编译和链接

编译和链接

1.编译环境和运行环境

我们知道电脑是看不懂C语言的 需要编译器将C语言代码区其转化为2进制的指令

在ANSIC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(二进制指令)。
第2种是执行环境，它用于实际执行代码。

2.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。

为什么VS2022 被称作集成开发环境 ——因为它包含了很多“器”

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?

1. 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
2. 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
3. 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
4. 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

关于这个编译和链接的过程

我们来看一段代码：

我们创建了两个.c源文件 刚好能在X64的Debug中找到两个对应的目标文件

这说明编译确确实实发生了

每个.c源文件都会单独的经过编译器形成自己的目标文件

我们再来看一个更加详细的过程解析图：

C代码需要经过——预处理——编译——汇编——链接——可执行程序

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!

1. 将所有的 #define 删除，并展开所有的宏定义。
2. 处理所有的条件编译指令，如: #if、#ifdef、#elif、#else、#endif
3. 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。
4. 删除所有的注释
5. 添加行号和文件名标识，方便后续编译器生成调试信息等
6. 保留所有的#pragma的编译器指令，编译器后续会使用。

第1点在下面这个图可以看出来

并且为什么700多行前面都是头文件的内容

这是第3点

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。

并且实际我们的.i文件在编译完之后是会被编译器删除掉的

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

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:

经过词法分析之后 我们得到的消息，紧接着就是语法分析

2.2.2 语法分析

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。

比如我们的sizeof（3 + 5） 在语义分析的时候 它不会计算 3 + 5

这个时候是没有计算能力的

但是它能分析到 3 和 5都是整型 相加的结果还是整型 那整型的大小就是4

总结：

上面的分析只是一个简短的过程 事实上，真正的编译过程 实际上是非常复杂的，具体是如何做的 这里并没有说明 只是说明有这样一个过程而已

《编译原理》 内 有编译过程的详解

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。

机器指令就是二进制指令

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:
在一个C的项目中有2个.c文件(test.c 和 add.c)，代码如下：

凭什么我在test.c文件中声明一下 我就可以用add.c文件代码呢

靠的就是链接

链接实际上是比较复杂的

这里简单讲一下

首先会给全局变量 比如函数一个地址 比如add.c里边的Add一个0x1000

test.c文件里边的Add 0x0000 （无效地址）main 0x2000

编译器有自己的办法识别地址是否有效

然后通过链接把两个文件的符号表合并到一起形成一个符号表

最终形成一个可执行程序 test.exe

这个时候我们执行程序的时候 我们需要调用Add的时候

符号表里的地址就可以拿出来使用 通过地址找到我们需要的Add函数

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 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dd 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 的地址置等待最后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。

3.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
2. 程序的执行便开始。接着便调用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(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。
4. 终止程序。正常终止main函数; 也有可能是意外终止。

运行环境也是一个非常复杂的东西 ，这里只是非常简短大概的讲述一下

执行便开始。接着便调用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(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。
4. 终止程序。正常终止main函数; 也有可能是意外终止。

运行环境也是一个非常复杂的东西 ，这里只是非常简短大概的讲述一下