C 语言编译和链接翻译环境、预处理、编译、汇编、链接与运行环境1. 翻译环境和运行环境在 ANSI C 的任何一种实现中都存在两个不同的环境翻译环境源代码在这个环境中被转换为可执行的机器指令二进制指令。执行环境用来实际执行代码。一段 C 程序先经过翻译环境变成可执行程序再由执行环境把它跑出结果。2. 翻译环境翻译环境由编译和链接两个大的过程组成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 项目中可能有多个.c文件一起构建它们是这样生成可执行程序的多个.c文件分别单独经过编译器编译处理生成对应的目标文件。Windows 环境下目标文件的后缀是.objLinux 环境下是.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。链接库指运行时库支持程序运行的基本函数集合如 C 运行库 libc或者第三方库。以 gcc 为例把编译器展开成 3 个过程后整条链路是.c 源文件 .h 头文件 │ 预处理gcc -E ▼ .i 预处理后的中间文件 │ 编译gcc -S ▼ .s 编译后的中间文件 │ 汇编gcc -c ▼ .o 目标文件 │ 链接链接器 链接库 ▼ 可执行程序Windows 下的编译器是cl.exe、链接器是link.exe。每个源文件单独编译也意味着改动一个.c文件一般只需要重新编译它自己。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test.c预处理后的.i文件gcc-Etest.c-otest.i预处理阶段主要处理源文件中#开始的预编译指令比如#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。保留所有的#pragma编译器指令编译器后续会使用。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包含的头文件内容也都插入进来了。所以当我们无法确定宏定义或者头文件是否包含正确时可以查看预处理后的.i文件来确认。2.2 编译编译过程就是把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。gcc-Stest.i-otest.s对下面这行代码进行编译时编译器会怎么做array[index](index4)*(26);2.2.1 词法分析源代码被输入扫描器扫描器的任务就是做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。上面这行代码经过词法分析后得到 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赋值表达式 ├─ 下标表达式[] │ ├─ 标识符 array │ └─ 标识符 index └─ 乘法表达式* ├─ 加法表达式 │ ├─ 标识符 index │ └─ 数字 4 └─ 加法表达式 ├─ 数字 2 └─ 数字 62.2.3 语义分析语义分析由语义分析器完成即对表达式做语义层面的分析。编译器能做的是语义的静态分析通常包括声明和类型的匹配、类型的转换等——具体到上面这棵树就是给各级节点标上类型并检查是否匹配array是整型数组index、4、2、6是整型下标表达式、加法表达式、乘法表达式的结果都是整型整个赋值表达式也是整型。这个阶段会报告语义错误。2.3 汇编汇编器把汇编代码转变成机器可执行的指令二进制指令。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进行翻译不做指令优化。gcc-ctest.s-otest.o三个选项对应编译器「做到哪一步」-E只做预处理-S编译到汇编代码为止不再汇编-c汇编成目标文件不再链接输出的文件名都由-o指定。2.4 链接链接是一个复杂的过程需要把一堆文件链接在一起才能生成可执行程序。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。比如一个 C 项目中有 2 个.c文件test.c#includestdio.h// 声明外部函数externintAdd(intx,inty);// 声明外部的全局变量externintg_val;intmain(){inta10;intb20;intsumAdd(a,b);printf(%d\n,sum);return0;}add.cintg_val2022;intAdd(intx,inty){returnxy;}每个源文件都单独经过编译器处理生成对应的目标文件test.c生成test.oadd.c生成add.o。test.c 中使用了 add.c 中的Add函数和g_val变量而每次使用Add和g_val都必须确切地知道它们的地址。但每个文件是单独编译的编译器编译 test.c 的时候并不知道Add函数和g_val变量的地址所以先把调用Add的指令的目标地址和g_val的地址搁置。等到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。链接阶段找不到符号的定义时报的是链接错误如undefined reference to Add、MSVC 下的 LNK2019而不是编译错误——「只写了函数声明、没有把定义所在的文件一起参与链接」就属于这一类。上面只讲了主干流程目标文件的格式 ELF、链接底层实现中的空间与地址分配、符号决议和重定位等细节没有展开有兴趣可以看《程序员的自我修养》一书详细了解。3. 运行环境程序必须载入内存中才能执行执行环境做的事情依次是程序载入内存。在有操作系统的环境中一般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。程序的执行开始接着调用main函数。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一直保留它们的值。终止程序。正常终止main函数也有可能意外终止。