程序编译的基本流程

程序的编译过程，其实就是将我们编写的C源程序翻译成CPU能够 识别和运行的二进制机器指令的过程。关于C程序我们已经很熟悉了： 一个C程序主要由一行行C语言语句组成，不同的语句构成一个个代码块或函数，每个语句由C语言的关键字、运算符、预处理命令、用户定义的变量名、函数名等很多token构成。一个C语言项目通常由多个文件组成。

从C程序到可执行文件，整个编译过程并不是一气呵成、一步完成 的，而是环环相扣、多步执行的。如下图所示，程序的整个编译流程 主要分为以下几个阶段：预处理、编译、汇编、链接。每个阶段需要 调用不同的工具去完成，上一阶段的输出作为下一阶段的输入，步步推进。

在一个多文件的C项目中，编译器是以C源文件为单位进行编译的。在编译的不同阶段，编译程序（如gcc、arm-linux-gcc）会调用不 同的工具来完成不同阶段的任务。在编译器安装路径的bin目录下，你 会看到各种各样的编译工具，gcc在程序编译过程中会分别调用它们， 常见的工具有预处理器、编译器、汇编器、链接器。

● 预处理器：将源文件main.c经过预处理变为main.i。

● 编译器：将预处理后的main.i编译为汇编文件main.s。

● 汇编器：将汇编文件main.s编译为目标文件main.o。

● 链接器：将各个目标文件main.o、sub.o链接成可执行文件a.out。

最后生成的可执行文件a.out其实也是目标文件（object file），唯 一不同的是，a.out是一种可执行的目标文件。目标文件一般可以分为3 种。

● 可重定位的目标文件（relocatable files）。

● 可执行的目标文件（executable files）。

● 可被共享的目标文件（shared object files）。

汇编器生成的目标文件是可重定位的目标文件，是不可执行的， 需要链接器经过链接、重定位之后才能运行。可被共享的目标文件一 般以共享库的形式存在，在程序运行时需要动态加载到内存，跟应用 程序一起运行。

在 一 个 可 执 行 文 件 中 ， 我 们 比 较 熟 悉 的 section 有.text、.data、.bss，就是我们常说的代码段、数据段、BSS段。C程序中定义的函数、变量、未初始化的全局变量经过编译后会放置在不同的段中：函数翻译成二进制指令放在代码段中，初始化的全局变量和 静态局部变量放在数据段中。BSS段比较特殊，一般来讲，未初始化的全局变量和静态变量会放置在BSS段中，但是因为它们未初始化，默认值全部是0，其实没有必要再单独开辟空间存储，为了节省存储空间， 所以在可执行文件中BSS段是不占用空间的。但是BSS段的大小、起始地址和各个变量的地址信息会分别保存在节头表section header table和 符号表.symtab里，当程序运行时，加载器会根据这些信息在内存中紧挨着数据段的后面为BSS段开辟一片存储空间，为各个变量分配存储单元。

如下图所示，就是将C程序中定义的函数、变量，挑挑拣拣、 加以分类，分别放置在可执行文件的代码段、数据段和BSS段中。程序中定义的一些字符串、printf函数打印的字符串常量则放置在只读数据段.rodata中。如果程序在编译时设置为debug模式，则可执行文件中还 会有一个专门的.debug section，用来保存可执行文件中每一条二进制指令对应的源码位置信息。根据这些信息，GDB调试器就可以支持源码级的单步调试，否则你单步执行的都是二进制指令，可读性不高，不方便调试。在最后环节，编译器还会在可执行文件中添加一些其他section，如.init section，这些代码来自C语言运行库的一些汇编代码， 用来初始化C程序运行所依赖的环境，如内存堆栈的初始化等。