【C语言】你知道.c文件是如何变成.exe文件的吗

文章目录

从Hello World说起

1、翻译环境

1.1准备阶段

1.2预编译

1.2.1预编译

1.2.2查看生成文件 

1.2.3比较 

1.2.4扩展

1.3编译

1.3.1编译

1.3.2符号汇总

1.3.3和预编译的比较 

1.4汇编

1.4.1汇编

1.4.2生成符号表 

1.5链接

1.5.1关于段表

1.5.2合并段表

1.5.3符号表的合并和重定位

2.运行

3.多个.c文件的问题

3.1新增一个文件

3.2两个文件共同经历翻译环境

3.3错误示例

---

从Hello World说起

        毫无疑问，“Hello World”对于程序员来说肯定是如雷贯耳。就是这样一个简单的程序，带领了无数的人进入了程序的世界。简单的事物背后往往又蕴涵着复杂的机制，如果我们深入思考--个简单的“Hello World”程序，就会发现很多问题看似很简单，但实际上我们并没有一个非常清晰的思路;或者在我们脑海里有着模糊的印象，但真正到某些细节的时候可能又模糊不清了。比如对于C语言编写的Hello World程序:

#include
int main()
{
    printf("Hello World!");
    return 0;
}

        对于下面这些问题，你的脑子里能够马上反应出一个很清晰又很明确的答案吗?

· 程序为什么要被编译器编译了之后才可以运行?

· 编译器在把C语言程序转换成可以执行的机器码的过程中做了什么，怎么做的?

· 最后编译出来的可执行文件里面是什么?除了机器码还有什么?它们怎么存放的，怎么组织的?

· #include 是什么意思?把stdio.h包含进来意味着什么?C语言库又是什么?它怎么实现的?

         如果上面的问题你都能回答出来，那么很遗憾，本文不是为你而准备的；但如果你有那么几个问题不明白，甚至从来没有想过一个Hello World可以引发这么多问题，而你又想了解它们，那么恭喜你，本文就是为你而准备的。

        对于学过汇编语言的朋友们都知道，一个汇编程序要运行，需要经过编译（masm）、链接（link）、运行（run）这三步，比如下方，运行一个用汇编语言写好的打印HelloWorld的程序。在这里，原本的文件是1.ASM，masm操作生成了1.obj文件，link操作生成了1.exe文件。

        C语言也是类似，run一个.c文件要经过翻译环境和运行环境。经过翻译环境之后，生成了.exe这样的可执行文件，然后运行。

1、翻译环境

        把一个.c（文本文件）翻译成.exe（可执行文件）的过程就是翻译环境，翻译环境内的过程，按照先后顺序又可以分为：预编译、编译、汇编、链接。如下图。在VS等环境下，我们无法观察到这个过程，因为这些环境将下列步骤省略了，但是在Linux环境下，我们可以用Linux指令观察到这些过程。

 

1.1准备阶段

        要观察上述过程，得要有一个C语言文件，Linux环境下，使用nano编辑器编辑一个C语言的“Hello World” 文件。

        首先，要创建一个code.c文件，在Linux环境下键入如下命令并回车：

nano code.c   

这个命令的意思是：创建一个文件名为 code.c 的文件并用nano编辑器来编辑此文件。

         然后进入如下界面，这就是nano编辑器打开code.c文件的状态：

         然后写一个最简单的C语言程序，写完按“Ctrl+x”退出该编辑器，会提醒是否要保存，此时按“y”，代表yes，即保存的意思，最后让你取名文件名，由于之前已经起过了，这里直接按回车即可（这些过程省略，因为都是次要的，只做简单介绍）：

         执行完上述命令，就会退出编辑器，回到原界面，此时键入“  ls ” 并回车，可以看到当前文件夹下有code.c这个文件。( ls命令的意思是：查看当前文件夹下的文件。 在这里，当前文件夹名是“lesson1” ，可以看到，[ ] 最后的内容就是文件目录。)

 

