【计算机系统基础】预处理、编译、汇编、链接概述

一、步骤解读（预处理，编译，汇编，链接）

①.c -> .i：.i本质上还是高级语言文件，.i文件中不包括任何宏定义

然后，对.i（预处理后的文件）进行词法、语法、语义分析【就是编译】，优化后生成汇编代码文件

②.i -> .s：.s还是文本文件（汇编语言文件，人可读，机器不可读）

③.s -> .o：对汇编语言程序进行汇编，得到可重定位目标文件.o。.o不是文本了，是机器指令序列（也叫做机器语言程序、机器代码，由计算机直接识别）。

【注】机器指令和汇编指令是一一对应的。

④.o ->（无后缀） ：与库函数（许多.o可重定位目标文件）进行链接，得到可执行程序（如下图，本质上是二进制代码的合并）

【注意】操作之间的关系

预处理、编译和汇编针对一个.c文件进行，得到一个对应的.o文件。

链接是将多个可重定位目标文件合并，生成可执行目标文件。

 

【链接命令举例】

$gcc -static -o （自定义的可执行程序的文件名） main.o test.o（静态链接）

 

二、预处理的步骤（和#密切相关，注意：#pragma要保留！）

【例子】条件编译指令

如图，根据INITIALIZE是否有定义，预处理后得到不同的源程序。

 

三、编译、汇编

1、汇编语言出现后：用助记符表示操作码、寄存器，用符号表示位置 。

子程序（ 函数）的起始地址和 变量起始地址是符号定义（definition）

调用子程序（函数或过程）和 使用变量即是符号的引用（reference）

图中，L0是一个地址，属于符号定义。而调用一个符号对应的函数（如图中jmp L0）就是一个符号的引用。

注意：符号的引用可以在不同模块间使用，也就是说，一个模块定义的符号可以被另一个模块引用。链接完成之后，才是一个完成的程序。

链接的优点：a.模块化  b.效率高（分开编译，重新编译被修改的源程序文件，再重新链接即可）

【练习】指出哪些是定义，哪些是引用

【解答】

1、红框内是符号定义，蓝框内是符号的引用。所以一般规律是，只要在函数或变量名前面有类型（void int等），就是个符号定义。

2、虽说左右两个swap都是定义，但是左端的swap声明，仅仅用以说明swap是一种外部定义，是一种弱定义，在main函数找不到它的“真正的定义”。右端的swap则是强定义。要区分开！

3、（易错）int 后的temp和“=”左的temp不是符号定义或符号的引用，因为temp在栈中，只能在内部使用，不能被外部引用：

因此，“符号”肯定不能是非静态局部变量！

从本题还可知：定义和引用可以不在一个程序模块（.c文件）中！

 

四、链接（本章重点）

1、以 $ gcc -O2 -g -o test main.c test.c为例

在最后的链接过程中，main.o,test.o,printf.o（库函数）等等链接成一个可执行文件test

 

【区分下面的两种文件的差异（都是以test.c为基本）】

 

【test.o的反汇编文件( objdump -d test.o)】

<add>: 
 0: 55            push %ebp
 1: 89 e5         mov %esp, %ebp
 3: 83 ec 10      sub $0x10, %esp
 6: 8b 45 0c      mov 0xc(%ebp), %eax
 9: 8b 55 08      mov 0x8(%ebp), %edx
 c: 8d 04 02      lea (%edx,%eax,1), %eax
 f: 89 45 fc      mov %eax, -0x4(%ebp)
12: 8b 45 fc      mov -0x4(%ebp), %eax
15: c9            leave 
16: c3            ret

【test的反汇编文件(objdump -d test )】

80483d4<add>:
80483d4: 55        push %ebp
80483d5: 89 e5     mov %esp, %ebp
80483d7: 83 ec 10  sub $0x10, %esp
80483da: 8b 45 0c  mov 0xc(%ebp), %eax
80483dd: 8b 55 08  mov 0x8(%ebp), %edx
80483e0: 8d 04 02  lea (%edx,%eax,1), %eax
80483e3: 89 45 fc  mov %eax, -0x4(%ebp)
80483e6: 8b 45 fc  mov -0x4(%ebp), %eax
80483e9: c9        leave 
80483ea: c3        ret

【结论】指令等都相同。但两种文件的起始地址不同，test的反汇编文件是虚拟地址

 

2、链接的本质

每个.o文件中都有若干个基本区：如代码区和数据区。如在main.o中，有代码区、数据区。每个.o文件都有确定的格式来组织。这些区又称为节。合并相同“节”，就可以得到可执行目标文件。

其中，.bss（未初始化变量）和.data（初始化变量）都对应数据读写段，.text对应只读代码段。段的概念后续会涉及。

 

3、链接的步骤（符号解析+重定位）

①确定标号引用关系（符号解析）

②合并相关.o文件（代码区和代码区合并，数据区和数据区合并……）

【如下图】（我们知道每个.o文件的起始地址是0）合并之后到虚拟地址区域时，每个标号的偏移量相同（比方说在p0.o里，B,C相对于0的偏移量，与链接后相对于虚拟地址的偏移量不变，但地址变化）

故：

③确定每个标号的地址

④在指令中写入新地址（这就是“可重定位”的含义）

 

Step1.符号解析（对应①）

先找到定义和引用的符号，比如：

void swap() {…} /* 定义符号swap */
swap(); /* 引用符号swap */
int *xp = &x; /* 设xp为静态变量，则本行定义符号 xp, 引用符号 x */

编译器会把定义的符号放在符号表（一种结构数组）中：

表项里包括了符号名、长度、位置等信息。

 

Step2.重定位（对应②③④）

合并节形成段、计算在存储器映像的虚拟地址（绝对地址）、引用的地址改成重定位后的地址信息。

 

4、可执行文件在存储器（解释程序在存储器中怎么存储）

如图，黄框内容映射在“只读代码段”，蓝框内容映射在“读写数据段”。也就是：这两个段的内容都由可执行目标文件导入。

所有程序的虚拟地址的起始都是0x08048000（这是最低地址，当然，也可能从比该地址高的地方开始导入段）.

最后真正运行还要进行一次转换（第六章有阐述）。