在ANSI C的任何⼀种实现中,存在两个不同的环境。
可执行程序中存储的是二进制指令(机器指令)
那翻译环境是怎么将源代码转换为可执行的机器指令的呢?这里我们就得展开开讲解⼀下翻译环境所做的事情。 其实翻译环境是由编译和链接两个大的过程组成的,而编译⼜可以分解成:预处理(有些书也叫预编译)、编译、汇编三个过程。
⼀个C语言的项目中可能有多个.c文件⼀起构建,那多个.c文件如何生成可执行程序呢?
如果再把编译器展开成3个过程,那就变成了下面的过程:
在预处理阶段,源文件和头文件会被处理成为.i为后缀的文件。 在(Linux) gcc 环境下想观察一下,对 test.c 文件预处理后的.i 文件,命令如下:
预处理阶段主要处理那些源文件中#开始的预编译指令。比如:#include,#define,处理的规则如下:
经过预处理后的 .i 文件中不再包含宏定义,因为宏已经被展开(替换)。并且包含的头文件都被插入到 .i 文件中。所以当我们无法知道宏定义或者头文件是否包含正确的时候,可以查看预处理后的 .i 文件来确认。
编译过程就是将预处理后的文件进行⼀系列的:词法分析、语法分析、语义分析及优化,生成相应的汇编代码文件。 编译过程的命令如下:
gcc -S test.i -o test.s
对下面代码进行编译的时候,会怎么做呢?假设有下面的代码
array[index] = (index+4)*(2+6);
将源代码程序被输入扫描器,扫描器的任务就是简单的进行词法分析,把代码中的字符分割成⼀系列的记号(关键字、标识符、字⾯量、特殊字符等)。
array[index] = (index+4)*(2+6);
上面程序进行词法分析后得到了16个记号:
记号 | 类型 |
---|---|
array | 标识符 |
[ | 左方括号 |
index | 标识符 |
] | 右方括号 |
= | 赋值 |
( | 左圆括号 |
index | 标识符 |
| 加号 |
4 | 数字 |
) | 右圆括号 |
* | 乘号 |
( | 左圆括号 |
2 | 数字 |
| 加号 |
6 | 数字 |
) | 右圆括号 |
接下来语法分析器,将对扫描产生的记号进行语法分析,从而产生语法树。这些语法树是以表达式为节点的树。
由语义分析器来完成语义分析,即对表达式的语法层⾯分析。编译器所能做的分析是语义的静态分 析。静态语义分析通常包括声明和类型的匹配,类型的转换等。这个阶段会报告错误的语法信息。
汇编器是将汇编代码转转变成机器可执行的指令,每⼀个汇编语句几乎都对应⼀条机器指令。就是根据汇编指令和机器指令的对照表⼀⼀地进行翻译,翻译成机器语言(二进制指令),也不做指令优化。 汇编的命令如下:
gcc -c test.s -o test.o
因为编辑器格式不匹配,所以这些二进制指令展示出来的是乱码。
链接是⼀个复杂的过程,链接的时候需要把⼀堆文件链接在⼀起才生成可执行程序。 链接过程主要包括:地址和空间分配,符号决议和重定位等这些步骤。 链接解决的是⼀个项目中多文件、多模块之间互相调用的问题。 比如: 在⼀个C的项目中有2个.c文件( test.c 和 add.c ),代码如下
test.c 经过编译器处理生成 test.o add.c 经过编译器处理生成 add.o 我们在 test.c 的文件中使用了 add.c 文件中的 Add 函数和 g_val 变量。
我们在 test.c 文件中每一次使用 Add 函数和 g_val变量 的时候必须确切的知道 Add 和 g_val 的地址,但是由于每个文件是单独编译的,在编译器编译 test.c 的时候并不知道 Add 函数和 g_val变量的地址,所以暂时把调用 Add 的指令的目标地址和 g_val 的地址搁置。等待最后链接的时候由链接器根据引用的符号 Add 在其他模块中查找 Add 函数的地址,然后将 test.c 中所有引用到Add 的指令重新修正,让他们的目标地址为真正的 Add 函数的地址,对于全局变量 g_val 也是类似的方法来修正地址。这个地址修正的过程也被叫做:重定位
在编译阶段,每个.c文件都会生成一个符号表,然后在链接的时候进行汇总。