【C语言】 —— 编译和链接

一、编译环境和运行环境

  平时我们说写 C语言 代码，写程序，不难发现：其实写出来的都是 $test$.$c$、$test$.$h$ 等源文件和头文件。我们直接打开他们，是可以直接看懂的，这也就说明了他们其实是文本文件。但是计算机是看不懂他们的，计算机只能识别二进制指令，无法对文件中的代码直接执行。这时就需要将 C语言 代码进行处理变成二进制的指令。
  
  而将代码处理成二进制指令正是编译器需要做的事情。
  
在 ANCI C 的任何一种实现中，存在两个不同的环境:

1. 翻译环境：在这个环境中源代码被转换成可执行的机器指令（二进制指令）
2. 执行环境：它用于实际执行代码

二、翻译环境

  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大过程组成，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语言的项目中可能由多个 .$c$ 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。
• 在 $Windows$ 环境下的目标文件的后缀是 .obj，在$Linus$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连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）、C语言库函数或者第三方库。

  这里需提一下，我们所用的 $VS2022$ 是一种集成开发环境，包括：编辑器、编译器、链接器、调试器。而 $cl$.$exe$ 是其编译器，$link$.$exe$ 是其链接器
  

  我们可以在 $Linus$ 服务器、$gcc$ 的环境下对链接和编译各个阶段进行观察
  
  

2.1、 预处理

  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 $gcc$ 中，将 .c 文件处理成 .h 文件，命令如下：

gcc -E test.c -o test.i

  
  预处理阶段主要处理那些源文件中 # 开始的编译指令。比如：#$include$，#$define$，处理的规则如下：

• 将所有的 #$define$ 删除，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

  经过预处理后的 $.i$ 文件不再包含宏定义，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。
  
$test$.$c$ 文件：

  
$test$.$i$ 文件：

  $.i$ 文件只有输入指令生成后我们才能看到，正常情况下生成中间文件编译器用完就删掉了。
  
  

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

  编译过程最终会生成 .s 的文件，它里面放的是汇编代码。其实编译阶段整体上就是将 C 代码转换成汇编代码
  
$test.s$ 文件：

  那编译过程具体是做了什么工作呢？
  他们分别是：词法分析、语法分析、语义分析及优化
  下面让我们一起简单了解
  
  假设有下面的代码，在进行编译时会时编译器怎么做呢

array[index] = (index + 4) * (2 + 6);

（1）词法分析

  将源代码程序输入扫描器，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）。
  

上述代码进行词法分析后得到了 16 个记号：

（2）语法分析

  接下来则是语法分析。语法分析器会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

（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。这个阶段会报告错误的语法信息

2.3、 汇编

  汇编是指通过汇编器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。就是按照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

  经过汇编处理后文件即为目标文件（$.obj$ / $.o$）目标文件为二进制文件，无法通过文本编辑器打开

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。
  链接的过程主要包括：地址和空间分配，符号决议和重定位等这些步骤。
  
  链接主要解决的是一个项目中多个文件、多模块之间互相调用的问题。
  比如：现在有两个文件（$test.c$ 和 $add.c$）
  
$test.c$ 文件

#incldue<stdio.h>

//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 c = Add(10, 20);
	printf("%d\n", c);
	return 0;
}

  
$Add.c$ 文件

int g_val = 2024;

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

  
  为什么在 Add.c 中定义的文件在 test.c 文件中声明一下就可以使用呢？
  这里进行简单的了解
  
  经过前面的学习，我们知道每一个源文件（$.c$）经过编译过程后都会生成自己的目标文件（ $.o$ / $.obj$ ）
  
  在编译的过程中，会对代码中的符号进行符号的汇总，并形成相应的符号表，符号表中会存储符号相对应的地址。在产生 $test.c$ 文件的符号表时，遇到只有声明而未定义的符号 Add 和 g_val 时，会暂时将其地址搁置。

  到了编译过程，编译器会将多个目标文件链接在一起（目标文件的格式是一样的，并且是分段的形式），从而生成可执行程序（可执行策划给你续最终也是如目标文件一样的分段形式）
  
  在合并过程中，符号表也需要合并成一份。合并后的符号表每个符号只能有一份，那 Add 和 g_val 符号自然用其有效地址的那一份，这样符号表就完成了合并。通过 $Add$ 的地址，就自然而然能找到 $Add$ 函数了。
  

  而上述对地址的修正过程被叫做：重定位
  
  前面我们非常简洁的讲解了一个 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。
  
  

三、运行环境

  运行环境实际上是非常复杂的，我们这里简单了解了解

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动安排（单片机烧板子），也可以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（函数栈帧），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他们的值。
4. 终止程序。正常终止 $main$ 函数；也有可能是意外终止。

  好啦，本期关于编译和链接的知识就介绍到这里啦，希望本期博客能对你有所帮助。同时，如果有错误的地方请多多指正，让我们在C语言的学习路上一起进步！