PHP的一些知识点研究(一)

在乌云上看到一个基于php的webshell攻击。

高度隐蔽的webshell，使用普通的php代码将真正的shell内容经过层层加密处理之后保存到图片当中，只留下一个url，并且url还是经过加密处理的，所以对外看没有任何特征可寻，使其很难被发现，当打开上述url时，，显示的是404，而这个404页面就是伪装为404的木马，只是把标题改为了404 Not Found。

对于if else 有人追求结构的完整，有if必有else，这看起来或许是不错，不过有时会带来代码的繁琐，而且可能会导致逻辑的混乱；可以以一种结果为基准，当发生其他情况时做if判断；即默认A，有异常则为B：

单页面就是一切操作和布局都是在一个页面下进行，不需要页面跳转，根据不同的用户请求加载不同的内容。

优点：页面结构简单，数据量小，节省带宽，响应快，体验好，易于开发、维护以及优化；

缺点：使用ajax技术，导致不利于seo。

主要针对上一案例的单页面结构，程序通过#结构url控制页面内容，但不会被搜索引擎抓取。

方法一：twitter使用"井号+感叹号"的结构，但体验不好而且繁琐；

方法二：使用History API；在不刷新页面的情况下，改变浏览器地址栏显示的地址。步骤如下：

A、用History API替代井号结构，让每个#号都变成正常路径的URL，这样搜索引擎就会抓取每一个网页。

B、定义一个JavaScript函数，处理html' target='_blank'>Ajax部分，根据网址抓取内容。

C、定义鼠标的click事件，使用History对象的popstate事件处理浏览器的"前进 / 后退"按钮。

D、设置服务器端。

以前一直使用curl_init()，最近看到有curl_multi_init()；本以为会带来更高效的代码，看了下curl_multi的步骤，感觉相当繁琐，而且curl_multi可能会造成cpu过高、网页假死等现象；同时对比了curl_init和curl_multi_init，多线程在速度上不一定优于单线程，多线程只是能在同时处理多任务，时间成本不一定低。附上curl_multi的使用步骤：

第一步：调用curl_multi_init；

第二步：循环调用curl_multi_add_handle；

这一步需要注意的是，curl_multi_add_handle的第二个参数是由curl_init而来的子handle；

第三步：持续调用curl_multi_exec；

第四步：根据需要循环调用curl_multi_getcontent获取结果；

第五步：调用curl_multi_remove_handle，并为每个字handle调用curl_close；

第六步：调用curl_multi_close。

strstr(string,search)搜索一个字符串在另一个字符串中的第一次出现。返回字符串的其余部分（从匹配点）。如果未找到所搜索的字符串，则返回 false。

search 必需。规定所搜索的字符串。如果该参数是数字，则搜索匹配数字 ASCII 值的字符。

参考：http://www.w3cschool.cn/func_string_strstr.html。所以，在给第二个参数时，如果需要匹配数字，建议加上引号。

家附近的一条久治不下的道路，通过划分出人行通道、非机动车道、机动车道，使得问题一下子等到了解决。有时候灵活导致选择过多，问题也会很多；程序亦如此，用户输入的灵活看起来很不错，其实在后台处理时是需要更多的成本，何不在前期就进行规范化，bug止于源头，而不是亡羊补牢。规范化使一切流程变得简单高效。

HHVM (HipHop Virtual Machine)会将PHP代码转换成高级别的字节码（通常称为中间语言）。然后在运行时通过即时（JIT）编译器将这些字节码转换为x64的机器码。

从各项数据表明，和Zend相比，HHVM变得更高效，CPU负载降低，平均页面加载时间也缩短。HHVM的存在是为了优化PHP运行性能，和php5相比，确实存在一些优势，还是坐等php7吧。

当学习新的、不熟悉的源码时，对代码结构获取直观的感受是很重要的。可以通过从每个源文件中逐行获取标点进行总结，即文件签名。这可以帮助考量代码的复杂度。其实也就是提取代码文件中固定的符号呈现文件的结构。

参考：http://c2.com/doc/SignatureSurvey/

1、基于内容的推荐算法的前提假设是：如果用户喜欢物品a，那么用户也应该会喜欢与a类似的物品。基本思想是拆分内容属性，提取相同属性的内容进行推荐。

2、协同过滤推荐算法的前提假设是：如果用户a与用户b均对一系列相同的物品表示喜欢，那么a极有可能也喜欢b用户喜欢的其他物品。基本过程是用户首先为每个item进行评价打分,通过计算不同用户评分之间的相似程度,可以找到最近邻居,根据最近邻居的评价,产生推荐。

上述算法都是运用了矩阵建模，使用到余弦相似度、皮尔逊相似度等公式。使用中可将二者合二为一推荐。

郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。