在前面的幾篇博文老司機帶你用 PHP 實現 Websocket 協議和PHP 編寫基本的 Socket 程式中，我們使用到了基本的socket程式編寫技巧，在今天的這一篇博文中，我們將繼續深化這一知識，同時我們會用到HTTP協議的相關知識，藉助PHP實現表單上傳伺服器，作為一個後臺開發者，我們必須對這一塊知識，有深入的理解，今天要講的內容有些地方可能不是那麼容易理解（老司機講起來也不是那麼容易的，寫本篇博文的程式碼和博文總共花了2天半時間，因為在這裡要求大家對程式碼的掌控能力更強），希望大家仔細的琢磨分析程式碼，程式碼我已經長傳到了碼雲，倉庫為php-http-form-server，如果你看懂了我這裡寫的程式碼，以後不管你用什麼語言寫socket程式，程式就算再怎麼複雜，套路和這篇博文是一樣的。
高能預警
這篇部落格與以往的部落格有所不同，請一定要下載程式碼，對照著我下面講的看。
預期效果
- 徹底搞懂form表單提交（不再是一個黑匣子，因為我們自己實現了）
- 更加深入的理解http協議
- 複雜的socket程式設計技巧
- 練習程式碼掌控能力（這個很重要）
推薦連結
背景
在寫這篇博文之前，我也沒有寫過相關的程式碼，所以這算是第一次和大家一起實現這個功能，前天利用業餘時間編寫了程式碼，程式碼的基本思想很簡單，就是實現表單上傳這個功能，相信你如果理解了我今天所講的東西，大家以後對socket程式設計這塊，會更加的自信（就算是以後學習其他的語言，這也是非常有用的，基本程式設計思想才是最重要的），在閱讀下面的內容之前，如果你沒有socket程式設計相關的基本知識，請先閱讀我上面提到的PHP 編寫基本的 Socket 程式，這可能會需要你幾分鐘的閱讀時間。
知識背景
相信對於後臺的開發人員而言，form表單並不陌生，form表單的請求方法有2種，分別是GET和POST。但是我們今天的伺服器不會分析GET請求，我們需要把主要的經歷集中在POST請求，這才是form請求的精華和常用方式。form表單的編碼型別有2中，分別為application/x-www-form-urlencoded和multipart/form-data，下面一一分析。
application/x-www-form-urlencoded 這種編碼方式從它的名字後面的一部分就可以看出來urlencode，也就是說表單的內容和url的編碼方式是一樣的，這個大家總知道吧，比如說，一個form表單，有name="obama"和pwd="123456"，那麼url方式編碼就是name=obama&pwd=123456，是不是很簡單，沒錯就是這麼簡單。只是如果欄位名和欄位值中包含特殊字元，會被編碼。比如說，name="=obama"，pwd="&123456"，那麼編碼之後的結果就像是這樣：name=%3Dobama&pwd=%26123456。再比如name="= obama"，pwd="& 123456"（name和pwd中都包含空格），那麼編碼結果就是這樣：name=%3D+obama&pwd=%26+123456。具體的編碼如何轉換，我們暫時不必知道，php中已經有函式可以幫助我們urlencode，我們只需要知道的有2個字元不會被轉換，它就是 & 和 = ，請大家一定要記住這一點，切記，因為在我們後面的程式碼實現中，會用到這一點。
multipart/form-data 編碼要稍微複雜一些，但是有老司機在，不用慌，下面的內容是我伺服器收到的，但是被我處理過，二進位制檔案太長了，不利於我們的分析：
------WebKitFormBoundaryVBmvbscTaKzHhTLA
Content-Disposition: form-data; name="name"
obama
------WebKitFormBoundaryVBmvbscTaKzHhTLA
Content-Disposition: form-data; name="pwd"
123456
------WebKitFormBoundaryVBmvbscTaKzHhTLA
Content-Disposition: form-data; name="file"; filename="images.jpg"
Content-Type: image/jpeg
����JFIF��� ( %!read num:2048
����JFIF��� ( %!1!%)+...383-7(-.+
------WebKitFormBoundaryVBmvbscTaKzHhTLA--上面的內容足以說明了multipart/form-data編碼的套路，仔細看上面的，你是不是發現------WebKitFormBoundaryVBmvbscTaKzHhTLA出現了4次，這是啥？如果你有這樣的疑問，非常好，在解釋它之前，我們還需要看另外一個東西，表單提交的時候，傳遞了下面的
