb_strlen/mb_substr/mb_strpos。
  3. 字节级操作用 strlen/字节函数,注意不切断字符。

代码或图示

$s = "中文";
echo strlen($s);     // 6 字节
echo mb_strlen($s, 'UTF-8'); // 2 字符
echo mb_substr($s, 0, 1, 'UTF-8'); // 中

常见误区

  • 用 substr 截 UTF-8 中文:可能切断字符产生乱码。
  • 不指定编码:mbstring 用内部默认编码,多语言环境易出错。

追问

  • 如何检测字符串编码?答:mb_detect_encoding 为启发式判断,不可靠时应由上游明确编码约定。
  • 字符串长度用于截断展示怎么办?答:按字符 mb_substr 截断,再按字节限制输出长度。

04.5.1.2-011 字符串拼接、. 运算符与变量插值?

一句话结论

. 拼接字符串;双引号字符串支持变量插值,复杂结构用 {$...} 语法;循环内反复拼接会产生多次分配,预分配或用数组 implode 更高效。

概念解释

双引号解析变量与转义序列,单引号几乎不解析。插值可直接 $var 或复杂 {$obj->prop}。字符串不可变语义下,每次拼接生成新串,频繁拼接性能差。

原理流程

  1. 单引号:原样输出,仅转义 \'/\\。
  2. 双引号:解析变量、{$} 复杂表达式与转义。
  3. 批量拼接:收集片段到数组,最后 implode。

代码或图示

$name = 'Tom';
$greet = "Hi, {$name}!";
$parts = [];
for ($i = 0; $i < 100; $i++) { $parts[] = "item{$i}"; }
$out = implode("\n", $parts);

常见误区

  • 循环里 $s .= $x:每次拼接可能重新分配大串,应收集数组后 implode。
  • 在单引号里写变量:单引号不插值,输出字面量。

追问

  • {$} 与 $ 插值区别?答:简单变量用 $var,对象属性/数组元素/表达式必须 {$...}。
  • 双引号性能一定差吗?答:单次拼接影响小,热点路径与大字符串需用 implode/缓冲优化。

04.5.1.2-012 PHP 8 字符串函数:str_contains/str_starts_with/str_ends_with?

一句话结论

PHP 8 提供 str_contains( haystack, needle) 判断子串包含,str_starts_with/str_ends_with 判断前后缀;替代旧的 strpos !== false 写法,可读性更强且按字节匹配。

概念解释

旧写法用 strpos 查找位置,需区分 0 与 false;新函数直接返回布尔。它们是字节级匹配,大小写敏感;多字节/忽略大小写场景另有函数或先归一化。

原理流程

  1. 包含判断:str_contains($s, 'sub')。
  2. 前缀/后缀:对应 starts/ends_with。
  3. 返回 bool,避免位置比较歧义。

代码或图示

str_contains('hello world', 'world');   // true
str_starts_with('https://...', 'https');// true
str_ends_with('file.png', '.png');      // true

常见误区

  • 以为新函数忽略大小写:大小写敏感,需忽略大小写先转小写/用 mb 对应方案。
  • 用在多字节字符上不指定编码:按字节匹配,多字节边界需 mbstring 处理。

追问

  • 旧代码 strpos($s, $n) !== false 等价吗?答:包含判断等价;前缀判断旧写法要额外判断位置为 0。
  • 空 needle 行为?答:按当前版本返回 true;边界行为以官方文档为准,不要在空输入上假设。

04.5.1.2-013 字符串索引访问与字节/字符陷阱?

一句话结论

$s[0]/$s{0} 按字节取字符,越界返回空字符串并可能告警;多字节字符不能按索引取整字符,长度与偏移都应按编码处理。

概念解释

字符串下标是字节偏移,不是字符序号。取中文第 1 个字符不能用 $s[0](只取首字节)。越界访问在现代 PHP 返回空字符串并触发警告/错误。

原理流程

  1. 下标映射到字节偏移。
  2. 取出单字节字符。
  3. 越界或多字节边界需改用 mb 函数。

代码或图示

$s = '中国人';
echo $s[0]; // 仅首字节,乱码
echo mb_substr($s, 0, 1, 'UTF-8'); // 中

常见误区

  • 把字符串下标当字符索引:它是字节偏移。
  • 用花括号 $s{0}:旧式写法已不推荐,用方括号。

追问

  • 如何取字符串第 n 个字符?答:mb_substr($s, $n, 1, 'UTF-8');遍历用 mb_str_split(可用性以版本为准)。
  • 越界访问返回什么?答:空字符串并产生警告/错误,业务应先校验长度。

04.5.1.2-014 数组解构:[$a, $b] 与关联解构、list()?

一句话结论

短数组语法 [$a, $b] = $arr 按位置解构,['k' => $v] = $arr 按键解构;list() 是旧式等价写法,支持嵌套解构与默认值。

概念解释

解构把数组元素直接绑定到变量,免去逐个取值。位置解构按下标顺序,关联解构按键名。可嵌套解构多维数组,缺失键对应变量为 null/未定义。

原理流程

  1. 左侧声明变量与位置/键。
  2. 右侧数组匹配赋值。
  3. 多余元素忽略,缺失键变量按未定义处理。

代码或图示

[$x, $y] = [1, 2];
['name' => $name, 'age' => $age] = ['name' => 'Tom', 'age' => 18];
[$a, [$b, $c]] = [1, [2, 3]];

常见误区

  • 关联解构键名写错:缺失键变量未赋值,需先校验结构。
  • 以为解构会复制整个大数组:绑定变量,底层 zval 共享 + COW。

追问

  • 解构函数返回数组方便在哪?答:直接展开多返回值,避免中间数组变量。
  • 解构与 extract 区别?答:解构显式声明变量、可控;extract 把数组键导入符号表,易冲突,不推荐。

04.5.1.2-015 类型转换:数组转字符串、字符串转数字、布尔转换规则?

