GCC编译背后的故事以及ELF文件的介绍

一. gcc背后的战友们

1. gcc的介绍

GCC（GNU C Compiler）是编译工具，经过了这么多年的发展，GCC 已经不仅仅能支持 C语言；它现在还支持 Ada 语言、C++ 语言、Java 语言、Objective C 语言、Pascal 语言、COBOL语言，以及支持函数式编程和逻辑编程的 Mercury 语言等。
而 GCC 也不再单只是 GNU C 语言编译器的意思，而是变成了 GNU Compiler Collection 也即是 GNU 编译器家族的意思。
另一方面，说到 GCC 对于操作系统平台及硬件平台支持，概括起来就是一句话：无所不在

2. Binutils——战友一

Binutils是一组二进制程序处理工具，包括：addr2line、ar、objcopy、objdump、as、ld、ldd、readelf、
size 等。这 一组工具 是开发和 调试不可 缺少的工具 ，分别简介如下：

处理工具	作用
addr2line	将程序地址转换成其所对应的程序源文件及所对应的代码行，也可以得到所对应的函数，帮助调试器在调试的过程中定位对应的源代码位置
as	主要用于汇编
ld	主要用于链接
ldd	可以用于查看一个可执行程序依赖的共享库
objcopy	将一种对象文件翻译成另一种格式，比如将.bin 转换成.elf、或者将.elf 转换成.bin 等
objdump	主要的作用是反汇编
readelf	显示有关 ELF 文件的信息
size	列出可执行文件每个部分的尺寸和总尺寸，代码段、数据段、总大小等

3. C运行库——战友二

C 语言标准主要由两部分组成：一部分描述 C 的语法，另一部分描述 C 标准库。C标准库定义了一组标准头文件，每个头文件中包含一些相关的函数、变量、类型声明和宏定义，譬如常见的 printf 函数便是一个 C标准库函数，其原型定义在 stdio 头文件中。
C 语言标准仅仅定义了 C 标准库函数原型，并没有提供实现。因此，C语言编译器通常需要一个 C 运行时库（C Run Time Libray，CRT）的支持。C 运行时库又常简称为 C 运行库。与 C语言类似，C++也定义了自己的标准，同时提供相关支持库，称为 C++运行时库。

二. gcc的详细编译过程

1. 编写代码

为了能够演示编译的整个过程，首先创建一个工作目录test4，然后生成一个 C语言编写的hello.c程序，代码如下

//hello.c
#include <stdio.h>
int main(void)
{
printf("Hello World!\n");
return 0;
}

2. 编译过程

对于这个程序，一步到位的编译指令是: gcc test.c -o test
实质上，编译过程是分为四个阶段进行的，即预处理(Preprocessing)、编译(Compilation)、汇编(Assembly)和连接(Linking)

2.1 预处理

预处理的过程主要包括以下过程：
(1) 将所有的#define 删除，并且展开所有的宏定义，并且处理所有的条件预编 译指令，比如#if #ifdef #elif #else #endif 等
(2) 处理#include 预编译指令，将被包含的文件插入到该预编译指令的位置
(3) 删除所有注释“//”和“/* */”
(4) 添加行号和文件标识，以便编译时产生调试用的行号及编译错误警告行号
(5)保留所有的#pragma 编译器指令，后续编译过程需要使用它们

• gcc 进行预处理的命令：gcc -E hello.c -o hello.i
  
  如图，发现输出 test.i 文件中存放着 test.c 经预处理之后的代码，gcc 的-E 选项，可以让编译器在预处理后停止，并输出预处理结果.