為了大家看得更清楚，我採用了截圖的方式，標出來的內容和一般的請求有所不同，這是表單所特有的的，採用multipart/form-data編碼的時候，Content-Type就是multipart/form-data，那麼後面的boundary是啥呢（如果你不知道這個單詞的含義，可以查一下：邊界）。說白了，它的意思就是用來分割表單每一個輸入欄位的，這也就是我上面貼出來的文字，name，pwd，file欄位都被boundary給分割了，但是你要記住了，分割的時候，在boundary的前面加上了2個額外的“-”，所以總共6個"-"，這個請大家一定要記住，我之前實現的時候，踩了這個坑，希望大家引以為戒。還有一點需要記住，在每一個post請求的請求體中，在最末尾也有一個boundary，這個boundary和前面說的基本是一樣的，為啥是基本？因為它的後面還有2個“-”（這個可是把我害慘了，一步一步除錯才發現這個問題）。
回到上面貼出來的post請求內容，除了我上面說的分割字串boundary，還有一個頭部是必須的，它就是Content-Disposition，它描述了當前欄位的後設資料，如果當前欄位只是普通文字的話，那麼就只有當前欄位的名稱，如果當前欄位代表的是檔案的話，除了剛才說的，還有一個filename欄位，表示當前上傳檔案的檔名。
另外一個就是Content-Type，他表示當前欄位的內容型別，我們這裡只管普通文字和檔案。對於普通文字來說，這個欄位可能是不存在的（我們不能假設它一定不存在），對於普通文字它的型別一定是以text開頭（這個結論很重要），比如：text/plain。對於圖片來說，它的型別以image開頭，我們只要知道這個足夠了，總的來說，我們只要能區分他是文字還是檔案就足夠了，至於他是什麼檔案型別，已經沒有任何討論的意義。
還有很重要的一點，大家需要非常注意，欄位值，比如說name這個欄位它的值為obama，和欄位的最後一個約束資訊（上面說的Content-Disposition，Content-Type，或者其他的什麼欄位）之間有個\r\n，下圖所示的紅色箭頭（欄位約束的每一行後面的\r\n不算在內，如果算在內的話，就有兩個連續的\r\n了），這個特性是我們用來區分欄位約束的欄位值的唯一依據。
最後要和大家說的是，我們永遠都不能猜測每次從套接字中能夠讀取多少個位元組，這是不現實也是沒有意義的，所以這大大增加了程式碼的複雜度，因為每一步操作之前，我們都要判斷內部緩衝區中是否有完整的匹配，這是不可或缺的，這也是為什麼這篇博文這麼長的原因，希望大家能夠明白我的良苦用心。因此下面我會仔細的給大家講解下流程。
程式碼流程
上面說了這麼多就是為了程式碼實現中走更少的彎路，程式碼已經被上傳到了碼雲，倉庫見部落格的開頭，因為這次的程式碼，相對於以前來說，流程可能稍微有些複雜，所以在講解程式碼實現之前，我先講程式碼的流程，請看下圖，為了畫出這個圖，硬是花費了一個小時，我靠，畫出這個圖比寫程式碼難多了，一點兒都不誇張，可能是因為我平時很少畫圖吧，如果流程圖不清晰，在程式碼倉庫中可以看到，希望大家認認真真看：
下面分析上面的這個圖，跟著這張圖，你看懂了的話，後面的程式碼也不是問題：
- 讀取套接字，每次讀取2048位元組（這個你可以隨便設，一般不能太大）。
- 判斷http頭部是否已經解析完成。
- 如果http頭部沒有解析完成，就開始解析http頭部，我們知道http頭部的每一行末尾都是\r\n，所以匹配它的正規表示式為：/([^\r])\r\n/。檢查正規表示式的匹配結果，如果沒有匹配到，那麼說明緩衝區的位元組數量不夠，此時需要繼續讀取套接字，所以返回第1步，如果正規表示式匹配到了結果，說明已經匹配到了完整的行，但是這還是不夠，我們還需要檢查第一個子匹配是否為空，如果不為空的話，當前行是完整的http頭部，我們可以檢測Content-Type和Content-Length等等頭部，並且把它們存起來，再次執行第3步，如果為空，那麼說明http頭部已經解析完成了（http最後一個頭部的下一行只有\r\n），此時開始執行第4步。
- 此時http頭部已經解析完成了，我們需要開始解析它的請求體，請求體有多個欄位（欄位是啥？舉個例子，對於form表單來說，我假設有個input，它的name屬性值為“”name“”，所以我說name是一個欄位，它由三個部分組成，必須的部分包括boundary，約束資訊（Content-Disposition，可選的Content-Type，或者其他的欄位），還有欄位值，例如：obama）組成。對於每一個欄位來說，我們依次匹配boundary，Content-Disposition，匹配的依據是什麼呢？很簡單，每一行末尾都有\r\n，這個和http頭部的匹配原則是一樣的，上面我們提到過欄位值和約束資訊之間有一行，只包含\r\n，所以只要檢測到這樣的一行，我們就知道當前欄位可以開始匹配欄位值了，這個時候，我們可以設定當前的匹配狀態為開始匹配欄位值，執行流程跳轉到第5步。如果沒有匹配到這樣的行，我們需要一直匹配約束資訊，也就是執行第4步。
- 約束資訊匹配完了之後，我們就開始匹配欄位值了，那麼我們以什麼為依據呢？啥時候可以確定欄位值匹配到了呢？/\r\n-boundary(--)?\r\n/ 就是我們的匹配依據，只要我們執行正規表示式，匹配到了結果，也就代表匹配到了欄位值。在當前的程式中，如果當前欄位代表的是檔案，那麼直接本地儲存，如果是普通的文字資料則儲存在物件中。那麼你也許還會問，怎麼判斷所有的欄位匹配完成了呢？這個問題問的非常好，還記得我之前說的不，post請求體的最後一行的boundary後面有2個“-”，所以只要檢測到了這個，就代表匹配完成了，對於當前的正規表示式而言，就是檢測第一個匹配子組的值，如果不為空的話，就說明已經完成了，否則就需要繼續執行第4步，開始匹配下一個欄位。
