乐趣区

PHP-理清-foreach-潜规则

jiezi

原文地址：https://www.hongweipeng.com/i…

起步

在相当长的一段时间里，我认为 foreach 在循环期间使用的是原数组的副本。但最近经过一些实验后发现这并不是百分百正确。

比如副本的说法说得通的：

$array = array(1, 2, 3, 4, 5);
foreach ($array as $item) {
  echo "$item\n";
  $array[] = $item;}
print_r($array);

/* Output in loop:    1 2 3 4 5
   $array after loop: 1 2 3 4 5 1 2 3 4 5 */

这个例子在循环体中修改数组不影响循环过程，副本的说法说得通。

然而

$arr = [1, 2, 3, 4, 5];
$obj = [6, 7, 8, 9, 10];

$ref = &$arr;
foreach ($ref as $val) {
    echo $val;
    if ($val == 3) {$ref = $obj;}
}
// output in php5.x: 123678910
// output in php7.x: 12345

对于不同的 PHP 版本输出会有差异，php7 提及 foreach 的改变有三点：

  1. foreach 不再改变内部数组指针；
  2. foreach 通过值遍历时，操作的值为数组的副本；
  3. foreach 通过引用遍历时，有更好的迭代特性。

因此，在讨论 foreach 里的数组副本问题，得分开版本来说明。在此，https://stackoverflow.com/que… 有了比较详细的说明，并举例了大多数情况。本文就进行一些整理与总结。

写时复制

造成运行差异和与预期不同的原因一部分就是因为触发了写时复制，另一部分是 foreach 本身的机制。

php 底层有两个属性来处理引用计数 (refcount) 与完全引用计数(is_ref)。

当类似 $a = [1, 2, 3]; 创建并初始化后，该对象 is_ref 会设为 0，refcount 会设为 1; 当进行引用传递类似 $b = &$a 时，is_ref 和 refcount 都会 +1 ; 当类似 $c = $a 时，refcount 会 +1。

什么情况下会触发写时复制？

当变量被重新赋值 $a = 1; 时，如果此时的 $a 的 is_ref=0 且 refcount>1，那么就会触发复制；否则在原对象上进行修改。

$a = [1, 2, 3]
$b = $a;
$a[] = 5;  // $a 的 is_ref=0，refcount>1 触发了写时复制，之后 $a 与 $b 是两个不同数组

什么情况下可以跳过写时复制而可以直接对原数组进行操作呢？

根据写时复制的触发规则，一个简单的跳过改机制就是进行引用复制使得 is_ref > 0。

那么可以在迭代期间进行修改：

<?php
$arr = [0, 1, 2, 3, 4, 5];
$ref = &$arr;
foreach ($arr as $v) {if ($v === 0) {unset($arr[3]);
    }
    echo $v;
}
// output in 5.x: 01245
// output in 7.x: 012345  // 7.x 版本下，通过值遍历时，底层操作的始终是数组的副本

7.x 版本好像还是写时复制的对吧。这是因为 7.x 版本对 foreach 的改变 "foreach 通过值遍历时，操作的值为数组的副本"。

另外一种可以在迭代中修改的是依靠 foreach 的机制的，即通过引用来进行迭代 foreach ($arr as &$v)：

<?php
$arr = [0, 1, 2, 3, 4, 5];
foreach ($arr as &$v) {if ($v === 0) {unset($arr[3]);
    }
    echo $v;
}
// output in 5.x: 01245
// output in 7.x: 01245

数组副本

数组内部指针（IAP）我们可以通过且只能 current($arr) 函数观察它的移动，因为修改 IAP 也是在写时复制的语义下进行了。这也就意味着大多数情况下，foreach 都会被迫拷贝它正在迭代的数组。在此强调：写时复制条件是操作对象的计数为 isref = 0 且 refcount > 1。

foreach 对 current 的影响

7.x 的 foreach 已经不会修改内部指针了，所以讨论 current 影响的这部分都指 5.x 版本。

current 的例子 1 

<?php
$arr = [0, 1, 2, 3, 4, 5];
foreach ($arr as $v) {echo current($arr);
}
// output in 5.x: 11111

这里有两个问题，一个是为什么第一次循环时 current 指向是第二个元素；另一个问题就是为什么都是指向第二个元素。

先来解释第一个问题，为什么第一次循环时 current 指向是第二个元素？

在 foreach 启动前，此时 $arr (is_ref=0, refcount=1)，达不到写时复制的条件，因此用的是 $arr 本身。
这里有个细节，循环遍历某个数据结构的“正常”方式常常看起来像这样：

reset(arr);
while (get_current_data(arr, &data) == SUCCESS) {code();
    move_forward(arr);
}

而 PHP 的 foreach 做的事情有些不同：

reset(arr);
while (get_current_data(arr, &data) == SUCCESS) {move_forward(arr);
    code();}

也就是说，在执行 foreach 的循环体之前，数组指针已经向前移动了。这意味着当循环体正在处理 $i 是，IAP 已经处于元素 $i+1 了。这也就是为什么第一次循环 current 得到的是第二个元素了。

那么，为什么下一个循环里 current 还是第二个元素呢？

这是因为底层会在 foreach 启动后对 refcount 进行 +1，因此在第一次循环后第二次循环启动时，foreach 又要修改内部指针了，但此时 $arr 为 is_ref=0 refcount=2, 修改内部指针又在写时复制的语义下，因此触发了写时复制，所以从第二次循环开始，底层用的都是另外的一份副本，不再对原数组进行修改，所以 current($arr) 就一直停留在第二个元素上了。

current 的例子 2 

<?php
$arr = [0, 1, 2, 3, 4, 5];
foreach ($arr as &$v) {echo current($arr);
}
// output in 5.x: 12345

