一个.c文件是怎么跑起来的？——程序的编译

前言

我们在日常生活中总是说一个源程序要先经过编译然后才能运行，源文件是给人看的，要把它翻译成二进制文件机器才能看懂。emmm，感觉有点抽象，今天我们就来聊一聊编译这回事儿。

一. 程序的翻译环境和执行环境

一个源程序想跑起来必须经过两个环境处理:翻译环境和执行环境

翻译环境

翻译环境中有两个非常重要的工具，一个是编译器，一个是链接器，这两个工具分别完成两个过程，即编译和链接。

像VS的编译器是cl.exe,链接器是link.exe,这两个文件都可以在安装的路径底下找到。
注意我这里的说法哟，我说的是“VS的编译器”，难道VS不是一个编译器吗？还真不是。

VS是一个集成开发环境，比如DEV C++,CodeBlocks这些我们都把他们叫集成开发环境。一个集成开发环境包括编辑，编译，链接，调试这样一些功能。不同得集成开发环境得各种组件可能不一样，比如VS得编辑器是cl.exe,而CodeBlocks用的是gcc。

执行环境

执行环境就是用来运行可执行程序得，通常就是我们的操作系统

整个过程可用这样一张图表示

二.详解翻译环境

翻译包含两个步骤，编译+链接，我们平常很少提到链接这个过程，其实经常说的编译就是指的翻译阶段，这里为了讲清楚细节从而将它细分出来。

一个程序中的所有.c文件会经过编译器单独编译生成对应的目标文件。这种目标文件在Windows环境下后缀名是.obj，在Linux环境是.o。下文我用到的文件后缀名都是Linux环境下的命名方式。

得到目标文件后，链接器会把这些目标文件和链接库链接在一起生成可执行程序。

整个过程如下：

下面来详细讲解编译和链接这两个过程

2.1编译

编译又可以细分为三步：预编译（也叫预处理），编译和汇编

2.1.1预编译

这步主要干三件事：

1. 头文件的包含
2. define定义标识符的替换
3. 注释删除

以这样一个源文件为例：

#include <stdio.h>
#define SZ 10
//这是一个测试样例
int main()
{
	for (int i = 0; i < SZ; i++)
	{
		printf("%d ", i);
	}
	return 0;
}

那么它经过预处理阶段后就会变成这样

xxxxxxxxxxxxxxx
xxxxxxxxxxxxxxx
xxxxxxxxxxxxxxx
xxxxxxxxxxxxxxx
int main()
{
	for (int i = 0; i < 10; i++)
	{
		printf("%d ", i);
	}
	return 0;
}

其中“xxxxxxxx”是头文件里的内容，非常复杂，有几百行，同时我们还发现注释消失了，而且SZ被替换成了10，这就是预处理阶段做的3件事。

总的来说，预处理就是做一些文本替换的工作

这个过程在VS这种集成开发环境下不太好验证，有兴趣的老铁可以在B站上搜相关的教程，在VScode上搭载gcc编译器，通过命令行的方式操作验证。

2.1.2编译

这个阶段是把c语言代码转换成汇编代码，放到一个xxx.s的文件中

没错，编译器不是直接将C代码转换成二进制指令的，中间还要先转换成汇编代码然后再向二进制语言过渡。
这个过程要干这些事：

1. 语法分析
2. 词法分析
3. 语义分析
4. 符号汇总

这些过程都很复杂，有兴趣可以看看《程序员的自我修养》，里面有详细的讲解。

这里简单提一下符号汇总，因为后面还会用到它。
符号汇总顾名思义，就是把符号收集起来，不过要加个限定，是把收集全局的符号。

以同一个工程中的test.c和add.c为例（下文会一直使用这个例子）

前面说过，编译是对各个.c文件进行单独地处理，所以会对test.c和add.c分开汇总符号。
test.s收集到的符号就是Add和main
add.s收集到的符号只有Add

2.1.3汇编

这一步会把汇编指令转换成二进制指令

经过转换后就得到了若干个目标文件，以上面的例子为例，就是test.o和add.o。

这个过程中还发生了重要的一步，形成符号表
在上一步编译阶段汇总了符号，这里就会把符号形成一个表，每个符号既有名字也有地址
例如：
test.o的符号表为

名称	地址
Add	0x000
main	0x104

(因为Add在test.c中只有声明，所以找不到该函数的有效地址，故用空指针代替)

add.o的符号表为

名称	地址
Add	0x100

到了这步可能你还是不明白收集符号有什么意义，别着急，继续往下看。

2.2链接

这一步主要干两件事
1.合并段表
2.符号表合并和重定位

合并段表
目标文件已经是二进制文件了，这种目标文件是有格式的，以Linux环境下的目标文件为例，目标文件的格式elf这种格式，目标文件被分成一段一段的，可执行程序的格式也是elf，合并段表可简单理解为将对应的段合并形成新的段

符号表合并和重定位
例如，test.o有Add和main两个符号，add.o有Add这一个符号，那么合并后的符号表就包含Add和main两个符号。main好说，它的地址就是0x104,那么Add呢？这个时候就要符号重定位了，Add的地址应该是那个有效地址0x100

名称	地址
Add	0x100
main	0x104

符号表用来干什么的呢？千呼万唤开出来。现在揭晓答案。
在链接这个阶段，符号表合并合并好之后，链接器会检查各文件内的符号是否在符号表中。比如我因为手误，在main函数里面写成了add()函数，链接器在符号表中查找，发现没有这个符号，就会给你报错。

至此也就能解释为什么同一个工程中的不同文件里面的全局变量/函数能互相使用了，就是因为符号表这个东西记录了各符号的地址，所以能通过符号表找到对应的函数和变量。

在我以前的文章中讲到过static的用法，若是在函数或全局变量前加上static，其它文件就无法使用它，这是因为改变了它的外部链接属性，现在理解起来就很清晰了。
static的用法

其它的文件中能不能访问这个符号，就是由该符号的链接属性决定的。正是因为它具有外部链接属性，才会进入符号表，通过符号表将它和其它文件链接起来，而改变外部链接属性后，这个符号压根就不会进入符号表，外部自然就访问不到它了。

三.总结

所有内容可用这样一张图来概括

本次分享结束，欢迎评论区留下宝贵意见。