上面就是整個程式碼的執行流程，請一定要理解，下面我們來看程式碼，再次提醒大家，請下載程式碼，對照著我上面講的，理解應該沒有問題。
實現程式碼
讀取套接字
$bytes_num = socket_recv($client_socket_handle, $buffer, 2048, 0);
$this->internal_buffer .= $buffer;
if (!$bytes_num) {
echo "socket_recv failed\n";
exit(1);
} 讀取套接字的程式碼很簡單，這裡解釋一下internal_buffer 屬性，我們讀取到的所有資料都會儲存到internal_buffer 中，它就是我們的內部緩衝區。
解析http頭部
if (!$this->http_header_parsed) {
while (true) {
if (preg_match("/([^\r]*)\r\n/", $this->internal_buffer, $match) > 0) {
if (empty($match[1])) {
//http 頭部匹配完成
$this->http_header_parsed = true;
} else {
if (!$this->request_line_parsed) {
$this->request_line_parsed = true;
$line_parts = explode(" ", $match[1]);
$this->request_method = trim($line_parts[0], " ");
$this->uri = $line_parts[1];
} else {
$parts = explode(":", $match[1]);
$key = $parts[0];
$value = trim($parts[1], " ");//value的左側可能有空格
$this->http_headers[$key] = trim($value, "\r\n ");
if (strcmp($key, "Content-Type") == 0) {
//檢查內容的型別
$multipart_type = "multipart/form-data";
//如果有上傳檔案的話
if (strncmp($multipart_type, $value, strlen($multipart_type)) == 0) {
$this->multiple_part_enabled = true;
//獲取邊界也就是boundary
$this->http_boundary = explode("=",
trim(substr($value, strlen($multipart_type) + 1), " "))[1];
} else {
//此時內容型別為application/x-www-form-urlencoded
}
} else if (strcmp("Content-Length", $key) == 0) {
//檢查內容的長度
$this->content_length = intval($value);
}
}
}
$this->internal_buffer = substr($this->internal_buffer, strlen($match[0]));
} else {
break;
}
if ($this->http_header_parsed) {
break;
}
}
}
if (!$this->http_header_parsed) {
continue;
}關於preg_match的使用，大家一定要先搞清楚，如果不清楚，請先參考文件preg_match，如果它的返回值大於0，也就是說匹配到了，雖然匹配到了，我們還是要先判斷$match[1]的值，是不是為空，就和之前分析的一樣，為空就說明頭部解析完成了，所以設定http_header_parsed 為true，如果不為空的話，正常解析。解析之前要檢查request_line_parsed的值，它表示請求行是否已經被解析（開始為false），所以第一行肯定是請求行，此時request_line_parsed設定true，那麼下一次匹配就不會進入到這個分支了，看到沒，最外層是個while迴圈，所以我們假設如果緩衝區裡面有足夠的的位元組數，preg_match還是會匹配到，$match[1]的檢查是必須的，我們假設頭部還是沒有解析完成，由於之前request_line_parsed設定為true，所以程式碼會進入else語句，這裡面的程式碼很簡單吧？http頭部的名稱和值以冒號（:）進行分割，分割完之後得到$parts，$key就是頭部名了，