这是 foreach 的运行机制导致的，只要是用引用进行迭代，foreach 操作的始终是原数组。这规则在 7.x 版本也适用。

current 的例子 3 

<?php
$arr = [0, 1, 2, 3, 4, 5];
$foo = $arr;
foreach ($arr as $v) {echo current($arr);
}
// output in 5.x: 000000

这个比 例子 1 就是多个一个将数组分配给另一个变量。这里，循环启动时 refcount=2，并且内部数组指针的移动又发生在循环体之前，所以一开始就触发了写时复制，foreach 始终都是在副本上操作。因此 current($arr) 总还是指向第一个元素。

关于 foreach 对 current 的影响鸟哥似乎有分享：

说是在 Think 2015 PHP 技术峰会，但我没找到视频，十分遗憾。

在迭代过程中修改原数组

为了确保我们对数组的修改能够实时生效，我们就要避免写时复制的情况，让 foreach 始终都操作原数组。这里最方便的就是用引用来迭代即 foreach ($arr as &$v) 的形式，但尽管如此，对于操作后的数组，5 和 7 的版本在处理上也有差异：

$array = array(1, 2, 3, 4, 5);
foreach ($array as &$v1) {foreach ($array as &$v2) {if ($v1 == 1 && $v2 == 1) {unset($array[1]);
        }
        echo "($v1, $v2)\n";
    }
}

// output in 5.x: (1, 1) (1, 3) (1, 4) (1, 5)
// output in 7.x: (1, 1) (1, 3) (1, 4) (1, 5)
//                (3, 1) (3, 3) (3, 4) (3, 5)
//                (4, 1) (4, 3) (4, 4) (4, 5)
//                (5, 1) (5, 3) (5, 4) (5, 5)

此处的 (1, 2) 是缺少的部分，因为元素 $array[1] 已经被删除。但对于删除后的处理，5 和 7 不同，5 在外循环第一次迭代后就中止了，这是因此 5.x 的循环中，当前的 IAP 位置会被备份到 HashPointer 中（这点在额外章节中有具体说明），循环体结束后当且仅当元素仍然存在时进行恢复，否则使用当前的 IAP 位置。而 7.x 的两个循环都具有完全独立的散列表迭代器，不再通过共享 IAP 进行交叉污染。

$array = [1, 2, 3, 4, 5];
$ref = &$array;
foreach ($array as $val) {var_dump($val);
    $array[2] = 0;
}
/* output in 5.x: 1, 2, 0, 4, 5 */
/* output in 7.x: 1, 2, 3, 4, 5 */

对于 5.x 版本，原数组有被引用，因此不会触发写时复制，foreach 操作始终是原数组。

对于 7.x 版本，foreach 通过值遍历时，操作的都是数组的副本，这点在升级文档有提及。

现在有一个比较奇怪的边缘问题：

$array = ['EzEz' => 1, 'EzFY' => 2, 'FYEz' => 3];
foreach ($array as &$value) {unset($array['EzFY']);
    $array['FYFY'] = 4;
    var_dump($value);
}
// output in 5.x: 1, 4
// output in 7.x: 1, 3, 4

在 5.x 版本中，由于 HashPointer 恢复机制会直接跳到新元素（这应该算是 bug）。而版本 7.x 不再依赖元素哈希，所以感觉 7.x 的运行结果更为正确。

在循环期间替换迭代的实体

php 允许在循环期间替换迭代的实体，因此对于操作原数组来说，也会将其替换为另一个数组，开始它的迭代。

$arr = [1, 2, 3, 4, 5];
$obj = (object) [6, 7, 8, 9, 10];

$ref = &$arr;
foreach ($ref as $val) {
    echo "$val\n";
    if ($val == 3) {$ref = $obj;}
}
/* Output in 5.x and 7.x: 1 2 3 6 7 8 9 10 */

尽管操作上是允许的，但我想没有人会这么做。

额外

内部指针与 HashPointer

为了引出指针恢复的概念，我们可以先从一个问题来入手，只有一个内部数组指针的要怎么同时满足两个循环：

// Using by-ref iteration here to make sure that it's really
// the same array in both loops and not a copy
foreach ($arr as &$v1) {foreach ($arr as &$v) {// ...}
}

解决的办法是，在循环体执行之前，将当前元素的指针和指向的元素保存起来，在循环体运行后，如果元素仍然存在，就把 IAP 恢复为之前保存的指针；如果元素已被删除，则 IAP 就使用当前的位置。这个保存的指针和元素地方就是 HashPointer。

HashPointer 备份恢复机制带来的方便就是我们可以临时修改数组的指针:

$array = [1, 2, 3, 4, 5];
foreach ($array as &$value) {var_dump($value);
    reset($array);
}
// output in 5.x and 7.x: 1, 2, 3, 4, 5

如果要干涉这个机制，就要让他恢复失败：

$array = [1, 2, 3, 4, 5];
$ref =& $array;
foreach ($array as $value) {var_dump($value);
    unset($array[1]);
    reset($array);
}
// output in 5.x: 1, 1, 3, 4, 5
// output in 7.x: 1, 2, 3, 4, 5  值传递，始终操作的是副本
退出移动版