C++的编译链接原理

编译的过程可以分解为四个步骤，分别是预编译、编译、汇编和链接。
预编译是将源代码文件如拓展名为.c、.cpp或.cxx预编译成一个.i或.ii的文件。预编译过程主要处理那些源代码中的“#”开始的预编译指令。比如“#include”、“#define”等，主要的处理规则如下：
（1）删除#define并进行文本替换

（2）处理#if、#endif、#elif

（3）递归展开#include

（4）删除注释

（5）添加行号和文件标识

（6）保留#program

经过预编译后的.i文件不包含任何宏定义，因为所有的宏已经被展开，并且包含的文件也已经被插入到.i文件中。所以当我们无法判断宏定义是否正确时，可以查看预编译后的文件来确定问题。

编译过程就是把预编译处理完的文件进行一系列词法分析、语法分析、语义分析和优化代码，最后生成汇编指令的过程，将预编译的.i文件编译成.s文件。

汇编是将代码转变成机器可以执行的指令，每一条汇编语句几乎都对应一条机器指令。汇编过程需要处理强符号、符号表和指令段（虚假的地址和偏移）。汇编器的汇编过程相对于编译器来讲比较简单，它没有复杂的语法，也没有语义，也不需要做指令优化，只是根据汇编指令和机器指令的对照表一一翻译就可以了。汇编后产生.obj文件（linux是.o文件），这是一个二进制可重定位的目标文件，不能运行。

链接的主要内容就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的衔接。链接过程主要包括了合并段和符号表、静态库文件（.a文件）、符号解析、分配地址和空间、和符号重定位。符号的重定位只对所有文件的global符号进行处理，local的符号不做任何处理，处理好后会分配虚拟内存地址，链接完成之后产生可执行.exe(linux下为.out)文件。

示例如下：
建立两个文件
main.cpp

//引用sum.cpp文件的gdata变量
extern int gdata;
//引用sum.cpp文件的sum函数
int sum(int, int);
int data = 20;

int main()
{
  int a = gdata;
  int b = data;

  int ret = sum(a, b);
  return 0;
}

sum.cpp文件

int gdata = 10;
int sum(int a, int b)
{
    return a+b;
}

生成两个.o文件，命令如下：

g++ -c main.cpp
g++ -c sum.cpp

生成两个.o文件，即可重定向目标文件

1.查看sum.o文件的符号表，命令：
objdump -t main.o

main.o:     file format elf64-x86-64

SYMBOL TABLE:
0000000000000000 l    df *ABS*  0000000000000000 main.cpp
0000000000000000 l    d  .text  0000000000000000 .text
0000000000000000 l    d  .data  0000000000000000 .data
0000000000000000 l    d  .bss   0000000000000000 .bss
0000000000000000 l    d  .note.GNU-stack        0000000000000000 .note.GNU-stack
0000000000000000 l    d  .note.gnu.property     0000000000000000 .note.gnu.property
0000000000000000 l    d  .eh_frame      0000000000000000 .eh_frame
0000000000000000 l    d  .comment       0000000000000000 .comment
0000000000000000 g     O .data  0000000000000004 data  //定义data符号，data是一个全局变量，表示将放在data段
0000000000000000 g     F .text  0000000000000037 main  //定义main符号，main函数的符号为main，表示函数生成的指令将放在text段
0000000000000000         *UND*  0000000000000000 gdata //gdata这个是外部引用的，所以这里是UND(表示未定义，只是引用)
0000000000000000         *UND*  0000000000000000 _GLOBAL_OFFSET_TABLE_
0000000000000000         *UND*  0000000000000000 _Z3sumii

objdump -t sum.o

sum.o:     file format elf64-x86-64

SYMBOL TABLE:
0000000000000000 l    df *ABS*  0000000000000000 sum.cpp
0000000000000000 l    d  .text  0000000000000000 .text
0000000000000000 l    d  .data  0000000000000000 .data
0000000000000000 l    d  .bss   0000000000000000 .bss
0000000000000000 l    d  .note.GNU-stack        0000000000000000 .note.GNU-stack
0000000000000000 l    d  .note.gnu.property     0000000000000000 .note.gnu.property
0000000000000000 l    d  .eh_frame      0000000000000000 .eh_frame
0000000000000000 l    d  .comment       0000000000000000 .comment
0000000000000000 g     O .data  0000000000000004 gdata //不是UND类型的，表示是这个符号定义的地方，将来放到data段
0000000000000000 g     F .text  0000000000000018 _Z3sumii

注意：l表示为local的符号，表示只能在当前文件能看到；g表示全局的，表示在其他文件也能看到。比如static类型的变量就是local的，这样其他文件就看不见。普通的变量一般是g的。以上所有的符号地址都是0000000000000000。

目标文件的格式如下：


其中的.symtab中存储的就是符号表内容，即objdump -t显示的内容
readelf -S main.o可以显示节头信息(如果有数据的话)
例如：

注意：编译时并不会给符号表分配虚拟地址。同一符号在所有.o文件中可以出现多次UND(即多次引用)，但是不能出现多次定义，否则编译报错，所以.cpp文件中不能出现定义重复全局变量。

链接时，最重要的两步是：

• 1.所有.o文件段的合并，符号表合并后，进行符号解析。
  即所有对符号的引用，都要找到该符号定义的地方。这里如果代码写的有问题会出现未找到对应的符号或者符号重定义等错误。符号解析成功以后，给所有的符号分配虚拟地址。
• 2.符号的重定位（重定向)。
  由于在编译期间并未给符号表分配地址，所以在编译后的代码段中，引用字符处地址默认给的都是0。在链接时，给所有符号分配虚拟地址后，需要给每个符号回填正确的地址，即重定向。

如下：
用链接器进行手动链接，命令ld -e main *.o //这里的main是指定入口函数，可以看到生成a.out可执行文件。

命令:
objdump -t a.out 可以看到符号表，已经给各符号分配好了虚拟地址

命令：
readelf -h a.out //可以读取ELF文件头信息

里面有几个重要的信息：
1.文件类型是可执行文件
2.文件执行入口地址 0x401000，即main函数地址

可以通过objdump -S a.out //查看反汇编内容，观察main函数地址，如下：

二、可重定向目标文件和可执行目标文件区别
1.两者都是由数据段，代码段，bss段等组成。
2.可执行文件有一个program header段，由load告诉系统，运行这个程序的时候，把哪些内容加载到内存当中。
通过readelf -l a.out //可以看到load信息，发现程序运行时只需要加载.data和.text段到内存中。a.out实际上是在磁盘中，里面有elf header(指定程序入口地址)和program header(指定加载内容)