        到这里，准备阶段已经完成，目前已经有了一个C语言文件，且该文件里面的内容是打印一个“Hello World”。除此之外，什么都没有。

1.2预编译

1.2.1预编译

        预编译阶段，键入下列命令并回车：

  gcc -E code.c -o code.i  

这个命令的意思是：预处理完成之后就停下来，预处理之后产生的结果都放在code.i文件中。(Linux环境下，gcc编译器 要另外下载，这里省略了gcc下载的过程 )

        然后查看当前文件夹下的文件，键入 ls  并回车，得到下列结果，不难看出，增加了一个code.i 文件 ：

1.2.2查看生成文件 

         然后用文本编辑器查看文件，键入下列命令并回车，直接用nano查看：

 nano code.i 

        可以看到，最下方中间，黑色背景的那一行，显示“ Read 843 Lines”，这代表着，code.i文件有843行。

         然后我们翻到最下方，可以看到我们写的C语言文件。但是此时发现，C语言文件少了一行“ #include ”。那么在这里大胆猜测，是不是"#include" 换成了当前的内容呢？

1.2.3比较 

         所以需要在linux环境下，打开头文件stdio.h，查看里面的内容，键入以下命令：

vim /usr/include/stdio.h 

该命令的意思是：用vim编辑器打开stdio.h 

 

         打开头文件stdio.h之后，先按住shif，然后按下g ，跳转到文档最末尾，看到如下界面，观察右下角即可发现，stdio.h头文件包含了947行内容，将其和之前的code.i文件对比，发现确实是把stdio.h 里面的内容复制到C程序中 ，只不过去掉了注释，所以行数要少一些：

1.2.4扩展

        其实宏定义的翻译也是在这个过程，我们可以通过下列程序看出，这里定义了两个宏，一个是将N定义为10，一个是定义类似于加法函数 ：

         经过预编译过程后，打开code.i文件，发现代码如下，预编译过程除了把头文件的内容包含进去，还把宏进行了翻译，从赋值给变量c的那一行替换后可以看出，我的本意是5*（3+5）*10，但是宏翻译之后是5*3+5*10，这就完美符合之前了解的知识：宏是直接替换，虽然运行起来比函数块，但是会出现一些意想不到的错误，所以尽量少用：

1.3编译

1.3.1编译

        键入下列命令：

 gcc -S code.i 

该命令的意思是：编译完成之后就停下来，结果保存在code.s中。

然后键入ls ，回车，查看当前文件夹下的文件，发现多了一个code.s。

        键入下列命令并回车：

 nano code.s 

         用nano文本编辑器打开code.s，发现是如下内容，学过汇编语言的朋友们一眼便能看出，这是汇编语言，所以，编译过程实际上就是把C语言代码翻译成汇编语言代码的过程，这个过程包含了  语法分析、词法分析 、语意分析、符号汇总。这几个过程：

1.3.2符号汇总

        符号汇总的过程，实际上就是把代码中的全局变量名，全局函数名这些符号汇总起来。在汇编阶段是有用的，目前还体现不出来。

        比如下方，左边有主函数main，函数Add，全局变量target，那么生成图中对应的符号表（实际上printf也会生成，但是这里只是简单介绍一下）。右边只有主函数main，生成的符号表也如图。

1.3.3和预编译的比较 

        那么，如何判断语法分析、词法分析 、语意分析、符号汇总等等过程，不是在预编译阶段完成的呢，我们可以把code.c文件故意改错，看看是否能够通过预编译过程：

         在这里，我把定义了int类型的变量n，把一个未定义的m赋值给n，很明显，这里是错误的：

         键入预编译命令发现，依然可以生成code.i文件，不会报错：

        但是键入编译命令就会发现报错，并且提示错误信息，如下：

         很明显，对源代码语法、词法等信息的检查分析，是在编译阶段的。

1.4汇编

1.4.1汇编

        键入下列命令并回车：

gcc -c code.c

该命令的意思是：汇编完成之后停下来，结果保存到code.o文件中。

利用 ls 命令查看，当前文件夹中确实多了一个code.o 文件

        键入下列命令并回车：

 nano code.o 

用nano编辑器打开code.o文件

        发现跳出以下界面，这就汇编后的结果，把汇编指令翻译成二进制指令，我们是看不懂的，但是没关系，编译器可以看懂就可以：

1.4.2生成符号表 

        实际上，生成的code.o文件格式是elf，所以键入下列命令：

 readelf code.o -s 

上述命令的意思是，用elf的格式读code.o ，显示符号表段中的项。（因为ocde.o在文件里被划分为了一个一个的段）

         可以看到下图所示，main函数名出现在最右侧，实际上生成的符号表是 “main函数+地址”。

        如下，原本的符号汇总结果是红色框，在后面加上main函数的地址（绿色框），main函数的函数名和地址两个共同构成了符号表（蓝色框）。

 