一句话结论

数组转字符串得到 Array 并告警;字符串转数字取开头数值部分;布尔转换中 0、"0"、""、null、空数组、false 为 false,其余多为 true。

概念解释

PHP 类型转换有明确规则:数值字符串前缀转数字,非数字开头为 0;布尔假值集合固定。理解规则避免弱类型比较误判。

原理流程

  1. 字符串 → 数字:前缀数字转 int/float,非数字开头为 0。
  2. 标量 → 布尔:按假值集合判断。
  3. 数组 → 字符串:无法有意义转换,输出 Array 并告警。

代码或图示

echo (int) "12abc";   // 12
echo (int) "abc";     // 0
var_dump((bool) "0"); // bool(false)
var_dump((bool) []);   // bool(false)

常见误区

  • 以为 "0" 转布尔为 true:它是假值。
  • 数组拼接进字符串:得到 Array 且告警,应先取字段。

追问

  • 浮点转整数规则?答:向零截断小数部分;超出 int 范围行为依版本与设置,避免依赖隐式转换。
  • 字符串转 float 精度问题?答:超长数字字符串转 float 可能丢精度,ID 类值保持字符串处理。

04.5.1.2-016 引用在数组/字符串中的行为与 COW 触发?

一句话结论

数组元素可用引用绑定;引用计数 >1 时修改触发 COW 分离。字符串不支持元素级引用($s[0] = 'x' 是写新串,非引用),数组引用与普通赋值共享 zval 规则不同。

概念解释

$arr[] = &$ref 让元素引用外部变量;普通数组赋值共享 HashTable 直到写入。字符串按值复制语义,下标写入产生新字符串,不存在元素引用。

原理流程

  1. 普通赋值共享 zval,计数加一。
  2. 写操作检测计数,>1 复制分离。
  3. 引用元素改变共享关系,unset 断开引用。

代码或图示

$val = 1;
$arr = ['x' => &$val];
$val = 5;
echo $arr['x']; // 5

常见误区

  • 以为字符串元素可引用:字符串不支持按元素引用修改。
  • 遍历后忘记 unset 引用变量:引用残留影响后续同名变量。

追问

  • 数组里存引用有什么风险?答:外部变量改动画响数组元素,生命周期耦合;调试时难以追踪共享关系。
  • COW 分离发生在哪些写操作?答:新增/修改元素、 unset 等改变 HashTable 结构或内容的操作。

04.5.1.2-017 大集合内存:生成器 yield 与迭代器?

一句话结论

生成器用 yield 逐个产出元素,不必一次性构造完整数组,降低大集合内存占用;实现迭代器接口可自定义遍历逻辑,适合分批读数据库/文件。

概念解释

普通数组把全部元素驻留内存;生成器是惰性迭代器,消费一个算一个。yield 暂停函数并返回值,恢复时继续。配合 foreach 或手动 Iterator 使用。

原理流程

  1. 函数内 yield 产出元素并暂停。
  2. 消费端取下一个值时恢复执行。
  3. 不构建完整集合,内存占用与批次相关。

代码或图示

function rows(PDO $pdo): Generator {
    $stmt = $pdo->query('SELECT * FROM big_table');
    while ($row = $stmt->fetch()) { yield $row; }
}
foreach (rows($pdo) as $row) { /* 处理 */ }

常见误区

  • 以为生成器能随机访问:只能顺序遍历,不能按键取元素。
  • 在生成器内缓存全部结果:退回数组就失去流式意义。

追问

  • 生成器返回值怎么取?答:getReturn() 在遍历结束后获取函数 return 的值。
  • 与迭代器接口区别?答:生成器语法简洁自动实现 Iterator;自定义复杂状态机可写实现类。

04.5.1.2-018 数组/字符串性能陷阱有哪些?

一句话结论

高频陷阱:循环内反复字符串拼接、大数组多层副本、无界数组缓存、在循环中 in_array 线性查找大数组、对大字符串反复截取;优化方向是批量收集、哈希键查找、流式处理。

概念解释

性能问题多来自重复分配与 O(n) 查找。数组查找用键哈希(O(1))替代 in_array 线性扫描;字符串批量 implode;大数据集分批/生成器。

原理流程

  1. 识别热点循环内的分配与查找。
  2. 线性查找转哈希键映射。
  3. 拼接收集后一次合并,大集合流式处理。

代码或图示

// 反例:线性查找
in_array($id, $list);
// 优化:键映射
$map = array_flip($list);
isset($map[$id]);

常见误区

  • 对小集合过度优化:先测量再优化,小数据可读性优先。
  • 只看单次耗时:热点路径重复放大累积效应。

追问

  • 如何定位数组/字符串瓶颈?答:XHProf/Tideways 采样耗时与内存,结合 memory_get_usage 观察峰值。
  • 无界缓存怎么控制?答:设上限、LRU/过期淘汰、按请求释放,避免常驻内存累积。