编译和链接
引言
在现代软件开发中,编译和链接是构建任何程序的关键步骤。无论是开发简单的小型应用程序还是复杂的大型软件项目,理解编译和链接的原理都是至关重要的。
编译是将源代码转换为计算机可以理解和执行的机器代码的过程。通过编译器,我们能够将高级语言编写的代码翻译成底层的机器指令,这使得计算机能够执行我们所编写的程序。
链接是将编译后的代码与所需的库以及其他代码模块结合起来,形成最终的可执行文件或者库文件。在链接过程中,编译器会将程序中引用的外部函数或者变量与实际的定义进行关联,从而确保程序能够正确地执行。
本博客将深入探讨编译和链接的原理和过程,以及一些常见的错误和解决方法。通过对编译的深入理解,我们可以更好地优化我们的代码并避免一些潜在的问题,从而提高软件开发的效率和质量。
目录
首先带大家简单梳理一下程序开发中的编译和链接的整个过程
在ANSI C的任何一种实现中,存在两个不同的环境。
- 翻译环境:在这个环境中源代码被转换成为可执行的机器指令(二进制指令)。
- 执行环境:用于实际执行代码。
1. 翻译环境
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、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:
以gcc为例
1.1 预处理(初识)
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
示例 :现在我们给一行代码,看看他经过词法分析、语法分析、语义分析都是什么样的。
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)。
上面程序进行词法分析后得到了16个记号:
1.2.2 语法分析
接下来语法分析器,将对扫描生产的记号进行语法分析,从而产生语法书。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逐一进行翻译,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。
例如 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
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。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。
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,接下来给大家详细的讲解一下预处理的过程。
3.1 预处理(详解)
3.1.1 预定义符号
C语言设置了一些预定义符号,可以直接使用,预定义符号也是在预处理期间处理的。
__FILE__ //进⾏编译的源文件
__LINE__ //⽂件当前的行号
__DATE__ //⽂件被编译的日期
__TIME__ //⽂件被编译的时间
__STDC__ //如果编译器遵循ANSI C,其值为1,否则未定义
示例
printf("file:%s line:%d\n",__FILE__,__LINE__);
3.1.2 #define 定义常量
基本语法:
#define name stuff
示例
#define MAX 1000
#define reg register //为 register这个关键字,创建⼀个简短的名字
#define do_forever for(;;) //⽤更形象的符号来替换⼀种实现
#define CASE break;case //在写case语句的时候⾃动把 break写上。
// 如果定义的 stuff过长,可以分成几行写,除了最后一行外,每行的后面都加⼀个反斜杠(续行
符)。
#define DEBUG_PRINT printf("file:%s\tline:%d\t \
date:%s\ttime:%s\n" ,\
__FILE__,__LINE__ , \
__DATE__,__TIME__ )
提问 如果我们在define定义标识符的时候,要不要在最后加上;
?
