问题摘要

在Cybrics2020的一个题目中，题目已经设置了short_open_tag = Off，但是在代码中仍然使用了<?=....的形式，原来的猜想是docker部署的时候由于某些原因使该配置项没有生效，从而导致短标签能继续使用，并且PHP Manual中的描述也佐证了这个猜想，其中对于short_open_tag的描述中有如下一段：

本指令也会影响到缩写形式 <?=，它和 <? echo 等价。使用此缩写需要 short_open_tag 的值为 On。 从 PHP 5.4.0 起， <?= 总是可用的。

最初我和队友将从 PHP 5.4.0 起， <?= 总是可用的理解为了在PHP5.4.0之后默认生效，但可以通过设置short_open_tag = Off来进行关闭。但是随后@Smile在PHP7.4.1下的测试推翻了这个认识：

1
2
3
4
5
6
7
// 1.php
<?=phpinfo();?>

// 2.php
<? phpinfo();?>

// 已设置 short_open_tag = Off

实际运行时却发现1.php的代码能够正常执行，2.php的内容不执行，因此这就和可以通过关闭short_open_tag来使<?=失效这个结论冲突了。后面我在PHP5.6.31下测试，效果同PHP7.4.1，排除了PHP7和PHP5大版本差异导致的解析不一致。

PHP代码解析过程

PHP的代码在真正执行会经过一长串的处理，其中和代码解析相关的部分则是Zend引擎对代码进行词法、语法分析，编译为opcode执行。

在进行词法、语法分析时，PHP会按照已规定好的词法规则将代码切分为单独的Token，然后再通过bison进行语法处理，当语法出现错误时则会终止执行，也就是我们所看到的各种语法错误提示。

与词法、语法分析相关的规则主要存放在Zend/zend_language_parser.y以及zend_language_scanner.l两个文件中，我们着重关注<?=与<?，其中，在Zend/zend_language_parser.y文件中，对<?=进行了定义：

1
%token T_OPEN_TAG_WITH_ECHO "'<?='"

在zend_language_scanner.l中则定义了相关的re2c规则，<?=与<?与<?php一样，都可以作为PHP代码的起始符：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
<INITIAL>"<?=" {
	BEGIN(ST_IN_SCRIPTING);
	if (PARSER_MODE()) {
		/* We'll reject this as an identifier in zend_lex_tstring. */
		RETURN_TOKEN_WITH_IDENT(T_ECHO);
	}
	RETURN_TOKEN(T_OPEN_TAG_WITH_ECHO);
}

<INITIAL>"<?" {
	if (CG(short_tags)) {
		BEGIN(ST_IN_SCRIPTING);
		RETURN_OR_SKIP_TOKEN(T_OPEN_TAG);
	} else {
		goto inline_char_handler;
	}
}

<?= 的解析

为了理解其差异，我们先看<?=的处理流程，它的处理流程主要涉及PARSER_MODE、RETURN_TOKEN_WITH_IDENT、RETURN_TOKEN三个方法，其定义分别为：

1
2
3
4
5
6
7
8
9
10
11
12
#define PARSER_MODE() \
	EXPECTED(elem != NULL)
	
#define RETURN_TOKEN_WITH_IDENT(_token) do { \
		token = _token; \
		goto emit_token_with_ident; \
	} while (0)
	
#define RETURN_TOKEN(_token) do { \
		token = _token; \
		goto emit_token; \
	} while (0)

PARSER_MODE会判断是否elem是否为空，elem是个union结构：zend_parser_stack_elem，主要用于表示词法元素，其定义为：

1
2
3
4
5
6
7
typedef union _zend_parser_stack_elem {
	zend_ast *ast;
	zend_string *str;
	zend_ulong num;
	unsigned char *ptr;
	zend_lexer_ident_ref ident;
} zend_parser_stack_elem;

因此PARSER_MODE主要作用为判断当前是否有词法元素需要解析。RETURN_TOKEN_WITH_IDENT与RETURN_TOKEN的实现较为相似，都是一个goto语句，对应的代码块为：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
emit_token:
	if (SCNG(on_event)) {
		SCNG(on_event)(ON_TOKEN, token, start_line, yytext, yyleng, SCNG(on_event_context));
	}
	return token;
	
emit_token_with_ident:
	if (PARSER_MODE()) {
		elem->ident.offset = SCNG(yy_text) - SCNG(yy_start);
		elem->ident.len = SCNG(yy_leng);
	}
	if (SCNG(on_event)) {
		SCNG(on_event)(ON_TOKEN, token, start_line, yytext, yyleng, SCNG(on_event_context));
	}
	return token;

SCNG宏可以对定义的scanner_global全局变量进行取值，scanner_global主要用于存放lexer的状态信息，比如当前处理的指针位置、最后一次处理的token位置等，在上面的elem->ident.offset = SCNG(yy_text) - SCNG(yy_start);这一句中，便是计算当前位置和开始位置从而得出偏移量。

SCNG(on_event)则是取出存放在on_event上的同名函数，on_event可以根据token类型进行对应的处理，函数参数类型为：

1
on_event(zend_php_scanner_event event, int token, int line,const char *text, size_t length, void *context)

对于分析<?=做了什么这个问题来说，分析到这里基本结束了，因此可以得出结论，对于<?=来说，在解析完了echo就会继续后续token的处理，且未看到对于短标签配置的取值判断。

<? 的解析

<?与<?=最关键的区别就在于CG(short_tags)的判断上，CG宏含义为Compiler Globals，与Zend编译器相关的全局变量相关，CG(short_tags)则是取出有关于短标签的配置，随后根据取值来决定是否继续后续的代码执行。inline_char_handler用于扫描不在PHP标签中的内容，因此以<?表示的PHP代码也就不会进行执行。

上述代码的分析在PHP7.4.9下进行，在PHP5.6.31版本下的分析要更为简单，对<?=的写法更为直观：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
<INITIAL>"<?=" {
	ZVAL_STRINGL(zendlval, yytext, yyleng, 0); /* no copying - intentional */
	BEGIN(ST_IN_SCRIPTING);
	return T_OPEN_TAG_WITH_ECHO;
}

<INITIAL>"<?" {
	if (CG(short_tags)) {
		ZVAL_STRINGL(zendlval, yytext, yyleng, 0); /* no copying - intentional */
		BEGIN(ST_IN_SCRIPTING);
		return T_OPEN_TAG;
	} else {
		goto inline_char_handler;
	}
}