C语言编译过程

IDE的使用让很多和我一样的人对C/C++可执行程序的底层生成一知半解，不利于我们深入理解原理。在这里小结一下，望路过的大神指正~

前言：从一个源文件（.c文件）到可执行程序到底经历了哪几步，我想很多人都知道，但是每一步具体做了什么，估计很多像我一样的人就不能说的清清楚楚，明明白白了。

编辑一个小程序，hello.c

#include <stdio.h>
#include <stdlib.h>
int main()
{
printf("hello world!\n");
return 0;
}

1、预处理

预处理过程实际上是处理“#”的过程：#include包含的头文件直接拷贝到hello.c中；#define定义的宏定义进行替换，同时删除代码中没有的注释部分...

具体做的事儿如下：

（1）将所有的#define删除，并且展开所有的宏定义。说白了就是字符替换

（2）处理所有的条件编译指令，#ifdef #ifndef #endif等，就是带#的那些

（3）处理#include，将#include指向的文件插入到该行处

（4）删除所有注释

（5）添加行号和文件标示，这样的在调试和编译出错的时候才知道是是哪个文件的哪一行

（6）保留#pragma编译器指令，因为编译器需要使用

gcc -E hello.c -o a.c 可以生成预处理以后的文件，通过查看文件内容和文件大小可以得知a.c将stdio.h和stdlib.h包含了进来。一下是在Ubuntu上编译后的文件：

drwxrwxr-x 2 lpq lpq  4096  1月 10 10:21 ./
drwxrwxr-x 4 lpq lpq  4096  1月 10 10:19 ../
-rw-rw-r-- 1 lpq lpq 42194  1月 10 10:21 a.c
-rw-rw-r-- 1 lpq lpq    95  1月 10 10:21 hello.c

2、编译

编译的过程实质上是将高级语言翻译成机器语言的过程，即对a.c做了这些事：

（1）词法分析

（2）语法分析

（3）语义分析

（4）优化后生成相应的汇编代码

注：高级语言——>汇编语言——>机器语言（二进制）

gcc -S hello.c -o a.s 可以生成汇编代码，汇编代码如下：

     .file   "hello.c"
 2         .section        .rodata
 3 .LC0:
 4         .string "hello world!"
 5         .text
 6         .globl  main
 7         .type   main, @function
 8 main:
 9 .LFB0:
10         .cfi_startproc
11         pushl   %ebp
12         .cfi_def_cfa_offset 8
13         .cfi_offset 5, -8
14         movl    %esp, %ebp
15         .cfi_def_cfa_register 5
16         andl    $-16, %esp
17         subl    $16, %esp
18         movl    $.LC0, (%esp)
19         call    puts
20         movl    $0, %eax
21         leave
22         .cfi_restore 5
23         .cfi_def_cfa 4, 4
24         ret 
25         .cfi_endproc
26 .LFE0:
27         .size   main, .-main
28         .ident  "GCC: (Ubuntu/Linaro 4.6.3-1ubuntu5) 4.6.3"
29         .section        .note.GNU-stack,"",@progbits

3、汇编

gcc -c hello.c -o a.o 是将源文件翻译成二进制文件，类Unix系统编译的结果生成.o文件，Windows系统生成的是.obj文件。

所以，编译过程就是讲.c文件翻译成二进制文件。

汇编器是将汇编代码转变成机器可以执行的命令，每一个汇编语句几乎都对应一条机器指令。汇编相对于编译过程比较简单，根据汇编指令和机器指令的对照表一一翻译即可。

由于a.o是机器码，不能以纯文本的形式打开（vim打开是乱码的）。

4、链接

就像hello.c中使用到了C标准库的东西“printf”，但是编译过程只是将源文件翻译成二进制文件而已，这个二进制文件还不能直接执行，还需要一个动作：将翻译成的二进制文件与需要用到的库绑定在一块。

gcc hello.c -o a.out 可以生成可执行程序，即gcc不带任何参数。ldd命令可以查看你的可执行程序所依赖的库。

可以看到a.o的大小是1.1k，毕竟他只是把源文件翻译成二进制文件。a却有7k，应该是他多了很多“绳子”吧。在运行的时候这些“绳子”就将对应的库函数“牵过来”。很形象的比喻是不是？哈哈。libc.so.6 中就对咱们用的printf进行了定义。

补充：

编译过程可分为6步：扫描（词法分析）、语法分析、语义分析、源代码优化、代码生成、目标代码优化。

词法分析：扫描器（Scanner）将源代的字符序列分割成一系列的记号（Token）。lex工具可实现词法扫描。

语法分析：语法分析器将记号（Token）产生语法树（Syntax Tree）。yacc工具可实现语法分析(yacc: Yet Another Compiler Compiler)。

语义分析：静态语义（在编译器可以确定的语义）、动态语义（只能在运行期才能确定的语义）。

源代码优化：源代码优化器(Source Code Optimizer)，将整个语法书转化为中间代码（Intermediate Code）（中间代码是与目标机器和运行环境无关的）。中间代码使得编译器被分为前端和后端。编译器前端负责产生机器无关的中间代码；编译器后端将中间代码转化为目标机器代码。

目标代码生成：代码生成器(Code Generator).

目标代码优化：目标代码优化器(Target Code Optimizer)。

 

链接的主要内容是把各个模块之间相互引用的部分处理好，使得各个模块之间能够正确地衔接。

链接的主要过程包括：地址和空间分配（Address and Storage Allocation），符号决议（Symbol Resolution），重定位（Relocation）等。

链接分为静态链接和动态链接。

静态链接是指在编译阶段直接把静态库加入到可执行文件中去，这样可执行文件会比较大。

而动态链接则是指链接阶段仅仅只加入一些描述信息，而程序执行时再从系统中把相应动态库加载到内存中去。

望补充~