预处理、编译汇编和链接详解

引言

C语言经典的 “hello world ” 程序&＃xff0c;伴随着每个程序员一起步入编程世界的大门。从编写、编译到运行&＃xff0c;看到屏幕上输出的“hello world ”&＃xff0c;那么你知道它都经历了什么吗&＃xff1f;今天我们就来聊聊这个话题。

一、从hello.c聊起

hello world.c

#include int main(){printf("hello,world!\n");return 0;
}


在linux下&＃xff0c;使用 gcc 编译hello.c源文件&＃xff0c;会在当前目录下默认生成 a.out 可执行文件&＃xff0c;在终端输出hello&＃xff0c;world&＃xff01;。

[Panda&＃64;centos test]$ gcc hello.c
[Panda&＃64;centos test]$ ./a.out
[Panda&＃64;centos test]$ hello,world!


预编译器、汇编器as、链接器ld&＃xff0c;实际上gcc 命令只是对这些不同程序的封装&＃xff0c;根据不同的参数去调用不同的程序。

从 hello.c 到可执行文件的全过程&＃xff0c;可分为4个步骤&＃xff1a;

1. 预处理
   gcc -E hello.c -o hello.i 得到预处理文件&＃xff0c;其中&＃xff0c;-E 表示只进行预编译。
   源文件在预编译阶段会被编译器生成.i文件&＃xff0c;主要处理源代码文件中以“#”开头的预编译指令。如&＃xff1a;宏定义展开&＃xff0c;将被包含的文件插入到该编译指令的位置等。

2. 编译
   gcc -S hello.i -o hello.s 得到汇编文件&＃xff0c;其中&＃xff0c;-S 表示生成汇编文件。
   编译就是把预处理完的文件&＃xff0c;进行语法分析、词法分析、语义分析及优化后生成相应的汇编代码文件&＃xff0c;这个过程是整个程序构建的核心过程&＃xff0c;也是最复杂的部分。

3. 汇编
   as hello.s -o hello.o 或者 gcc -c hello.s -o hello.o&＃xff0c;其中&＃xff0c;-c 表示只编译不链接。
   将汇编代码文件转变成机器可以执行的指令文件&＃xff0c;即目标文件。也可以直接使用&＃xff1a;gcc -c hello.c -o hello.o 经过预处理、编译、汇编直接输出目标文件。
   为什么汇编器不直接生成可执行程序&＃xff0c;而是一个目标文件呢&＃xff1f;为什么要链接&＃xff1f;这个我们后面会详细讨论。

4. 链接
   随着代码量的增多&＃xff0c;所有代码若是都放在同一个文件里&＃xff0c;那将是一场灾难。现代大型软件&＃xff0c;动辄由成千上万的模块组成&＃xff0c;每个模块相互依赖又相互独立。将这些模块组装起来的过程就是链接。
   这些模块如何形成一个单一的程序呢&＃xff1f;无非就是两种方式&＃xff1a;1、模块间的函数调用&＃xff1b;2、模块间的变量访问。函数访问必须知道函数地址&＃xff0c;变量访问必须知道变量地址&＃xff0c;所以终归到底就是一种方式&＃xff0c;不同模块间符号的引用。

二、什么是静态链接

比如&＃xff1a;我们在模块main.c中&＃xff0c;调用了另一个模块func.c中的foo()函数。我们在main.c中每一处调用foo的时候&＃xff0c;都需要确切的知道foo函数的地址&＃xff0c;但是每个模块都是独立编译的&＃xff0c;在编译main.c的时候并不知道foo函数的地址&＃xff0c;这些foo的地址会先跳过&＃xff0c;链接器会在链接的时候根据你所引用的符号foo&＃xff0c;自动去func.c的模块查找foo的地址&＃xff0c;然后将main.c中所有调foo函数的指令全部修正&＃xff0c;这就是静态链接最基本的作用。

三、目标文件里有什么

源代码在经理预处理、编译、汇编后生成的未进行链接的中间文件&＃xff0c;也叫目标文件&＃xff08;windows下是.obj文件&＃xff0c;linux下是.o文件&＃xff09;。那么目标文件里到底存放的是什么呢&＃xff1f;

3.1 目标文件的格式

PC平台流行的可执行文件格式主要有一下两种&＃xff1a;

• Windows下的PE
• Linux下的ELF
  不光是可执行文件按照可执行文件的格式存储&＃xff0c;**动态链接库&＃xff08;Windows下的.dll和linux下的.so&＃xff09;及静态链接库&＃xff08;Windows下的.lib和linux下的.a&＃xff09;**文件也都是按照可执行文件的格式存储的。

3.2 目标文件长啥样

目标文件里除了保存着源代码编译后的机器指令、数据&＃xff0c;还包括链接时所需要的信息&＃xff0c;如&＃xff1a;符号表等。目标文件将这些信息按照不同的属性&＃xff0c;以“段”的方式存储。

下面让我们来看一个简单的程序被编译成目标文件后的结构&＃xff1a;
从图中可以看到&＃xff0c;ELF文件的开头&＃xff0c;“File Header”描述了整个文件的属性&＃xff0c;如&＃xff1a;是可执行文件、静态链接、动态链接&＃xff0c;如果是可执行文件&＃xff0c;还会记录可执行文件的入口地址。文件头还包括一个段表&＃xff0c;段表实际上是记录了该文件中所有段的偏移位置和属性。

一般C语言编译后的机器代码保存在代码段&＃xff08;.text段&＃xff09;&＃xff1b;已初始化的全局变量和局部静态变量保存在.data段&＃xff1b;未初始化的全局变量和局部静态变量保存在.bss段&＃xff0c;默认为0&＃xff0c;因为是0所以为其在.data段分配空间并存放0是没有意义的&＃xff0c;在文件中.bss段不占空间。

总体来说&＃xff0c;程序源代码被编译后主要分为两段&＃xff1a;程序指令和程序数据&＃xff0c;也就是代码段和数据段。指令和数据分开存储好处多多&＃xff1a;

1. 程序被装载后&＃xff0c;数据和指令被映射到不同的虚拟内存其区域。代码段通常是只读的&＃xff0c;数据段对于进程来说是可读写的&＃xff0c;所以&＃xff0c;这两块区域就可以设置不同的权限。
2. 对于CPU来说&＃xff0c;他们有着极为强大的缓存体系&＃xff0c;所以&＃xff0c;程序应尽量提高缓存的命中率。指令和数据分离可以提高缓存的命中率&＃xff1b;
3. 当系统中运行这多个该程序时&＃xff0c;内存中只需要保存一份该程序的指令部分即可&＃xff0c;大大节约了内存的使用。

3.3 objdump工具

objdump是一款可以查看目标文件的工具。“-h”参数就是把ELF文件中各个段的信息打印出来。

Size 列式对应段的大小&＃xff0c;如&＃xff1a;.text 段大小为0x15。

size 命令可以查看ELF文件中&＃xff0c;代码段、数据段和.bss段的总长度。&＃xff08;dec十进制&＃xff0c;hex十六进制&＃xff09;

objdump -s -d hello.o 其中&＃xff0c;-s 表示使用十六进制打印信息&＃xff0c;-d 可以将所有包含指令的段进行反汇编。


文章参考于<零声教育>的C/C&＃43;&＃43;linux服务期高级架构&＃xff0c;及书籍&＃xff08;程序员的自我修养&＃xff09;。