X86指令基本格式

本文属于《 X86架构指令基础系列教程》之一，欢迎查看其它文章。

1 什么是机器码

机器码是CPU可以识别，并执行的二进制数据。
通常使用高级语言，如C/C++编写的代码，经过编译之后，生成的可执行文件中，就包含了机器码，可以被CPU执行。
如果你熟悉X86机器码，具体的定义，那么你可以在文件中，徒手直接编写机器码，这样也可以被CPU执行，只不过难度很大，没有我们使用高级语言编写，然后编译为机器码，来的简单。

机器码，是我们通俗的叫法。在X86架构下，机器码就是指一条一条的X86指令，这些指令的集合，就叫做X86指令集。

2 X86指令基本格式

所有的X86架构指令编码，都是基于一个基本指令格式来构成的。
基本指令，由以下组成：

• Instruction Prefixes（指令前缀），可选，最多四个前缀，每个前缀1字节。
• Opcode（操作码），必须，1或2字节。
• ModR/M与SIB（地址形式说明符），可选，由ModR/M字节和SIB(Scale-Index-Base)字节组成。Mod R/M 字段指定寻址模式和操作数，符号 “R/M” (register/memory) 代表的是寄存器和模式。伸缩索引字节（scale index byte, SIB）用于计算数组索引偏移量。
• Displacement（地址位移），可选，地址位移为1、2、4字节或无。地址位移字段保存了操作数的偏移量，在 “基址-偏移量” 或 “基址-变址-偏移量” 寻址模式中，该字段还可以与 “基址或变址寄存器” 相加。
• Immediate（立即数），可选，立即数为1、2、4字节或无。立即数字段保存了常量操作数。
  

3 指令前缀

X86指令集中的指令前缀（Instruction Prefix）是一种特殊的标记，用于指示紧随其后的指令应该如何被解释。指令前缀并不会改变指令的本质，但可能会改变指令的操作。
指令前缀分为四组：封锁和重复执行前缀、段前缀、修改操作数默认长度、修改默认地址长度，每组都有一组允许的前缀代码。
对于每条指令，可以从每一组中使用一个前缀，并以任意顺序放置。冗余前缀(来自一组的多个前缀)的影响是未定义的，并且可能因处理器而异。

3.1 第一组：封锁和重复执行前缀

• F0H: LOCK前缀，封锁总线。在有数的指令（如ADD,ADC）前方时，使指令变为原子操作，并与被修饰的指令一起提供内存屏障效果。
• F2H：REPNE/REPNZ前缀（只位于字符串指令前）。
• F3H：REP前缀（只位于字符串指令前）。
• F3H：REPE/REPZ前缀（与REP前缀同码）。

3.2 第二组：段前缀

在32位汇编中，有8个段寄存器：ES、CS、SS、DS、FS、GS、LDTR、TR(顺序固定)，不再用段寄存器寻址而只做权限控制。前缀和寄存器对应如下：

• 2EH：CS段覆盖前缀
• 36H：SS段覆盖前缀
• 3EH：DS段覆盖前缀
• 26H：ES段覆盖前缀
• 64H：FS段覆盖前缀
• 65H：GS段覆盖前缀

使用前缀修饰后，指令（opcode）的默认段寄存器会被修改，如默认的MOV操作从DS段拿数据，加上36前缀后会基于SS段地址取数据。

3.3 第三组：修改操作数默认长度

66H，用来“反转”默认的16位或32位操作数宽度。例如，当默认的操作数宽度是32位时，可以用这个前缀选择16位宽度的操作数，或者反之。如下指令码和汇编对照：

50：  PUSH EAX
6650: PUSH AX

当一个66前缀出现在指令的开始处时，它告诉CPU，接下来的指令应该被视为一个16位指令，而不是32位指令。

3.4 第四组：修改默认地址长度

67H，用来“反转”默认的16位或32位地址宽度。例如，当默认的地址宽度是32位时，可以用这个前缀选择16位宽度的地址，或者反之。如下指令码和汇编对照：

8801：   MOV DS:[ECX],AL
678801: MOV DS:[BX+DI], AL

67H前缀是X86指令集中的一个指令前缀，用于改变指令的地址空间。
当67H前缀出现在一个指令前面时，它会告诉CPU，该指令的操作数应该被视为在16位地址空间中，而不是32位地址空间中。这个前缀通常用于在32位和16位模式之间切换。