#define MAX 1000;
#define MAX 1000
if(condition)
max = MAX;
else
max = 0;
如果是加了分号的情况,等替换后,if和else之间就是2条语句,而没有大括号的时候,if后边只能有一条语句。这里会出现语法错误。
结论:define定义标识符的时候,不要加;
。容易造成语法失误。
3.1.3 #define 定义宏
#define 机制包括了一个规定,允许把参数替换到文本中,这种实现通常称为宏(macro)或定义宏(define macro)。
下面是宏的申明方式:
#define name( parament-list ) stuff
其中的parament-list
是一个由逗号隔开的符号表,它们可能出现在stuff
中。
注意:参数列表的左括号(
必须与name
紧邻,如果两者之间由任何空白存在,参数列表就会被解释为stuff
的一部分。
示例
#define SQUARE( x ) x * x
这个宏接收一个参数x
。如果在上述声明之后,你把 SQUARE( 5 )
; 置于程序中,预处理器就会用下面这个表达式替换上面的表达式:5 * 5
。
警告:
这个宏存在一个问题:观察下面的代码段:
int a = 5;
printf("%d\n" ,SQUARE( a + 1) );
我们的预期结果是36,但实际上结果为11。
究其原因:
替换文本时,参数x
被替换成a+1
,所以这条语句实际上变成了:
printf ("%d\n",a + 1 * a + 1 );
可以发现有替换产生的表示式并没有按照预想的次序进行求值。
这时,我们在宏定义上加上两个括号,这个问题就可以解决了。
#define SQUARE(x) (x) * (x)
预处理后为
printf ("%d\n",(a + 1) * (a + 1) );
这里还有一个宏定义的问题
#define DOUBLE(x) (x) + (x)
定义中我们使用了括号,想避免之前的问题,但是这个宏可能会出现新的错误。
int a = 5;
printf("%d\n" ,10 * DOUBLE(a));
我们的预期结果是100,但实际上结果为55。
原因:
printf ("%d\n",10 * (5) + (5));
我们替换后,乘法运算优先于宏定义的加法。
这时,我们在宏定义表达式两边加上一对括号,问题就可以解决了。
#define DOUBLE( x) ( ( x ) + ( x ) )
结论:所以用于对数值表达式进行求值的宏定义都应该用这种方式加上括号,避免在使用宏时由于参数中的操作符或邻近操作符之间不可预料的相互作用。
3.1.4 带有副作用的宏参数
当宏参数在宏的定义中出现超过一次的时候,如果参数带有副作用,那么你在使用这个宏的时候就可能出现危险,导致不可预测的后果。副作用就是表达式求值的时候出现的永久性效果。
示例
x+1;//不带副作⽤
x++;//带有副作⽤
通过MAX宏证明具有副作用的参数所引起的问题。
#define MAX(a, b) ( (a) > (b) ? (a) : (b) )
...
x = 5;
y = 8;
z = MAX(x++, y++);
printf("x=%d y=%d z=%d\n", x, y, z);//输出的结果是什么?
预处理结果为
z = ( (x++) > (y++) ? (x++) : (y++));
所以结果为:x=6 y=10 z=9
3.1.5 宏替换的规则
在程序中扩展#define定义符号和宏时,需要涉及几个步骤。
- 在调用宏时,首先对参数进行检查,看看是否包含任何由#define定义的符号。如果是,它们首先被替换。
- 替换文本随后被插入到程序中原来文本的位置。对于宏,参数名被他们的值所替换。
- 最后,再次对结果文件进行扫描,看看它是否包含任何由#define定义的符号。如果是,就重复上述处理过程。
注意:
1. 宏参数和#define 定义中可以出现其他#define定义的符号。但是对于宏,不能出现递归。
2. 当预处理器搜索#define定义的符号的时候,字符串常量的内容并不被搜索。
3.1.6 宏和函数的对比
宏通常被应用于执行简单的运算。
比如在两个数中找出较大的一个时,写成下面的宏,更有优势一些。
#define MAX(a, b) ((a)>(b)?(a):(b))
那为什么不用函数来完成这个任务?
原因有二:
- 用于调用函数和从函数返回的代码可能比实际执行这个小型计算工作所需要的时间更多。所以宏比函数在程序的规模和速度方面更胜一筹。
- 更为重要的是函数的参数必须声明为特定的类型。所以函数只能在类型合适的表达式上使用。反之这个宏怎可以适用于整形、长整型、浮点型等可以用于 > 来比较的类型。宏的参数是类型无关的。
和函数相比宏的劣势:
- 每次使用宏的时候,⼀份宏定义的代码将插入到程序中。除非宏比较短,否则可能大幅度增加程序的长度。
- 宏是没法调试的。
- 宏由于类型无关,也就不够严谨。
- 宏可能会带来运算符优先级的问题,导致程容易出现错。
宏有时候可以做函数做不到的事情。比如:宏的参数可以出现类型,但是函数做不到。
#define MALLOC(num, type)\
(type )malloc(num sizeof(type))
...
