修炼内功——简略分析C程序编译与链接

前言

1. 翻译环境和运行环境

2. 翻译环境：预编译+编译+汇编+链接

2.1 预处理（预编译）

2.2 编译

2.2.1 词法分析：

2.2.2 语法分析

2.2.3 语义分析

2.3 汇编

2.4 链接

3. 运行环境

总结

前言

编译和链接的内容，讲述了一个C程序是如何从.c文件变成一个可执行的.exe文件，可以通过Linux操作系统中的gcc编译来观察其过程。即使现在无法上手操作，也可以来阅读此文章，让你对c程序有更深的了解。

1. 翻译环境和运行环境

在ANSI C的任何⼀种实现中，存在两个不同的环境。

第1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。
第2种是执行环境，它⽤于实际执⾏代码。

2. 翻译环境：预编译+编译+汇编+链接

那翻译环境是怎么将源代码转换为可执⾏的机器指令的呢？这⾥我们就得展开开讲解⼀下翻译环境所做的事情。
其实翻译环境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（有些书也叫预编译）、编译、汇编三个过程。

⼀个C语⾔的项⽬中可能有多个 .c ⽂件⼀起构建，那多个 .c ⽂件如何⽣成可执⾏程序呢？

多个.c⽂件单独经过编译出编译处理⽣产对应的⽬标⽂件。
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链接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集合)或者第三⽅库。

如果再把编译器展开成3个过程，那就变成了下⾯的过程：

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。
在 gcc 环境下想观察⼀下，对 test.c ⽂件预处理后的.i⽂件，命令如下：

gcc -E test.c -o test.i

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。
删除所有的注释
添加⾏号和⽂件名标识，⽅便后续编译器⽣成调试信息等。
或保留所有的#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，可以查看预处理后的.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

对下⾯代码进⾏编译的时候，会怎么做呢？假设有下⾯的代码

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，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）。
上⾯程序进⾏词法分析后得到了16个记号：

2.2.2 语法分析

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树。

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。这个阶段会报告错误的语法信息。

2.3 汇编

汇编器是将汇编代码转转变成机器可执⾏的指令，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 -o test.o

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：

我们已经知道，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。
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
我们在 test.c 的⽂件中使⽤了 add.c ⽂件中的 Add 函数和 g_val 变量。
我们在 test.c ⽂件中每⼀次使⽤ Add 函数和 g_val 的时候必须确切的知道 Add 和 g_val 的地
址，但是由于每个⽂件是单独编译的，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。等待最后链接的时候由链接器根据引⽤的符号 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。

我们非常简洁地讲解了一个C程序时如何编译和链接，到最终生成可执行程序的过程，还有很多内部细节无法展开详细讲解。⽐如：⽬标⽂件的格式elf，链接底层实现中的空间与地址分配，符号解析和重定位等，如果你有兴趣，可以看《程序员的自我修养》⼀书来详细了解。

3. 运行环境

程序必须载⼊内存中。在有操作系统的环境中：⼀般这个由操作系统完成。在独⽴的环境中，程序的载⼊必须由⼿⼯安排，也可能是通过可执⾏代码置⼊只读内存来完成。
程序的执⾏便开始。接着便调⽤main函数。
开始执⾏程序代码。这个时候程序将使⽤⼀个运⾏时堆栈（stack），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（static）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。
终⽌程序。正常终⽌main函数；也有可能是意外终⽌。