例如：

8B08：   mov ecx,[eax]	;在32位程序中，通过32位寄存器中地址寻址内存，无指令前缀
678B08:  mov ecx,[eax]	;在64位程序中，通过32位寄存器中地址寻址内存，有67指令前缀

3.5 指令前缀存在的意义

3.5.1 不同的指令会有相同的机器码

比如第二组指令，他们的目的操作数都是内存地址，源操作数都是寄存器。因为形式上相同，所有会生成相同的机器码。同时这些指令 MODR/M 字段是相同的，全都是 31，相同意味这这些指令的源操作数都隶属于同一组寄存器，并且操作形式相同。

以前 8086 16 位时期，8 位和 16 位操作码不同，就对应着 88 和 89。后来 intel 设计出 32 位处理器，为了不增加指令的复杂性，所有后面类似的操作都用相同的操作码 89。
相同的操作码，处理器怎么知道要执行什么操作呢？

3.5.2 默认操作尺寸

➢ 32 位处理器支持 16 位和 32 位操作尺寸

➢ 但是， 在同一时刻，处理器只能按一种操作尺寸工作，要么选择 16 位操作尺寸，要么选择 32 位操作尺寸，这叫做处理器的默认操作尺寸

• （1）当处理器工作时，如果默认的操作尺寸是 16 位的，则假定它使用的机器指令都是 8 位或者 16 位操作数，以及 16 位有效地址。如果想操作 32 位数据，需要添加指令前缀 66，66 将反转操作数的尺寸，从默认的 16 反转到 32。如果有效地址是 32 位的，则必须添加指令前缀 67。
  
• （2）处理器工作时，如果默认的操作尺寸是 32 位的，则假定它使用的机器指令都是 8 位或者 32 位操作数，以及 32 位有效地址。如果想操作 16 位数据，需要添加指令前缀 66，66 将反转操作数的尺寸，从默认的 32 反转到 16。如果有效地址是 16 位的，则必须添加指令前缀 67。
  

4 操作码

Opcode主操作码为1或2字节。此外在ModR/M字节中，还有额外的3位操作码字段，可以在主操作码中定义较小的编码字段。这些字段定义了操作的方向、位移的大小、寄存器编码、条件码或符号扩展。操作码中字段的编码根据操作的类别而变化。
如果主操作码是0x0f开头则需要取第二字节，如果主操作码开头是0x0f38,0x0f3a开头则再取第三字节。

5 ModR/M与SIB

5.1 ModR/M字节

大多数引用内存中操作数的指令，在主操作码后面都有一个寻址形式说明符字节(称为ModR/M字节)。ModR/M字节包含三个信息字段：

• Mod字段与R/M字段组合形成32个可能的值:8个寄存器和24种寻址模式。
• Reg/Opcode字段指定一个寄存器号或三个以上的操作码信息。Reg/Opcode字段的目的在主操作码中指定。
• R/M字段可以指定一个寄存器作为操作数，或者可以与Mod字段组合以编码寻址模式。

5.2 SIB字节

ModR/M字节的某些编码需要第二个寻址字节，即SIB字节，以完全指定寻址形式。32位寻址的base-plus-index（基本加索引）和scale-plus-index（缩放加索引）形式需要SIB字节。SIB字节包括以下字段：

• Scale字段指定比例因子。
• Index字段指定index register的寄存器号。
• Base字段指定base register的寄存器号。

6 地址位移

一些寻址形式包括紧跟在ModR/M或SIB字节之后的位移。如果需要一个位移，它可以是1、2或4字节。如果指令指定了一个直接操作数，则该操作数总是跟随任何位移字节。直接操作数可以是1、2或4字节。

7 立即数

在X86指令集中，立即数（Immediate）是指直接在指令中给出的常数或者立即值。这些值直接嵌入到指令中，不需要从内存中读取，也不需要计算。
例如，以下是一条ADD指令，它将寄存器A中的值与立即数5相加：

ADD A, 5

在这个例子中，5就是立即数。这条指令将寄存器A中的值与5相加，并将结果存回寄存器A。立即数在指令编码中直接给出，不需要在执行时从内存中读取。
立即数可以用在各种需要固定数值的指令中，例如算术运算、逻辑运算、位移等。