1. 什么是编译和链接
在C语言标准(ANSI C)的任何一种实现中,都存在两个不同的环境:翻译环境和执行环境。
翻译环境:负责将该环境中的源代码转换为可执行的机器指令(二进制指令)。
执行环境:负责实际执行代码。
而翻译环境所作的事,就主要是进行编译和链接。
编译:处理项目中的各个源文件(.c),并生成对应的目标文件(.obj)。
链接:建立各个目标文件之间的联系。
其中,编译还可被分为三个过程:预处理(预编译),编译,汇编。
2. 为什么要学习编译和链接的过程
以下内容主要参考《程序员的自我修养》
对于平常的应用程序开发,我们很少需要关注编译和链接的过程,因为通常的开发环境都是流行的集成开发环境(IDE),比如Visual Studio,Delphi等。
这样的IDE一般都将编译和链接的过程一步完成,但其实在运行一个源文件的过程中,包含了十分复杂的过程。
在开发过程中,这些复杂的集成工具所提供的强大的功能,常常会使得很多系统软件的运行机制与激励被掩埋,其程序的很多莫名奇妙的错误让我们无所适从,面对程序运行时的种种性能瓶颈我们束手无策。
我们看到的是这些问题的现象,但是却很难看清本质,所有这些问题的本质就是软件运行背后的机理及支撑软件运行的各种平台和工具,如果能够深入了解这些机制,那么解决这些问题就能够游刃有余,收放自如了。
3. 预处理
在接下来的过程中,都以"test.c"这个源文件为例:
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。
4. 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);
4.1 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:
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 |
4.2 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。
4.3 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。
5. 汇编
汇编器是将汇编代码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
6. 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成成对应的目标文件。 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。
当然,以上这些仅为简单的初步介绍,各个过程功能是如何实现的,这些内容很难展开讲解,有需要的小伙伴可以参考《程序员的自我修养》。