前言
在 ANSI C 的任何一种实现中,都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(二进制指令)。
-
第2种是执行环境,它用于实际执行代码。
1. 翻译环境
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
文件每个单独经过编译器,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:
1.1 预处理
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。
1.2 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);
1.2.1 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)。
上面代码进行词法分析后得到了16个记号:
记号 | 类型 |
---|---|
array | 标识符 |
[ | 左方括号 |
index | 标识符 |
] | 右方括号 |
= | 赋值 |
( | 左圆括号 |
index | 标识符 |
+ | 加号 |
4 | 数字 |
) | 右圆括号 |
* | 乘号 |
( | 左圆括号 |
2 | 数字 |
+ | 加号 |
6 | 数字 |
) | 右圆括号 |
1.2.2 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。
1.2.3 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。
1.3 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
1.4 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.c
文件( test.c
和 add.c
),代码如下:
test.c
:
#include <stdio.h>
//test.c
//声明外部函数
extern int Add(int x, int y);
//声明外部的全局变量
extern int g_val;
int main()
{
int a = 10;
int b = 20;
int sum = Add(a, b);
printf("%d\n", sum);
return 0;
}
add.c
:
int g_val = 2022;
int Add(int x, int y)
{
return x + y;
}
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。
前面我们非常简洁的讲解了一个C的程序是如何编译和链接,到最终生成可执行程序的过程,其实很多内部的细节无法展开讲解。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。
2. 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。但是在独立的环境中,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。