2.2 编译为汇编语言

• 输入gcc -S hello.i -o hello.s指令将预处理生成的 hello.i 文件编译生成汇编程序 hello.s
  
  GCC 的选项-S 使 GCC 在执行完编译后停止，生成汇编程序

2.3 汇编

汇编过程调用对汇编代码进行处理，生成处理器能识别的指令，保存在后缀为.o的目标文件中。由于每一个汇编语句几乎都对应一条处理器指令，因此，汇编相 对于编译过程比较简单，通过调用 Binutils 中的汇编器 as根据汇编指令和处理 器指令的对照表一一翻译即可。
当程序由多个源代码文件构成时，每个文件都要先完成汇编工作，生成.o 目标文件后，才能进入下一步的链接工作。注意：目标文件已经是最终程序的某一部 分了，但是在链接之前还不能执行。

• 输入gcc -c hello.s -o hello.o指令将编译生成的 hello.s 文件汇编生成目标文件 hello.o
• 或者直接调用Binutils 中的 as将 hello.s 文件汇编生成目标文件，输入命令as -c hello.s -o hello.o
  注意：hello.o 目标文件为 ELF（Executable and Linkable Format）格式的可重定向文件
  

2.4 链接（连接）

gcc 连接器是 gas 提供的，负责将程序的目标文件与所需的所有附加的目标文件连接起来，最终生成可执行文件

链接分为静态链接和动态链接，其要点如下：
(1) 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。链接器将函数的代码从其所在地（不同的目标文件或静态链 接库中）拷贝到最终的可执行程序中。为创建可执行文件，链接器必须要完成的主要任务是：符号解析（把目标文件中符号的定义和引用联系起来）和 重定位（把符号定义和内存地址对应起来然后修改所有对符号的引用）
(2)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

• 对于生成的 hello.o，输入命令gcc hello.o -o hello将其与Ｃ标准输入输出库进行连接，最终生成程序 hello然后执行
  

补充

（1）多个程序文件的编译

通常整个程序是由多个源文件组成的，相应地也就形成了多个编译单元，使用 GCC 能够很好地管理这些编译单元

• 假设有一个由 test1.c 和 test2.c 两个源文件组成的程序，为了对它们进行编译，并最终生成可执行程序 test，可以使用命令gcc test1.c test2.c -o test
• 如果同时处理的文件不止一个，GCC 仍然会按照预处理、编译和链接的过程依次进行。如果深究起来，上面这条命令大致相当于依次执行如下三条命令：gcc -c test1.c -o test1.o、gcc -c test2.c -o test2.o、gcc test1.o test2.o -o test

（2）检错

gcc -pedantic illcode.c -o illcode

-pedantic 编译选项并不能保证被编译程序与 ANSI/ISO C 标准的完全兼容，它仅仅只能用来帮助Linux 程序员离这个目标越来越近。换句话说，-pedantic 选项能够帮助程序员发现一些不符合 ANSI/ISO C标准的代码，但不是全部，事实上只有 ANSI/ISO C 语言标准中要求进行编译器诊断的那些情况，才有可能被 GCC 发现并提出警告。
除了-pedantic 之外，GCC 还有一些其它编译选项也能够产生有用的警告信息。这些选项大多以-W 开头，其中最有价值的当数-Wall，使用它能够使 GCC 产生尽可能多的警告信息。

gcc -Wall illcode.c -o illcode

GCC 给出的警告信息虽然从严格意义上说不能算作错误，但却很可能成为错误的栖身之所。一个优 秀的 Linux程序员应该尽量避免产生警告信息，使自己的代码始终保持标准、健壮的特性。所以将警告信息当成编码错误来对待，是一种值得赞扬的行为！所以，在编译程序时带上-Werror 选项，那 么 GCC会在所有产生警告的地方停止编译，迫使程序员对自己的代码进行修改，如下：

gcc -Werror test.c -o test

（3）库文件连接

• 开发软件时，完全不使用第三方函数库的情况是比较少见的，通常来讲都需要借助许多函数库的支持才能够完成相应的功能。从程序员的角度看，函数库实际上就是一些头文件（.h）和库文件（so、或lib、dll）的集合。
• 虽然 Linux下的大多数函数都默认将头文件放到/usr/include/目录下，而库文件则放到/usr/lib/目录下；Windows所使用的库文件主要放在 Visual Stido 的目录下的 include 和 lib，以及系统文件夹下。但有的时候，我们要用的库不再这些目录下，所以 GCC 在编译时必须用自己的办法来查找所需要的头文件和库文件。

