C语言之编译和链接

前言

今天我们来看一下C语言程序的编译和链接，增加我们对程序的理解。

1.翻译环境和运行环境

在ANSIC的任何一种实现中，存在两个不同的环境。
第一种是翻译环境，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）。
第二种是执行环境，它用于实际执行代码。

---

2.翻译环境：预编译+编译+汇编+链接

翻译环境由编译和链接两个大的过程组成，编译可以分解为：预处理（有些书也叫预编译）、编译、汇编三个过程。

VS2022 生成的目标文件和可执行程序如下图所示：

一个C语言项目有一个或多个.c文件一起构建，

• 多个.c文件单独经过编译器，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。
• 链接器是指运行时库（它是支持程序运行的基本函数合集）或者第三方库。

把编译展开成三个过程，如下图所示。

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，将包含的头文件内容插入到该预编译指令的位置。这个过程是递归进行的，被包含的头文件可能包含其它文件。
• 删除所有注释
• 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编译器指令，编译器后续会使用。

经过预处理的.i文件不再包含宏定义，并且包含的头文件都被插入到.i文件中。当我们无法确定宏定义或者头文件是否包含正确时，可以查看预处理后的.i文件来确认。

2.2 编译

编译过程将预处理后的文件进行：词法分析、语法分析、语义分析及优化，生成对应的汇编代码文件。

编译过程的命令如下：

gcc -S test.i -o test.s

我们举个例子

array[index] = (index+4)*(2+6);

2.2.1 词法分析

将源代码程序输入扫描器，扫描器的任务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，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变成机器可执行指令，每一个汇编语句几乎都对应一条机器指令。根据汇编指令和机器指令的对照表一一翻译，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，连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步骤。
链接解决的是一个项目中多文件、多模块之间相互调用的问题。
比如：
在一个C的项目中有两个.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("sum = %d\n", sum);

	printf("g_val = %d\n", g_val);

	return 0;
}

add.c

//add.c

int g_val = 2024;

int Add(int x, int y)
{
	return x + y;
}

我们知道，每个源文件单独经过编译器处理生成对应的目标文件。
test.c经过编译处理生成test.o
add.c进过编译器处理生成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函数和g_val变量的地址，我们需暂时把调用Add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，这个地址修正的过程也被叫做：重定位。

到这里，我们非常简洁的了解了一个C语言程序是如何编译和链接，到最终生成可执行程序的过程，很多内部细节无法展开讲解。比如：目标文件的格式els，链接底层实现中的空间与地址分配，符号解析与重定位等。如果感兴趣，可以看《程序员的自我修养》一书详细了解。

---

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它们的值。
4. 终止程序。正常终止main函数，也有可能是意外终止。

总结

了解C语言的编译和链接，有助于我们理解程序以及对于程序报错的处理，同时规范代码书写。
下一节，我们看预处理这一步的详解。