//使⽤
MALLOC(10, int);//类型作为参数
//预处理器替换之后:
(int *)malloc(10 sizeof(int));
宏和函数的对比图
3.1.7 #和##操作符
#操作符
#
运算符将宏的一个参数转换为字符串字面量。它仅允许出现在带参数的宏的替换列表中。
#运算符所执行的操作可以理解为 ”字符串化“。
当我们有⼀个变量 int a = 10;
的时候,我们想打印出: the value of a is 10
.
就可以写:
#define PRINT(n) printf("the value of "#n " is %d", n);
当我们按照下面的方式调用的时候:
PRINT(a);
//当我们把a替换到宏的体内时,就出现了#a
,而#a
就是转换为"a"
,这时一个字符串代码就会被预处理为:
printf("the value of ""a" " is %d", a);
运行代码就能在屏幕上打印:
the value of a is 10
##运算符
##
可以把位于它两边的符号合成一个符号,它允许宏定义从分离的文本片段创建标识符。##
被称为记号粘合
这样的连接必须产生一个合法的标识符。否则其结果就是未定义的。
示例 我们写一个函数求2个数的较大值的时候,不同的数据类型就得写不同的函数。
int int_max(int x, int y)
{
return x>y?x:y;
}
float float_max(float x, float y)
{
return x>yx:y;
}
如果用宏定义来写的话
//宏定义
#define GENERIC_MAX(type) \
type type##_max(type x, type y) \
{ \
return (x>y?x:y); \
}
为了防止程序识别为字符串,因此使用##
来规定type
变量并构成type_max
的函数 名 。
使用宏,定义不同函数
GENERIC_MAX(int) //替换到宏体内后int##_max ⽣成了新的符号 int_max做函数名
GENERIC_MAX(float) //替换到宏体内后float##_max ⽣成了新的符号 float_max做函数名
int main()
{
//调⽤函数
int m = int_max(2, 3);
printf("%d\n", m);
float fm = float_max(3.5f, 4.5f);
printf("%f\n", fm);
return 0;
}
输出为
3
4.500000
3.1.8 命名约定
一般来讲函数和宏的使用语法很相似。所以语言本身没法帮我们区分二者。
那我们平时的一个习惯是:
把宏名全部大写
函数名不要全部大写
3.1.9 #undef
这条指令用于移除一个宏定义。
#undef NAME
//如果现存的⼀个名字需要被重新定义,那么它的旧名字首先要被移除。
3.1.10 命名行定义
许多C 的编译器提供了一种能力,允许在命令行中定义符号。用于启动编译过程。
例如:当我们根据同一个源文件要编译出一个程序的不同版本的时候,这个特性有点用处。(假定某个程序中声明了一个某个长度的数组,如果机器内存有限,我们需要一个很小的数组,但是另外一个机器内存大些,我们需要一个数组能够大些。)
#include <stdio.h>
int main()
{
int array [ARRAY_SIZE];
int i = 0;
for(i = 0; i< ARRAY_SIZE; i ++)
{
array[i] = i;
}
for(i = 0; i< ARRAY_SIZE; i ++)
{
printf("%d " ,array[i]);
}
printf("\n" );
return 0;
}
编译指令:
//linux 环境演⽰
gcc -D ARRAY_SIZE=10 programe.c
3.1.11 条件编译
在编译一个程序的时候我们如果要将一条语句(一组语句)编译或者放弃是很方便的。因为我们有条件编译指令。
比如说:调试性的代码,删除可惜,保留又碍事,所以我们可以选择性的编译。
#include <stdio.h>
#define __DEBUG__
int main()
{
int i = 0;
int arr[10] = {0};
for(i=0; i<10; i++)
{
arr[i] = i;
#ifdef __DEBUG__
printf("%d\n", arr[i]);//为了观察数组是否赋值成功。
#endif //__DEBUG__
}
return 0;
}
常见的条件编译指令:
1.
#if 常量表达式
//...
#endif
//常量表达式由预处理器求值。
如:
#define __DEBUG__ 1
#if __DEBUG__
//..
#endif
2.多个分⽀的条件编译
#if 常量表达式
//...
#elif 常量表达式
//...
#else
//...