例如:我们的程序 test.c 是在 linux 上使用 c 连接 mysql，这个时候我们需要去 mysql 官网下载 MySQL Connectors 的 C 库，下载下来解压之后，有一个 include 文件夹，里面包含mysql connectors 的头文件，还有一个 lib 文件夹，里面包含二进制 so 文件 libmysqlclient.so,其中 inclulde 文件夹的路径是/usr/dev/mysql/include,lib 文件夹是/usr/dev/mysql/lib

1. 编译成可执行文件
   执行gcc –c –I /usr/dev/mysql/include test.c –o test.o命令编译 test.c 为目标文件
2. 链接
   把所有目标文件链接成可执行文件:
   gcc –L /usr/dev/mysql/lib –lmysqlclient test.o –o test

Linux 下的库文件分为两大类分别是动态链接库（通常以.so 结尾）和静态链接库（通常以.a结尾），二者的区别仅在于程序执行时所需的代码是在运行时动态加载的，还是在编译时静态加载的

3. 强制链接时使用静态链接库
   默认情况下， GCC 在链接时优先使用动态链接库，只有当动态链接库不存在时才考虑使用静态链接库，如果需要的话可以在编译时加上-static 选项，强制使用静态链接库。
   在/usr/dev/mysql/lib 目录下有链接时所需要的库文件 libmysqlclient.so 和 libmysqlclient.a，为了让GCC 在链接时只用到静态链接库，使用下面的命令:gcc –L /usr/dev/mysql/lib –static –lmysqlclient test.o –o test

静态库链接时搜索路径顺序：

1. ld 会去找 GCC 命令中的参数-L
2. 再找 gcc 的环境变量 LIBRARY_PATH
3. 再找内定目录 /lib /usr/lib /usr/local/lib 这是当初 compile gcc 时写在程序内的

动态链接时、执行时搜索路径顺序:

1. 编译目标代码时指定的动态库搜索路径
2. 环境变量 LD_LIBRARY_PATH 指定的动态库搜索路径
3. 配置文件/etc/ld.so.conf 中指定的动态库搜索路径
4. 默认的动态库搜索路径/lib
5. 默认的动态库搜索路径/usr/lib

有关环境变量：
LIBRARY_PATH 环境变量：指定程序静态链接库文件搜索路径
LD_LIBRARY_PATH 环境变量：指定程序动态链接库文件搜索路径

三. ELF文件的分析

1. ELF文件的段

ELF 文件格式如下图所示，位于 ELF Header 和 Section Header Table 之间的都是段

一个典型ELF文件包含的段	含义
.text	已编译程序的指令代码段
.rodata	：ro 代表 read only，即只读数据（例如常数 const）
.data	已初始化的 C 程序全局变量和静态局部变量
.bss	未初始化的 C 程序全局变量和静态局部变量
.debug	调试符号表，调试器用此段的信息帮助调试

• 使用 readelf -S 查看其各个 section 的信息
  例如：输入readelf -S hello命令
  

2. 反汇编ELF

由于 ELF 文件无法被当做普通文本文件打开，如果希望直接查看一个 ELF 文件包含的指令和数据，需要使用反汇编的方法。
使用objdump -D 对其进行反汇编如下

• 输入命令objdump -D hello进行反汇编
  
• 使用 objdump -S 将其反汇编并且将其C语言源代码混合显示出来
• 输入命令gcc -o hello -g hello.c、objdump -S hello
  

四. 总结

本文介绍了gcc的“战友们”，说明gcc并不是一个人在战斗；以及gcc编译的详细过程，能够帮助我们更深入的了解gcc编译的过程，让我们能更好的理解gcc编译，对我们今后学习奠定基础；还有通过对ELF文件的分析，解释了汇编和反汇编。希望本文能够给读者们带来帮助~

五. 参考文献

Linux GCC常用命令