Rector自定义规则中处理除法运算的安全转换
2025-05-24 14:56:19作者:毕习沙Eudora
在Rector项目中创建自定义规则时,处理PHP语法树节点需要特别注意节点的类型和结构。本文将深入分析一个将除法运算转换为安全除法函数调用的自定义规则实现,并解释其中的关键点。
问题背景
开发者尝试创建一个自定义Rector规则,目的是将普通的除法运算$a / $b转换为更安全的函数调用形式Functions::safeDivide($a, $b)。虽然规则逻辑看似正确,但在测试阶段遇到了PHPStan分析错误。
核心问题分析
错误信息表明PHPStan在分析转换后的代码时,试图访问不存在的value属性。这源于两个关键问题:
- 参数节点类型不正确:直接使用了除法运算的左右操作数作为函数参数,而没有将它们包装为
Node\Arg类型 - 类名引用方式不标准:使用了简单的
Name类而不是FullyQualified来表示完全限定的类名
解决方案实现
正确的实现应该如下:
private function processDivision(Div $node): ?Node
{
if (!($node->left instanceof Expr) || !($node->right instanceof Expr)) {
return null;
}
$staticCall = new StaticCall(
new Name\FullyQualified('Functions'), // 使用完全限定名称
'safeDivide',
[
new Node\Arg($node->left), // 将表达式包装为参数节点
new Node\Arg($node->right)
]
);
return $staticCall;
}
技术要点解析
-
参数节点包装:
- 函数调用参数必须是
Node\Arg类型 - 直接使用表达式节点会导致PHPStan分析失败
Arg节点包装了实际表达式并可以包含参数传递方式等信息
- 函数调用参数必须是
-
类名引用方式:
- 对于完全限定的类名,应使用
Name\FullyQualified - 这确保了类名解析的正确性,特别是在命名空间上下文中
- 普通的
Name类更适合相对名称或当前命名空间下的类
- 对于完全限定的类名,应使用
-
类型安全:
- 保持严格的类型检查,确保只处理有效的表达式节点
- 使用
instanceof验证节点类型,避免潜在的类型错误
最佳实践建议
- 在创建函数调用时,总是将参数表达式包装在
Node\Arg中 - 对于完全限定的类名引用,优先使用
Name\FullyQualified - 在节点转换前后保持类型一致性
- 编写测试用例时,注意覆盖各种边界情况
- 利用Rector提供的调试工具检查生成的AST结构
通过遵循这些原则,可以创建出健壮、可靠的自定义Rector规则,有效地进行代码转换和重构。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
893
676
暂无简介
Dart
802
199
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
350
203
昇腾LLM分布式训练框架
Python
118
147
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781