$value就是頭部值了，我們把key，value儲存到了http_headers中，以備將來使用，獲取到這些值之後，我們檢測它是不是Content-Type，如果是的話，我們判斷$value是否包含multipart/form-data，如果包含的話，那麼說明當前的post請求體，是以boundary分割的，此時設定multiple_part_enabled 為true，同時也獲取到了boundary的值，儲存到http_boundary 中，至於為啥是這樣？看我上面的請求圖，很簡單。同樣的，我們也可以檢測Content-Length的值，這樣我們就可以知道post包體的大小了，這個在後面的程式碼中會使用到，在處理完一行http頭部之後，我們需要從內部緩衝區中刪除掉剛才已經讀取的這一行，也就是 substr($this->internal_buffer, strlen($match[0]))的作用了。如果之前preg_match返回值為0的話，那麼就說明緩衝區的位元組數是不夠的，此時執行else語句，它裡面就一行程式碼，break，此時程式碼會跳出內層while迴圈，跳出迴圈之後，因為$this->http_header_parsed的值為false，所以當前while迴圈執行完畢，所以程式碼從最外層while迴圈開始執行（上面沒有貼出來），程式碼如下：
while (true) {
//每一次讀取2048位元組的資料
$bytes_num = socket_recv($client_socket_handle, $buffer, 2048, 0);
$this->internal_buffer .= $buffer;
if (!$bytes_num) {
echo "socket_recv failed\n";
exit(1);
} else {
echo "read num:" . $bytes_num . "\n";
if (!$this->http_header_parsed) {
while (true) {
if (preg_match("/([^\r]*)\r\n/", $this->internal_buffer, $match) > 0)經過多次解析http頭部之後，之前分析的$match[1]就是空的，所以 $this->http_header_parsed = true，此時http頭部解析完成，跳出內層while迴圈。
解析欄位
接著上面的程式碼，繼續分析：
if (strlen($this->internal_buffer) == 0) {
continue;
}
if ($this->http_header_parsed) {
if (strpos($this->request_method, "GET") === false) {
if ($this->multiple_part_enabled) {
//檢測boundary
while (true) {
//隱藏掉了
}
} else {
//隱藏掉了
}
} else {
echo "GET request not supported";
}
}在解析完http頭部之後，我們還需要檢查一下internal_buffer的長度，如果為0的話，那麼返回到最外層的while迴圈，繼續讀取套接字，和上面的一模一樣，這裡在解析欄位之前，還檢查了請求方法，我們之前就說過了，當前的程式不處理get請求的form表單請求，所以列印出"GET request not supported"，就完事兒了。從前面的分析，我們知道multiple_part_enabled為true表示編碼型別為multipart/form-data，所以此時程式碼進入到if語句中，否則進入到else中，下面我們分兩種情況進行分析。
如果multiple_part_enabled為true的話，程式碼如下：
while (true) {
if (!$this->start_match_field_content) {
if (preg_match("/([^\r]*)\r\n/", $this->internal_buffer, $match) > 0) {
if (!$this->boundary_start_matched) {
$this->boundary_start_matched = true;
}
if (strncmp($match[1], "Content-Disposition:", strlen('Content-Disposition:')) == 0) {
$disposition_parts = explode(';',
str_replace(" ", "", substr($match[1], strlen("Content-Disposition:"))));
$this->current_field_name = str_replace("\"", "", substr($disposition_parts[1], 5));
if (count($disposition_parts) > 2) {
$this->current_file_name = str_replace("\"", "",
substr(trim($disposition_parts[2], " "), strlen("filename=")));
}
}
if (strncmp($match[1], "Content-Type:", strlen('Content-Type:')) == 0) {
