C语言--编译和链接

第17讲 编译和链接

1. 翻译环境和运行环境

在 ANSI C 的任何一种实现中，存在两个不同的环境。

第1种是翻译环境，在这个环境中源代码被转换为可执行的机器指令（二进制指令）。

第2种是执行环境，它用于实际执行代码。

翻译环境的最终目的是生成可执行程序，而可执行程序在运行环境中运行输出最终结果。

2. 翻译环境（重点）

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？

• 多个 .c 文件单独经过编译器，编译处理生成对应的目标文件。
• 注：在 Windows 环境下的目标文件的后缀是 .obj，Linux 环境下目标文件的后缀是 .o
• 多个目标文件和链接库一起经过链接器处理生成最终的可执行程序。
• 链接库是指运行时库（它是支持程序运行的基本函数集合）或者第三方库。

如果再把编译器展开成 3 个过程，那就变成了下面的过程：

下面的内容在Linux环境下的gcc编译器为工具进行阐述，不用VS的原因是因为其实一个高度集成的开发环境其中将许多预处理的细节都封装起来了，无法进行观察。

2.1 预处理（预编译）

在预处理阶段，源文件和头文件会被处理成 .i 为后缀的文件。

在 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：

gcc -E test.c -o test.i
    //-E 文件完成预处理之后停下来
    //test.c 操作的目标文件
    //-o test.i 指定输出文件名称为test.i

预处理阶段主要处理那些源文件中 # 开头的预编译指令。比如：#include，#define，处理的规则如下：

• 将所有的 #define 删除，并展开所有的宏定义。
• 处理所有的条件编译指令，如： #if、#ifdef、#elif、#else、#endif。
• 处理 #include 预编译指令，将包含的头文件的内容插入到该预编译指令的位置。这个过程是递归进行的，也就是说被包含的头文件也可能包含其他文件。
• 删除所有的注释
• 添加行号和文件名标识，方便后续编译器生成调试信息等。
• 或保留所有的 #pragma 的编译器指令，编译器后续会使用。

总结：

1. 预处理指令的的处理，#define #include等
2. 注释的删除
3. 添加行号和一些文件名表示，为了方便生成调试信息

总结下来在预处理阶段对于程序的操作都是一些文本操作。

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，并且包含的头文件都被插入到 .i 文件中。所以当我们想要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。

2.2 编译

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
    //-S 文件完成编译之后停下来
    //test.i 操作的目标文件
    //-o test.s 指定输出文件名称为test.s

**效果：**在编译阶段是将C语言转化成汇编代码。

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);

2.2.1 词法分析

将源代码程序被输入扫描器，扫描器的任务就是简单地进行词法分析，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）。

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

2.2.2 语法分析

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。

2.2.3 语义分析

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。

2.3 汇编

汇编器是将汇编代码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的进行翻译，也不做指令优化。

汇编的命令如下：

gcc -c test.s -o test.o
    //-c 文件完成编译之后停下来
    //test.s 操作的目标文件
    //-o test.o 指定输出文件名称为test.s

总结：

• 在汇编过程中是将汇编代码翻译成二进制指令（机器指令），最后完成汇编之后会生成一个.obj（Windows）/.o（Linux）的可执行文件。
• 同时在汇编过程中还会将程序中的每一个全局符号（函数名，全局变量名···）汇总形成一个符号表（全局符号名+对应地址（不一定有效））。
  • **注意：**局部变量不参与符号标的构成，局部变量是程序运行起来才会产生的，所以在汇编这个阶段还不会有局部变量的产生。

2.4 链接

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（形成符号表），符号决议（合并符号表）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

#include <stdio.h>
// test.c
// 声明外部函数 
extern int Add(int x, int y);
// 声明外部的全局变量 
extern int g_val;

int main() {
    int a = 10;
    int b = 20;
    int sum = Add(a, b);
    printf("%d\n", sum);
    return 0;
}

add.c

int g_val = 2022;

int Add(int x, int y) {
    return x + y;
}

我们已经知道，每个源文件都是单独经过编译器处理生成对应的目标文件。

test.c 经过编译器处理生成 test.o，并产生一个对应的符号表
add.c 经过编译器处理生成 add.o，也产生一个对应的符号表

符号表的合并：

最后在链接阶段，我们会将test.c和 add.c 所生成的符号表进行合并，期间对于像在 test.c 的文件中使用了 add.c 文件中的 Add 函数和 g_val 变量，都会出现在两个符号表中，并携带不同的地址，在合并符号表的时候，编译器会对这些有冲突的的地址进行决议，确定需要保留的有效地址。最后新生成的符号表就是新生成的可执行程序的符号表。

重定位：

我们在 test.c 文件中每一次使用 Add 函数和 g_val 的时候必须确切地知道 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，让它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。

eg1：（以下均为示例，实际地址可能并不如此）

test.c中的符号名	地址	add.c中的符号名	地址
main	0x10	Add	0x23
Add	0x00	g_val	0x44
g_val	0x88

分析：

上面表格中左侧是test.c对应的符号表，右侧是add.c对应的符号标，可以看到两个符号表都有函数Add和全局变量g_val，在最后编译器进行决策时，因为test.c中的Add和g_val使用的是 add.c 文件中的 Add 函数和 g_val变量，所以实际的地址应该是add.c中的地址。经过重定义调整之后的新符号表为：

符号名	地址
main	0x10
Add	0x23
g_va	0x44

---

eg2：

如果在程序编写中，将Add.c中的Add函数写成add会出现什么错误呢？

此时程序运行会发生报错，报错信息如下：

LNK201无法解析的外部符号Add，函数main中引用了该符号

这一方面表示了有关外部符号（函数、变量）的处理是在链接这一阶段进行处理的，

此时test.c和add.c中的符号表如下：

test.c中的符号名	地址	add.c中的符号名	地址
main	0x10	add	0x23
Add	0x00	g_val	0x44
g_val	0x88

符号表合并之后的新符号表：

符号名	地址
main	0x10
add	0x23
Add	0x00
g_va	0x44

分析

由于Add函数在Add.c中被定义，所以在test.c中的Add函数的地址并不是真实的Add函数所在的地址，当Add.c中的Add写成add之后，符号表开始合并，因为编译器会把这里的add和Add当做两个不同的函数名，但是当在主函数按照符号表合并之后的地址调用函数Add的时候，会发现操作这个地址无法找到函数Add，此时编译器也会报错无法解析的外部符号Add。

**综上：**在符号表合并之后，编译器还会根据符号名对应的地址寻找对应的函数和变量进行校对。

---

上面非常简洁地讲解了一个 C 的程序是如何编译和链接，到最终生成可执行程序的过程，其实很多内部的细节无法展开讲解。比如：目标文件的格式 ELF，链接底层实现中的空间与地址分配，符号解析和重定位等，如果你有兴趣，可以看**《程序员的自我修养》**一书来详细了解。

3. 运行环境

1. 程序必须载入内存中。在有操作系统的环境中：一般这个由操作系统完成。在独立的环境中，程序的载入必须由手工安排，也可能是通过可执行代码置入只读内存来完成。
2. 程序的执行便开始。接着便调用 main 函数。
3. 开始执行程序代码。这个时候程序将使用一个运行时堆栈（stack），存储函数的局部变量和返回地址。程序同时也可以使用静态（static）内存，存储于静态内存中的变量在程序的整个执行过程中一直保留它们的值。
4. 停止程序。正常停止 main 函数；也有可能是意外停止。