        另外，如果是像1.3.3里面，有多个全局变量，函数等等，生成的符号表就应该像下面这样：

1.5链接

        键入以下命令并回车：

 gcc code.c 

这是链接的命令

         然后利用 ls 命令查看，发现当前文件夹多了一个a.out的可执行文件（绿色的）。这就是链接后生成的可执行文件（注意，无论有多少个.o文件，最后只能生成一个a.out 文件）。在理解链接过程之前，要明白“段表”这个东西，因为链接过程要合并段表。

 

 

1.5.1关于段表

      a.out是可执行文件，其格式是elf格式的，elf格式的文件有段表，段表其实就是文件存放不同的内容，分成不同的段。比如数据段、堆栈段、代码段等等（学过汇编的朋友应该比较熟悉）。

1.5.2合并段表

         在1.4部分，生成的code.o文件也是elf格式的，同理，它也有段表。可是，在工程中，我们会创建多个.c文件，各自负责不同的功能，然后也会生成多个.o文件，但是，最后生成的a.out文件有且只有一个，那么在链接这一步，就要把所有.o文件的段表合并，a.out里的段表实际上就是所有.o文件的段表合并之后的结果。如下图，三个.o文件的段表合并成a.out文件的段表。（“Hello World”程序展示这一步不明显，下文有详细展示）

1.5.3符号表的合并和重定位

        和上面同理，如果有多个.o文件，那么符号表也有多个，此时也需要合并符号表并放到a.out文件。重定位的过程实际上就是地址合并的过程。（后面会详细讲解此过程。）

2.运行

        运行环境如何这里便不多赘述，因为不是本文的重点，可以注意下面几点。

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。

        Linux下键入下列命令，即可运行程序：

 ./a.out 

        从下面可以看出，是打印了“Hello World”的，只是缺少换行，所以看起来有点奇怪。 

        好了，到这里为止，文章开头提出的问题相信基本上都能回答啦！！当然我只是简单地介绍了一下，想要深入地理解这些内容，那么我推荐一本书——《程序员的自我修养—链接、装载与库》，里面有详细的介绍。

3.多个.c文件的问题

        上述例子，只是讲了一个打印“Hello World”程序的例子，但是实际应用里面，不可能所有程序都只放在一个.c文件里面，所以这里补充一下有多个文件的情况。

3.1新增一个文件

        在这里，就增加一个add.c文件，里面的内容是加法函数，那么现在有两个文件分别是add.c (左图) 、code.c（右图），并且code.c文件应用到了add.c文件的加法函数：

3.2两个文件共同经历翻译环境

        如下，除了预编译阶段分开写，其他阶段都可以同时写，每一步都生成对应的文件。

         在链接这一步，两个文件要共同生成a.out文件，其中的段表和符号表都要合并。

        首先看符号表合并和重定位过程，由于有两个.o文件，所以有两个符号表，左边的符号表里只有add，并且其地址是有意义的。右边的符号表有add和main，但是，右边的程序内，add只是声明一下，实际上并不知道add函数的地址在哪里，所以右边符号表里add的地址是无意义的。合并的时候，发现有两个add，取地址有意义的（符号表的重定位），合并成一个；只有一个main，那么合并后的地址就是右边main的地址：

         合并段表实际上和1.5.2一样，如下图：

         运行程序得到下列结果，正确：

        其过程简略地总结一下，类似于下图：

 

3.3错误示例

        只链接一个文件。如下图，只链接了code.c ,此时提醒add未定义。必须两个文件同时链接才可以。

        把add函数注释掉，但是声明不变，如下图，链接失败。同样的，找不到add函数。

 

         最后总结一下，如下图，如果有什么疑问或者错误，欢迎在评论区讨论~