$content_value = str_replace(" ", "", substr($match[1], strlen("Content-Type:")));
if (($pos = strpos($content_value, ";")) > 0) {
$this->current_field_content_type = substr($content_value, 0, $pos);
} else {
$this->current_field_content_type = $content_value;
}
}
if (empty($match[1])) {
$this->start_match_field_content = true;
if (strpos($this->current_field_content_type, "text") !== false
|| empty($this->current_field_content_type)) {
$this->field_type_is_file = false;
} else {
$this->field_type_is_file = true;
}
}
$this->has_read_bytes_num += strlen($match[0]);
$this->internal_buffer = substr($this->internal_buffer, strlen($match[0]));
} else {
break;
}
} else {
if (preg_match("/\r\n--{$this->http_boundary}(--)?\r\n/",
$this->internal_buffer, $match, PREG_OFFSET_CAPTURE, 0) > 0) {
if ($this->field_type_is_file) {
file_put_contents(__DIR__ . '/' . $this->current_file_name,
substr($this->internal_buffer, 0, $match[0][1]));
} else {
$this->http_form_data[$this->current_field_name]
= substr($this->internal_buffer, 0, $match[0][1]);
}
$this->internal_buffer = substr($this->internal_buffer, $match[0][1] + 2);
$this->has_read_bytes_num += ($match[0][1] + 2);
if (($this->content_length - $this->has_read_bytes_num) == (strlen($this->http_boundary) + 6)) {
echo "client content parsed finished\n";
//http內容解析完成
foreach ($this->http_form_data as $key => $value) {
echo $key . "=>" . $value . "\n";
}
} else {
$this->start_match_field_content = false;
$this->boundary_start_matched = false;
$this->form_part_field_matched = false;
$this->field_content_type_checked = false;
$this->current_field_name = null;
$this->current_file_name = null;
$this->current_field_content_type = null;
$this->field_type_is_file = false;
}
} else {
break;
}
}
}程式碼有點兒長，所以首先從結構上看，這段程式碼根據$this->start_match_field_content的值分為2部分，$this->start_match_field_content表示啥呢？它表示是否開始匹配欄位值，這個值為預設為false，所以程式碼會進入到if中，這裡還是用到了preg_match，之前在分析流程時候，已經分析過它了，之所這麼做，因為每一行的末尾都有\r\n，這裡的preg_match如果返回0，就表示緩衝區的位元組數不夠了，所以break，退出while迴圈，這樣程式碼會從最外層while開始執行起，繼續讀取套接字。我們假設preg_match匹配到了，那麼程式碼會匹配Content-Disposition，Content-Type等欄位的值，current_field_name 記錄當前解析到的欄位名，比如說name，current_file_name 記錄著解析上傳檔案的名稱，比如我測試的時候是1240.gif，current_field_content_type 記錄著欄位的型別（之所以會判斷分號“；”，是因為可能會出現Content-Type:text/plain;charset=utf-8），從前面的程式碼流程中，我們就說了，欄位約束資訊和欄位值之間有一個只有\r\n的行，這就對應著上面的$match[1]，所以如果$match[1]的為空的話， $this->start_match_field_content = true；就表示需要開始匹配欄位值了，但是這裡還有一個操作，判斷欄位是屬於檔案還是普通文字，如果是文字的話，那麼Content-type必定包含text字首或者Content-type缺失。
