C++源程序到可执行文件的过程

C++源程序到可执行文件的过程

编译器将C++源文件编译成目标文件，主要包括以下9个阶段。

Phase 1

1. 源文件读入内存中，源文件的所有字节对应到“基本的源代码字符集”中。另外，与操作系统相关的换行符被替换为标准的newline字符。“基本的源代码字符集”包含96个字符：

    a) 5 whitespace characters (space, horizontal tab, vertical tab, form feed, new-line)
    b) 10 digit characters from '0' to '9'
    c) 52 letters from 'a' to 'z' and from 'A' to 'Z'
    d) 29 punctuation characters: _ { } [ ] # ( ) < > % : ; . ? * + - / ^ & | ~ ! = , \ " '
   

2. 在源程序中，不能转换为“基本的源代码字符集”的字符，被转换为“universal character name(\u or \U)”

Phase 2

• 如果遇到反斜线紧跟着换行符，则将反斜线和换行符都删除掉，这样就将两行合并为一行。这个执行过程只执行一遍，所以如果有两个反斜线和两个换行符连在一起，不会将第二个反斜线删除掉。

Phase 3

1. 源文件被分解为注释，一系列空白字符，和多种preprocessing tokens。这些preprocessing tokens包括：

    a) header names such as <iostream> or "myfile.h" (only recognized after #include)
    b) identifiers
    c) preprocessing numbers
    d) character and string literals , including user-defined (since C++11)
    e) operators and punctuators (including alternative tokens), such as +, <<=, new, <%, ##, or and
    f) individual non-whitespace characters that do not fit in any other category
   

2. 如果此时，双引号中的字符串与源程序中的字符串不同，将现在的字符串还原为原来的字符串。

3. 每个注释被用一个空格字符代替。

Phase 4

1. 预处理被执行
2. 将每个被#include 引入的文件，迭代进行上述四个阶段，并且，加到该文件中。
3. 所有的预处理符被从源代码中移除掉

Phase5

所有的字面字符串被转换为可执行文件字符集。

Phase6

所有的相邻的字符串被连接。

Phase7

编译发生：每个preprocessing tokens 被转换为tokens,进行句法和语义分析，转换为 translation unit。

Phase8

每个translation unit 被分析，得到需要例化得模板实例，包括显示例化得模板实例。模板的定义被定位，实例化需要例化得单元，得到实例单元。

Phase9

translation unit and instantiation unit and extern library 被链接到程序映像中，即得到可执行文件。