浅谈程序运行之编译和链接 - 翻译环境和运行环境

一、翻译环境和运行环境

在ANSIC（C语言标准）的任何一种实现中（例如苹果在C语言标准下实现了自己的编译器clang），存在两个不同的环境

• 第一种是翻译环境，在这个环境中源代码被转换为可执行的机器指令（二进制指令）
• 第二种是执行环境，它用于实际执行代码

二、翻译环境

翻译环境则是由编译和链接两个大的过程组成的，而编译又可以分解成：预处理（有些地方也叫预编译）、编译、汇编三个过程

该图是基于windows环境 一个C语言的项目可能有多个.c文件一起构成，那多个.c文件如何生成可执行程序呢？

• 多个.c文件单独经过编译器，编译处理生成对应的目标文件
• 注：在Windows环境下的目标文件的后缀是.obj，Linux环境下目标文件的后缀是.o
• 多个目标文件和链接库一起经过编译器处理生成最终的可执行程序
• 链接库是指运行时库（它是支持程序运行的基本函数合集）或者第三方库

再把编译器展开成3个过程，如下：

在这里插入图片描述

gcc是指基于linux环境下的gcc编译器

2.1 预处理（预编译）

在预处理阶段，源文件和头文件会被处理成为.i为后缀的文件 如果想在gcc环境下观察对test.c文件预处理后的.i文件，命令如下：

gcc -E test.c -o test.i
//执行完预处理阶段不向后执行

预处理阶段主要处理那些源文件中#开始的预编译指令。比如：#include，#define，处理的规则如下：

• 将所有的#define删除，并展开所有的宏定义
• 处理所有的条件编译指令，如：#if、#ifdef、#elif、#else、endif
• 处理#include预编译指令，将包含的头文件的内容插入到该预编译指令的位置，这个过程是递归进行的，也就是说被包含的头文件也可能包含其他文件
• 删除所有注释
• 添加行号和文件名标识，方便后续编译器生成调试信息等
• 保留所有的#pragma的编译器指令，编译器后续会使用

经过预处理后的.i文件中不再包含宏定义，因为宏已经被展开。并且包含的头文件都被插入到.i文件中。所以当我们无法知道宏定义或者头文件是否包含正确的时候，可以查看预处理后.i文件来确认

2.2 编译

编译过程就是将预处理后的文件进行一系列的：词法分析、语法分析、语义分析及优化，生成相应的汇编代码文件。

编译过程的命令如下：

gcc -S test.i -o test.s
//执行完编译阶段不向后执行

比如下面的代码在编译时：

array[index] = (index+4)*(2+6);

2.2.1 词法分析

将源代码程序被输入扫描器（编译器之中的一个工具）,扫描器的任务就是简单的进行词法分析，把代码中的字符分割成一系列的记号（关键字、标识符、字面量、特殊字符等） 上述代码进行词法分析后得到了16个记号：

在这里插入图片描述

2.2.2 词法分析

接下来语法分析器，将对扫描产生的记号进行语法分析，从而产生语法树。这些语法树是以表达式为节点的数（非真实存在的，但具有明确的逻辑意义和实际作用）。

在这里插入图片描述

2.2.3 语义分析

由语义分析器来完成语义分析，即对表达式的语法层面分析。编译器所能做的分析是语义的静态分析。静态语义分析通常包括声明和类型的匹配，类型的转换等。这个阶段会会报告错误的语法信息。

在这里插入图片描述

2.3 汇编

汇编器是将汇编代码转变成机器可执行的指令（二进制的指令），每一个汇编语句几乎都对应一条机器指令。就是根据汇编指令和机器指令的对照表一一的进行翻译，也不做指令优化。

汇编的命令如下

gcc -c test.s test.o
//执行完汇编不向后执行

2.4 链接

链接是一个复杂的过程，链接的时候需要把一堆文件链接在一起才生成可执行程序，链接过程主要包括：地址和空间分配，符号决议和重定位等这些步骤 链接解决的是一个项目中多文件、多模块之间互相调用的问题。 比如： 在一个C的项目中有2个文件（test.c和add.c），代码如下：

在这里插入图片描述

在整个大的编译过程，会有个操作叫汇总符号，形成符号表，其汇总的是全局的符号 前面写了，每个源文件都是单独经过编译器处理生成对应的目标文件，也是单独汇总为一个符号表。图中红色的表就是 test.c经过编译器处理生成test.o add.c经过编译器处理生成add.o 这里在test.c的文件中使用了add.c文件中的Add函数和g_val变量 在test.c文件中和每一次使用Add函数和g_val的时候必须确切的知道Add和g_val的时候必须确切的知道Add和g_val的地址，但是由于每个文件都是单独编译的的，在编译器编译test.c的时候并不知道Add函数和g_val变量的地址，所以暂时把调用Add的指令的目标地址和g_val的地址搁置。等待最后编译的时候由编译器根据引用的符号Add在其他模块中查找Add函数的地址，然后将test.c中所有引用到Add的指令重新修正，让他们的目标地址为真正的Add函数的地址，对于全局变量g_val也是类似的方法来修正地址。这个地址修正的过程也被叫做：重定位

上面几步总结为一张图：

三、运行环境

1. 程序必须载入内存中。在有操作系统的环境中：一般这个由的操作系统完成。在单独的环境中，程序的载入必须由手工安排（如51单片机），也可能是通过可执行代码置入只读内存来完成
2. 程序的执行便开始。接着调用main函数
3. 开始执行程序代码。这个时候程序将使用一个运行时堆栈，存储函数的局部变量和返回地址。程序同时也可以使用静态内存，存储于静态内存中的变量在程序的整个执行过程一直保留他们的值
4. 终止程序。正常终止main函数；也可能是意外终止

总结

这一块的内容因为作者能力有限，想了想也只能写到浅谈的程度了，感兴趣的兄弟可以找一本叫《程序员的自我修养》这本书，我个人觉得这一块要彻底摸清底层逻辑，起码需要编译器开发工程师的水准。