Psalm静态分析工具中filter_input函数类型推断问题解析
2025-06-06 03:26:10作者:江焘钦
问题背景
在PHP的Psalm静态分析工具中,开发人员发现了一个关于filter_input函数类型推断不一致的问题。当使用命名参数并省略filter参数时,Psalm无法正确推断返回类型。
问题表现
具体表现为以下四种调用方式在逻辑上等价,但Psalm对最后一种情况的类型推断出现错误:
// 方式1:传统参数顺序
$a = filter_input(INPUT_POST, 'message', FILTER_DEFAULT, FILTER_FORCE_ARRAY);
assert(is_array($a)); // Psalm推断正确
// 方式2:混合使用位置参数和命名参数
$a = filter_input(INPUT_POST, 'message', FILTER_DEFAULT, options: FILTER_FORCE_ARRAY);
assert(is_array($a)); // Psalm推断正确
// 方式3:全部使用命名参数
$a = filter_input(INPUT_POST, 'message', filter: FILTER_DEFAULT, options: FILTER_FORCE_ARRAY);
assert(is_array($a)); // Psalm推断正确
// 方式4:省略filter参数,使用命名参数
$a = filter_input(INPUT_POST, 'message', options: FILTER_FORCE_ARRAY);
assert(is_array($a)); // Psalm推断错误,认为返回false
技术分析
这个问题本质上源于Psalm的类型提供器(Type Providers)对命名参数的支持不完善。在PHP 8.0引入命名参数后,许多类型推断系统需要相应更新以正确处理各种参数传递方式。
具体到filter_input函数,当省略filter参数时,PHP会默认使用FILTER_DEFAULT,但Psalm的类型提供器未能正确识别这种情况,导致返回类型推断为false而非预期的数组类型。
解决方案探讨
-
参数提供器升级:需要修改Psalm中处理
filter_input和filter_var等过滤函数的参数提供器逻辑,使其能够正确处理命名参数的各种组合情况。 -
通用解决方案的可能性:理论上可以基于函数存根(stubs)开发一个通用解决方案来处理命名参数,但由于PHP原生函数在处理可变参数时的特殊行为,这种方案可能难以覆盖所有情况。
-
代码库重构:Psalm代码库中存在多处功能重复实现的问题,理想情况下应该统一处理命名参数的逻辑,但这需要较大规模的代码重构。
对开发者的建议
-
在使用Psalm分析包含命名参数的代码时,应注意检查类型推断结果是否合理。
-
对于过滤函数,建议显式指定
filter参数以避免类型推断问题。 -
关注Psalm的更新,这个问题已在最新提交中修复。
这个问题反映了静态分析工具在处理语言新特性时面临的挑战,也提醒我们在使用新语法特性时要注意工具链的支持情况。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
全球GEOJSON地理数据资源下载指南 - 高效获取地理空间数据的完整解决方案 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 Launch4j中文版:Java应用程序打包成EXE的终极解决方案 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 STM32到GD32项目移植完全指南:从兼容性到实战技巧 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南
项目优选
收起
deepin linux kernel
C
25
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
415
3.19 K
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
9
1
暂无简介
Dart
680
160
🔥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
65
19
Ascend Extension for PyTorch
Python
229
259
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++
689
327
React Native鸿蒙化仓库
JavaScript
265
326
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (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
1.21 K
660