從上面的分析，知道$this->start_match_field_content 為true，表示可以開始匹配欄位值了，此時匹配也是通過preg_match實現的，具體的原理在流程分析已經仔細的講過了，如果preg_match的返回值等於0，就表示緩衝區的位元組數不夠了，所以break，退出while迴圈，這樣程式碼會從最外層while開始執行起，繼續讀取套接字。這次的preg_match呼叫和之前有所區別，我們傳遞了額外的一個引數PREG_OFFSET_CAPTURE，如果你不清楚它的用法，請參閱官方文件。簡單來說，如果傳遞了這個引數，就可以獲取到每一個匹配的偏移，包括完整匹配，匹配子組。
$this->field_type_is_file的值，表示當前欄位是檔案，還是文字，這裡還要再說一點，就是$match[0][1]，它是什麼意思呢？剛才我們講到了，我們傳遞了額外的一個引數PREG_OFFSET_CAPTURE，所以對於完整匹配（完整匹配就是正規表示式匹配到的完整字串），$match[0][1]就表示完整匹配的第一個位元組在內部緩衝區中的偏移，同時也表示完整匹配的長度，所以 substr($this->internal_buffer, 0, $match[0][1]))的值就是欄位值的實際內容。同樣的，我們需要刪除掉緩衝區中已經讀取的內容，但是為什麼刪除的長度是 $match[0][1] + 2呢？因為在我們的正規表示式的前面有\r\n2個位元組，所以要加上他們（這個特別注意，因為欄位值的後面會有\r\n，這個對於欄位值是不需要的）。我們之前好像還沒說$this->has_read_bytes_num這個欄位是幹嘛用的對吧？在我們之前每一次解析post請求體的時候，不管是解析欄位約束資訊還是欄位值，都會記錄著當前消耗的位元組數，所以我們可以用這個值計算出是否已經完整的讀取了post請求體，具體計算公式在程式碼裡，我解釋一下，($this->content_length - $this->has_read_bytes_num)表示內部緩衝區中還未讀取的位元組數，(strlen($this->http_boundary) + 6)，$this->http_boundary表示boundary，你已經知道了，關鍵是後面的6，6包含4個字元"-"（最後一個boundary後面有2個，前面已經說過了，加上前面的2個），還有一個\r還有一個\n。
下面我們分析編碼為application/x-www-form-urlencoded的情況，這種情況很簡單，具體的原理在這篇部落格的開頭，已經有過2詳細的論述，不多說，看程式碼：
if (strlen($this->internal_buffer) < $this->content_length) {
//還有資料沒有讀取，不進行任何操作
} else {
foreach (explode('&', $this->internal_buffer) as $pair) {
$pair_parts = explode('=', $pair);
$this->http_form_data[urldecode($pair_parts[0])] = urldecode($pair_parts[1]);
}
foreach ($this->http_form_data as $key => $value) {
echo $key . "=>" . $value . "\n";
}
}
這段程式碼首先判斷當前內部緩衝區的位元組數是不是和post請求體的內容長度（Content-Length的值）是一樣的，如果不一樣，說明套接字中還有資料待讀取，直接結束本次迴圈就行了。否則，資料讀取完畢，我們用&和=對請求體內容進行分割處理（至於為啥這麼做，看這篇部落格的開頭），值得注意的是欄位名和欄位值都有可能被編碼過，所以需要解碼，php的函式urldecode可以做到這一點，這種編碼方式非常簡單，就不多少了。
經過上面的分析，程式碼就算走完了，這裡的程式碼非常具有現實意義，希望大家理解。
告誡
上面仔細的分析過了程式碼的執行流程，但是請大家一定要下載原始程式碼，自己仔細看一哈，實踐是檢驗真理的唯一標準，如果你發現了程式碼中的錯誤，請聯絡我（聯絡方式在這篇博文的最後面）或者給我留言，都可以。
執行程式碼示例
主要是這2個檔案
控制檯執行 php TcpServer.php ，然後再開啟form.html檔案，你可以修改這個檔案，以觀察不同的編碼的列印輸出，在我當前的測試情況下，控制檯列印如下：
可以看到我的程式總共讀取了16次套接字，傳遞2個post欄位，同時在我的資料夾下面生成了如下的檔案
學習不容易，希望大家堅持和忍耐，為了寫這篇部落格，都熬到了凌晨1點了，不懂的請問我，我會耐心解答。