#endif
3.判断是否被定义
#if defined(symbol)
#ifdef symbol
#if !defined(symbol)
#ifndef symbol
4.嵌套指令
#if defined(OS_UNIX)
#ifdef OPTION1
unix_version_option1();
#endif
#ifdef OPTION2
unix_version_option2();
#endif
#elif defined(OS_MSDOS)
#ifdef OPTION2
msdos_version_option2();
#endif
#endif
3.1.12 头文件被包含的方式
本地文件包含
#include "filename"
查找策略:先在源文件所在目录下查找,如果该头文件未找到,编译器就像查找库函数头文件一样在标准位置查找头文件。 如果找不到就提示编译错误。
路径
/usr/include //Linux环境的标准头文件的路径
C:\Program Files (x86)\Microsoft Visual Studio 12.0\VC\include
//VS环境的标准头文件的路径:VS2013的默认路径
注意按照自己的安装路径去找。
库文件包含
#include <filename.h>
查找头文件直接去标准路径下去查找,如果找不到就提示编译错误。
这样是不是可以说,对于库文件也可以使用 “” 的形式包含?
答案是可以的,但是这样做查找的效率就低些,当然这样也不容易区分是库文件还是本地文件了。
嵌套文件包含
我们已经知道,#include
指令可以使另外一个文件被编译。就像它实际出现于 #include
指令的地方⼀样。
这种替换的方式很简单:预处理器先删除这条指令,并用包含文件的内容替换。
⼀个头文件被包含10次,那就实际被编译10次,如果重复包含,对编译的压力就比较大。
test.c
#include "test.h"
#include "test.h"
#include "test.h"
#include "test.h"
#include "test.h"
int main()
{
return 0;
}
test.h
void test();
struct Stu
{
int id;
char name[20];
};
如果直接这样写,test.c
文件中将test.h
包含5次,那么test.h
文件的内容将会被拷贝5份在test.c
中。
如果test.h 文件比较大,这样预处理后代码量会剧增。如果工程比较大,有公共使用的头文件,被大家都能使用,又不做任何的处理,那么后果真的不堪设想。
如何解决头文件被重复引入的问题?答案:条件编译。
每个头文件的开头写:
#ifndef __TEST_H__
#define __TEST_H__
//头⽂件的内容
#endif //__TEST_H__
或者
#pragma once
就可以避免头文件的重复引入。
最后给大家分享两道重要的笔试题:
- 头文件中的
ifndef/define/endif
是干什么用的?
在C和C++中,ifndef、define和endif是用来创建预处理器宏的。这些宏主要用于条件编译,即根据条件是否满足来决定是否包含或排除代码段。
#ifndef:意思是“如果未定义”,它用来检查某个宏是否已经被定义过。如果该宏已经被定义过,则跳过后面的代码,直到遇到对应的#endif为止。
#define:定义一个宏。如果在#ifndef之后,但在对应的#endif之前未找到该宏的定义,则会执行#define语句,定义该宏。定义的宏可以是任何标识符,一般用来表示条件编译的开关。
#endif:结束条件编译块。在#ifndef和#endif之间的代码只有在相应的宏未被定义时才会被编译。
这种用法通常用于防止头文件的多次包含,以及根据特定条件编译不同的代码。
#include <filename.h>
和#include "filename.h"
有什么区别?
在C和C++中,#include <filename.h> 和 #include “filename.h” 之间有一些区别:
尖括号 < >:
用于系统头文件。这些文件通常是编译器提供的标准库头文件或者其他系统库的头文件。编译器会在系统目录下搜索这些文件,搜索路径通常是由编译器的配置确定的。
双引号 " ":
用于用户自定义头文件,即用户自己编写的头文件或者项目内部的头文件。
编译器会先在当前目录下搜索,如果找不到,则会在系统目录下搜索。
所以,主要的区别在于搜索头文件的路径不同。使用尖括号时,编译器只在系统目录下搜索;而使用双引号时,编译器先在当前目录下搜索,如果找不到再去系统目录下搜索。