Psalm静态分析工具中filter_input函数类型推断问题解析
2025-06-06 05:19:33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
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
182
196
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++
648
265
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
274
94
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.41 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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