這篇筆記主要解決這么幾個問題：
PHP 如何使用超低內存快速遍歷數以萬計的目錄文件？
PHP 如何使用超低內存快速讀取幾百MB甚至是GB級文件？
順便解決哪天我忘了可以通過搜索引擎搜到我自己寫的筆記來看看。（因為需要 PHP 寫這兩個功能的情況真的很少，我記性不好，免得忘了又重走一遍彎路）
**遍歷目錄文件**
網上關于這個方法的實現大多示例代碼是 glob 或者 opendir + readdir 組合，在目錄文件不多的情況下是沒問題的，但文件一多就有問題了（這里是指封裝成函數統一返回一個數組的時候），過大的數組會要求使用超大內存，不僅導致速度慢，而且內存不足的時候直接就崩潰了。
這時候正確的實現方法是使用 yield 關鍵字返回，下面是我最近使用的代碼：
```
<?php
function glob2foreach($path, $include_dirs=false) {
$path = rtrim($path, '/*');
if (is_readable($path)) {
$dh = opendir($path);
while (($file = readdir($dh)) !== false) {
if (substr($file, 0, 1) == '.')
continue;
$rfile = "{$path}/{$file}";
if (is_dir($rfile)) {
$sub = glob2foreach($rfile, $include_dirs);
while ($sub->valid()) {
yield $sub->current();
$sub->next();
}
if ($include_dirs)
yield $rfile;
} else {
yield $rfile;
}
}
closedir($dh);
}
}
// 使用
$glob = glob2foreach('/var/www');
while ($glob->valid()) {
// 當前文件
$filename = $glob->current();
// 這個就是包括路徑在內的完整文件名了
// echo $filename;
// 指向下一個，不能少
$glob->next();
}
```
yield 返回的是生成器對象（不了解的可以先去了解一下 PHP 生成器），并沒有立即生成數組，所以目錄下文件再多也不會出現巨無霸數組的情況，內存消耗是低到可以忽略不計的幾十 kb 級別，時間消耗也幾乎只有循環消耗。
**讀取文本文件**
讀取文本文件的情況跟遍歷目錄文件其實類似，網上教程基本上都是使用 file\_get\_contents 讀到內存里或者 fopen + feof + fgetc 組合即讀即用，處理小文件的時候沒問題，但是處理大文件就有內存不足等問題了，用 file\_get\_contents 去讀幾百MB的文件幾乎就是自殺。
這個問題的正確處理方法同樣和 yield 關鍵字有關，通過 yield 逐行處理，或者 SplFileObject 從指定位置讀取。
逐行讀取整個文件：
```
<?php
function read_file($path) {
if ($handle = fopen($path, 'r')) {
while (! feof($handle)) {
yield trim(fgets($handle));
}
fclose($handle);
}
}
// 使用
$glob = read_file('/var/www/hello.txt');
while ($glob->valid()) {
// 當前行文本
$line = $glob->current();
// 逐行處理數據
// $line
// 指向下一個，不能少
$glob->next();
}
```
通過 yield 逐行讀取文件，具體使用多少內存取決于每一行的數據量有多大，如果是每行只有幾百字節的日志文件，即使這個文件超過100M，占用內存也只是KB級別。
但很多時候我們并不需要一次性讀完整個文件，比如當我們想分頁讀取一個1G大小的日志文件的時候，可能想第一頁讀取前面1000行，第二頁讀取第1000行到2000行，這時候就不能用上面的方法了，因為那方法雖然占用內存低，但是數以萬計的循環是需要消耗時間的。
這時候，就改用 SplFileObject 處理，SplFileObject 可以從指定行數開始讀取。下面例子是寫入數組返回，可以根據自己業務決定要不要寫入數組，我懶得改了
```
<?php
function read_file2arr($path, $count, $offset=0) {
$arr = array();
if (! is_readable($path))
return $arr;
$fp = new SplFileObject($path, 'r');
// 定位到指定的行數開始讀
if ($offset)
$fp->seek($offset);
$i = 0;
while (! $fp->eof()) {
// 必須放在開頭
$i++;
// 只讀 $count 這么多行
if ($i > $count)
break;
$line = $fp->current();
$line = trim($line);
$arr[] = $line;
// 指向下一個，不能少
$fp->next();
}
return $arr;
}
```
以上所說的都是文件巨大但是每一行數據量都很小的情況，有時候情況不是這樣，有時候是一行數據也有上百MB，那這該怎么處理呢？
如果是這種情況，那就要看具體業務了，SplFileObject 是可以通過 fseek 定位到字符位置（注意，跟 seek 定位到行數不一樣），然后通過 fread 讀取指定長度的字符。
也就是說通過 fseek 和 fread 是可以實現分段讀取一個超長字符串的，也就是可以實現超低內存處理，但是具體要怎么做還是得看具體業務要求允許你怎么做。
**復制大文件**
順便說下 PHP 復制文件，復制小文件用 copy 函數是沒問題的，復制大文件的話還是用數據流好，例子如下：
```
<?php
function copy_file($path, $to_file) {
if (! is_readable($path))
return false;
if(! is_dir(dirname($to_file)))
@mkdir(dirname($to_file).'/', 0747, TRUE);
if (
($handle1 = fopen($path, 'r'))
&& ($handle2 = fopen($to_file, 'w'))
) {
stream_copy_to_stream($handle1, $handle2);
fclose($handle1);
fclose($handle2);
}
}
```
**最后**
我這只說結論，沒有展示測試數據，可能難以服眾，如果你持懷疑態度想求證，可以用 memory\_get\_peak\_usage 和 microtime 去測一下代碼的占用內存和運行時間。
