Linux 编译、连接原理

这篇博客是讲述计算机是如何将人类所编写的高级语言（字符语言）转换成自己所认识的二进制语言，对程序运行的。

一、预编译 （将.c文件转换为.i文件） 

1.#define  进行宏替换    例如#define max 10  对全文中的所有出现max的地方替换成数字10

2.处理 #if #elseif # endif 等所有预处理指令

3.#include递归展开头文件  因为#include文件里含有其他的文件，这些文件中可能还会包括其他的文件，所以需要进行递归展开

4.删除注释  例如将 // /**/ 等注释符包含的内容进行删除

5.添加行号和文件标识   对每个文件每行语句进行标号，以及添加#hello.c，#fun.c等文件标识，便于编译器编译显示错误时产生行号以及行号信息。

6.保留#pragma   例如 # pragma once 为头文件只编译一次的预处理指令，在预编译期需要保留，因为在编译期需要使用这个指令来进行编译。

二、编译 （将.i文件生成.s文件）

1.词法分析  （一个单词）

词法分析对一个单词进行分析，例如

arr[i] = (i + 4) * 2;
当源代码程序被输入到扫描器（Scanner）,扫描器的任务就是运用一种类似于 有限状态机（Finite State Machine）的算法将源代码字符序列分割成一系类的记号（Token）。比如上面那行代码，总共包含了15个非空字符，经过扫面以后，产生了13个记号，入下表所示。

词法分析产生的记号一般可以分为以下几类：关键字、标识符、字面量（包含数字、字符串等）和特殊符号（如加号、等号）。在识别记号的同时，扫面器也完成了其他工作。比如将标识符放到符号表，将数字、字符串常量存放到文字表等，以备后面的步骤使用。
 

2.语法分析（一句话）

语法分析就是由语法分析器（Grammar Parser）将对由扫描器产生的记号进行语法分析，从而产生语法树（Syntax Tree）。整个分析过程采用了上下文无关语法（Context-free Grammar）的分析手段。由语法分析器生成的语法树就是表达式（Expression）为结点的树。
 

3.语义分析（结合上下文）

语义分析，由语义分析器（Semantic Analyzer）来完成。编译器所能分析的语义是静态语义（Static Semantic），所谓的静态语义是指在编译期间可以确定的语义，与之对应的动态语义（Dynamic Semantic）就是只有在运行期间才能确定的语义。

4代码优化

5.生成汇编语言

三、汇编 （将.s文件生成.o文件）

将汇编语言生成可重入二进制语言，即机器语言，每条语句一条汇编指令。

四、链接（ 将.o文件生成.exe文件）

链接的主要内容就是把各个模块之间相互引用的部分都处理好，是的各个模块之间能够正确地衔接。链接阶段是最后的阶段，它也有四个步骤：

1.合并段和符号表  每个.o文件都有自己的段和符号表，链接的一步就是把各个.o文件的段和符号表合并。

2.符号解析

3.分配地址空间

4.符号重定位

在连接的过程中，对其他定义在目标文件中的函数调用的指令需要重新被调整，对使用其他定义在其他目标文件的变量来说，也存在同样的的问题。让我们结合具体的CPU指令来了解这个过程。假设我们有个全局变量叫var ，它在目标文件A里。我们在目标文件B里面要访问这个全局变量，比如我们在目标文件B里有这么一条指令：

mov    $0x2a, var
这条指令就是给var这个变量赋值0x2a，相当于C语言里面的语句var = 42;。然后我们编译目标文件B，得到这条指令机器码。

由于在编译目标文件B的时候，编译器并不知道变量var的目标地址，所以编译器在没法确定地址的情况下，将这条mov指令的目标地址设置为0，等待连接器将目标文件A和B连接起来的时候在将其修正。我们假设A和B链接后，变量var的地址确定下来为0x1000，那么链接器将会把这个指令的目标地址修改成0x10000。这个修改地址的过程也叫做重定位（Relocation），每个要被修正的地方叫一个重定位入口（Relocation Entry）。