0、前言
最近项目的流程逐渐清晰，但是很多关键性的技术没有掌握，也只能一步一步摸索。
由于要做基于数据流分析的静态代码分析，所以前端的工作如：词法分析、语法分析必不可少。yacc和lex什么的就不再考虑了，查了一天的资料，发现两款比较适合，一款是java下的antlr，另一款是专门做php ast生成的php-parser。
antlr是编译原理领域比较著名的工具了，相对于yacc和lex，更加实用。但是对php的语法文件只有一个，折腾了半天才生成调通，发现不太适合，对于”$a=1”生成tokens竟然是[$,a,=,1]，无法识别assignment，做得过于粗糙，令人无比失望。
相比之下，php-parser更加专业一些，毕竟专注php的词法、语法分析工作。
1、介绍
php-parser的项目主页是https://github.com/nikic/php-parser。可以对多版本的php进行完美解析，生成一颗抽象语法树。
对于词法分析，php有个内置函数token_get_all()可以用来获取tokens，作为语法分析的输入，这个开源项目也是用的token_get_all()生成的token流。
2、安装
安装也很简单，这里我是使用的php中的包管理工具composer添加的，在项目目录中执行以下命令即可：
php composer.phar require nikic/php-parser
如果没有下载composer，应该先执行下面的命令：
curl -s http://getcomposer.org/installer | php
3、生成ast
使用composer添加php-parser之后，就可以方便使用。
首先介绍一下php-parser中定义的一些节点类型：
（1）phpparser\node\stmt是语句节点，不带任何返回信息（return）的结构，如赋值语句”$a = $b” ;
（2）phpparser\node\expr是表达式节点，可以返回一个值的语言结构，如$var和func()。
（3）phpparser\node\scalar是常量节点，可以用来表示任何常量值。如’string’,0,以及常量表达式。
（4）还有一些节点没有包括进去，如参数节点(phpparser\node\arg)。
一些节点类的名称使用了下划线，这是为了避免和php关键字冲突。
php-parser的helloworld程序如下，该代码片段会生成ast：
输出结果为：
array( [0] => phpparser\node\stmt\echo_ object ( [subnodes:protected] => array ( [exprs] => array ( [0] => phpparser\node\scalar\string object ( [subnodes:protected] => array ( [value] => 1+2 ) [attributes:protected] => array ( [startline] => 1 [endline] => 1 ) ) [1] => phpparser\node\scalar\string object ( [subnodes:protected] => array ( [value] => chongrui ) [attributes:protected] => array ( [startline] => 1 [endline] => 1 ) ) ) ) [attributes:protected] => array ( [startline] => 1 [endline] => 1 ) ))
可以看到，这课ast只有一个节点echo_，此节点有一个子节点exprs，可以使用$stmts[0]->exprs进行访问。
对于节点中的attributes信息是用来存储startline和endline以及comments的。可以使用getattributes(),getattribute(‘startline’),setattribute(),hasattribute()方法进行访问。
开始行号startline可以通过getline()/setline()方法进行访问（也可以getattribute(‘startline’)）。注释信息可以使用getdoccomment()获取。
访问节点上的值：如访问值“chongrui”，使用$stmts[0]->exprs[1]->value;即可。
4、节点遍历
对抽象语法树的遍历非常方便，使用phpparser\nodetraverser类即可。同时，支持自定义的visitor对象。因为在实际应用中，对php源码进行分析，往往是不知道ast的具体结构，这时需要动态的去判断每个节点的类型信息。
这些判断统一写到mynodevisitor中，该类继承了一个父类nodevisitorabstract，这个类中有一些方法：
（1）beforetraverse()方法用于遍历之前，通常用来在遍历前对值进行重置。
（2）aftertraverse()方法和（1）相同，唯一不同的地方是遍历之后才触发。
（3）enternode()和leavenode()方法在对每个节点访问时触发。
enternode在进入节点时触发，比如在访问节点的子节点之前。这个方法可以返回nodetraverser::dont_traverser_children，用来跳过该节点的孩子节点。
leavenode在遍历节点完成之后触发。它可以返回
nodetraverser::remove_node，这种情况下，当前节点会被删除。如果返回一个节点的集合，那么这些节点会并入到父节点的array中，比如array(a,b,c),b节点被array(x,y,z)替换，变成array(a,x,y,z,c) .
下面的代码片段对$code进行解析，生成ast，并且在遍历时，当发现遍历节点时string类型时，就进行输出。
结果会输出1,2。
5、其他ast表示
有时候会将ast进行文本化持久保存，这个功能php-parser也支持。
（1）简单的进行序列化
使用serialize()和unserialize()进行序列化和反序列化操作，可以对ast进行持久保存。 
（2）易于阅读的保存形式
分别是完美打印和xml持久存储，在这里不做详细介绍，有需要的时候可以看项目的文档：
https://github.com/nikic/php-parser/blob/master/doc/3_other_node_tree_representations.markdown
6、总结
至少在php静态分析方面，php-parser在功能方面大大优于antlr。如何构建一个php自动化审计系统，这个php-parser肯定会发挥不小的作用：）~