C 语言学习(5) ---- 汇编语法基础

汇编语言基础

汇编程序基本由 4 种类型的组件组成：指令（instruction）、伪指令（directive）、标号（label)以及注释（comment)

类型	示例	含义
指令	mov eax 0	给 EAX 赋值为0
伪指令	.section.text	以下代码放入 text 节
伪指令	.string "foobar"	定义一个 ASCII 字符串 foobar
伪指令	.long 0x12345678	定义一个双字 0x12345678
标号	foo:.string "foobar"	使用符号定义的 foobar 字符串
注释	#注释	表示注释信息

x86 体系的寄存器说明

在 x86 架构的 CPU 中，存在多种可编程的寄存器，它们用于不同的目的，以下是一些主要的可编程寄存器类型：

1. 通用寄存器：
   • AX (累加器寄存器)：用于算术运算和 I/O 指令。
   • BX (基址寄存器)：用于存储数据指针。
   • CX (计数寄存器)：通常用于循环计数。
   • DX (数据寄存器)：用于 I/O 操作和其他数据传输。
   • SI (源索引寄存器)、DI (目的索引寄存器)：用于字符串操作。
   • BP (基址指针寄存器)：用于访问栈中的参数和局部变量。
   • SP (堆栈指针寄存器)：用于管理堆栈。
   • AX、BX、CX 和 DX 寄存器还可以分为高字节和低字节寄存器，例如 AH 和 AL 分别是 AX 的高字节和低字节。

EAX 是一个32位的寄存器，用于处理 32 位的数据，而 AX 是一个 16 位的寄存器，用于处理 16 位的数据。
在32位模式下，AX 是 EAX 的一个低位部分，可以直接用于 16 位数据的操作。

x86 基于原始的 8086 指令集，寄存器是16位宽，而32bit 的 x86 ISA 将这些寄存区扩展为32位，然后 x86-64 将它们进一步扩展为64位。
为了保证向后兼容性，新指令集中使用的寄存器是旧的寄存器的超集。

在汇编中指定寄存器的操作数，需要是以寄存器的名称，比如 mov rax,64 就是将 64 赋值给 rax 寄存器，
下图显示了如何将 x86-64 rax 寄存器分为传统的 32 位和 64 位寄存器，rax 的低32位形成了一个名位 eax 的寄存器，
其低16位形成了一个原始的 8086 寄存器 AX，读者可以通过寄存器名称 AL 访问 AX 的低字节，通过 AH 访问 AX 的高字节

同样的，其他的通用寄存器，也会与类似的用法：

描述	64bit	低32bit	0~16 bit	8~16 bit	0~8 bit
累加器	rxa	eax	ax	ah	al
基址寄存器	rbx	ebx	bx	bl	bh
程序计数器	rcx	ecx	cx	cl	ch
数据寄存器	rdx	edx	dx	dl	dh

2. 段寄存器：

   • CS (代码段寄存器)：包含当前执行指令的段地址。
   • DS (数据段寄存器)：包含数据段的段地址。
   • ES (附加段寄存器)：用于额外的数据段。
   • FS 和 GS：提供额外的段寄存器，由操作系统或应用程序定义。
   • SS (堆栈段寄存器)：包含堆栈段的段地址。

3. 指令指针寄存器：

   • IP (指令指针寄存器)：也称为 EIP（在 32 位模式下）或 RIP（在 64 位模式下），它指向下一条要执行的指令。
     本质上就是指针指针寄存器

4. 标志寄存器：

   • FLAGS (标志寄存器)：包含各种状态标志，如进位、零、符号、溢出等。

5. 控制寄存器：

   • CR0 - CR4：用于控制处理器的操作模式和特性，如分页、保护模式等。

6. 系统寄存器：

   • MSR (模型特定寄存器)：提供对处理器特定功能的访问，如性能监控计数器。

7. 浮点寄存器：

   • ST0 - ST7 (浮点堆栈寄存器)：用于浮点运算。
   • Control Word、Status Word、Tag Word、Instruction Pointer 和 Last Instruction Opcode：用于控制浮点单元的操作和报告状态。

8. SIMD 寄存器：

   • MMX 寄存器：用于多媒体扩展运算。
   • XMM0 - XMM15 (SSE 寄存器)：用于 SIMD 扩展运算。
   • YMM0 - YMM15 (AVX 寄存器)：在 AVX 指令集中使用，提供更大的 SIMD 数据宽度。
     这些寄存器在不同的 x86 处理器模式下（实模式、保护模式、长模式等）可能会有不同的名称和大小。
     例如，在 32 位模式下，通用寄存器通常有 32 位宽，而在 64 位模式下，它们会扩展到 64 位宽。

Intel 和 AT&T 语法

正如前面所提到的，不同的汇编器对汇编程序有不同的语法，表示 x86 机器指令的语法格式主要有两种：Intel 语法 和 AT&T 语法，
AT&T 语法显式的再每个寄存器名称前面加上 % 符号，每个常量前面加上$ 符号, Intel 语法没有这种格式:

AT&T 和 Intel之间最重要的区别是使用完全相反的指令操作数顺序:
在AT&T语法中源操作数在目的操作数前面，所以是从左向右读
在Intel语法中目的操作数位于源操作数前面，所以是从右向左读
如果汇编语言中出现 % 和 $ 前缀，就是使用AT&T语法，应该从左向右读

“helloworld” 汇编程序分析

helloworld 的汇编代码：

  1         .file   "main.c"
  2         .text
  3         .section        .rodata
  4 .LC0:
  5         .string "hello world"
  6         .text
  7         .globl  main
  8         .type   main, @function
  9 main:
 10 .LFB0:
 11         .cfi_startproc
 12         endbr64
 13         pushq   %rbp
 14         .cfi_def_cfa_offset 16
 15         .cfi_offset 6, -16
 16         movq    %rsp, %rbp
 17         .cfi_def_cfa_register 6
 18         leaq    .LC0(%rip), %rdi
 19         call    puts@PLT
 20         movl    $0, %eax
 21         popq    %rbp
 22         .cfi_def_cfa 7, 8
 23         ret
 24         .cfi_endproc
 25 .LFE0:
 26         .size   main, .-main
 27         .ident  "GCC: (Ubuntu 9.5.0-1ubuntu1~22.04) 9.5.0"
 28         .section        .note.GNU-stack,"",@progbits
 29         .section        .note.gnu.property,"a"
 30         .align 8
 31         .long    1f - 0f
 32         .long    4f - 1f
 33         .long    5
 34 0:
 35         .string  "GNU"
 36 1:
 37         .align 8
 38         .long    0xc0000002
 39         .long    3f - 2f
 40 2:
 41         .long    0x3
 42 3:
 43         .align 8
 44 4:

从中可以看出：

• printf 函数最终是调用到 puts 执行打印 helloworld 的操作
• main 函数的返回值是通过 EAX 传递的
• 函数执行时会将当前 rbp 寄存器的值压入到堆栈中，然后将当前开辟的 rsp的值赋给它
• 函数执行结束会弹出 rbp 寄存器的值

指令和伪指令

指令是 CPU 执行的实际操作，伪指令意在告诉汇编工具生成特定的数据，并将指令和数据放在指定的节，
标号是汇编工具中引用指令或数据的符号名称，注释是可读注释。在程序被汇编链接成二进制程序后，所有的符号名称都被地址所取代

伪指令:
.section 告诉汇编工具将在那个节放置后面的内容，
.ascii 表示定义 ascii 字符串的伪指令，当前还有一些伪指令用于定义其他数据类型：
.byte 一个字节
.word 两个字节
.long 四个字节
.quad 八个字节

TBD