从源码到可执行文件（那些被隐藏了的过程）

本文介绍Linux下如何将高级语言（C/C++）编写的代码编译成二进制可执行文件的过程

预处理

概述

源文件file.c被预编译器cpp处理为file.i文件的过程

终端命令

gcc -E file.c -o file.i 或者 cpp file.c > test.i

处理规则

• 处理所有的条件编译指令
• 将#include递归引入的头文件包含进当前文件
• 删掉所有的#define，替换宏常量，展开所有的宏定义
• 删掉文件中的注释
• 保留#pragma编译器指令
• 添加行号和文件名标识，便于编译器产生调试和error / warning使用的信息

---

编译

概述

c -> cc1、c++ -> cclplus、java -> jc1

由预编译编译程序（新版本的gcc将预编译和编译统一交给同一个程序处理）将源文件 / 预处理后的文件进行词法分析、语法分析、语义分析、优化后产生汇编代码文件的过程。

终端命令

gcc -S file.c -o file.s或者gcc -S file.i -o file.s

处理规则

词法分析

词法分析器lex运用类似有限状态机的算法将源码序列分割成一系列记号。记号可分为：标识符、字面值常量、特殊符号几类。识别的同时，将各类记号分类保存，以备后续使用。

eg:
	标识符 -> 符号表
	字面常量 -> 文字表
	......

语法分析

语法分析器yacc将扫描器lex产生的记号使用上下文无关语法进行语法分析，生成语法树。语法树的节点由表达式构成。

这个过程可以检测出表达式是否合法。eg：

• 括号不匹配
• 表达式中缺少操作

若不合法，编译器会报告语法分析阶段的错误。

语义分析

语义分析器可以对静态语义进行分析，静态语义即在编译期间能够确定的语义。与之相对的动态语义为运行期间才能够确定的语义。

静态语义包括：声明和类型的匹配，类型的转换等。如果分析过程中出现类似“将浮点型数据赋值给指针”这种无法进行隐式类型转换的类型不匹配错误，编译器就会报错。

语义分析后，整个语法树的节点都被标识了类型，有时还会在树中插入相应的转换节点。

优化

优化分为两个部分：

1. 源代码优化
   因为直接在语法树上优化比较困难，也没有必要，所以源代码优化器就将语法树转换成中间代码，在这个过程进行一系列的优化。
   中间代码和机器以及运行时环境无关，所以是可以跨平台的。因为它不会包含数据的尺寸，变量地址以及寄存器名字等。
   常见的中间代码形式有：三地址码和P-代码。
2. 目标代码生成和优化
   代码生成器将中间代码转换成目标机器代码，这个过程十分依赖机器，因为不同的机器具有不同的字长，寄存器，数据类型等。
   目标代码优化器会使用一系列方法进行优化，例如：合适的寻址方式、使用位移来代替乘除法、删除多余的指令等。

---

汇编

概述

由汇编器as将编译后的代码对照翻译成机器码的过程

终端命令

gcc -c file.c -o file.o

---

链接

链接器 collect2。注意：colletc2是ld的一层包装

此阶段的工作：

• 合并段表
• 符号表的合并和重定位
• 将文件中调用的各种静态库和共享库和当前文件链接在一起，形成可执行文件