程序从编译到运行

一、程序的编译流程（以 C 语言为例）

编译一个 C 程序从可以分为四个阶段：预处理 --> 编译（生成汇编代码）--> 汇编 --> 链接。

下面以大家最熟悉的 hello world 程序为例，编译器为 linux 下的 gcc。下面是 hello.c 文件的内容：

#include 

#define HELLO "hello world marco\n"

int main()
{
#ifdef HELLO
        printf(HELLO);
#else
        printf("hello world\n");
#endif
        return 0;
}

使用 gcc 直接编译可以生成一个 a.out 的可执行文件：

gcc hello.c

执行该文件可以打印 hello world： 

 

下面我们把几个步骤分开执行来理解每个步骤所完成的工作。 

1.1 预处理（Preprocessing）

预处理完成的工作：

1. 头文件包含：将 #include 的内容复制到 .c 文件里面，如果 .h 文件内还有 .h 文件，则进行递归替换。
2. 宏定义替换：将 #define 的内容进行替换。
3. 条件宏：如 #ifdef，#ifndef，#else，#elif，#endif等，预处理只保留条件满足的代码。
4. 去掉注释。

使用 gcc 的 -E 选项可以让 gcc 只执行预处理步骤：

gcc -E hello.c -o hello.i

查看预处理生成的 hello.i 文件可以发现文件的 #include 被 stdio.h 头文件的内容所替换，#define 的 HELLO 宏也被替换到代码中，并且代码只保留了 #ifdef 条件为真的部分的代码：

1.2 编译（Compile）

编译完成的工作： 

1. 检查词法和语法规则，如果有问题则报错。
2. 将预处理生成的代码转换成汇编代码。

使用如下命令执行编译步骤：

gcc -S hello.i -o hello.s

生成的 hello.s 文件内容如下： 

 

1.3 汇编（Assemble） 

汇编过程将编译生成的汇编代码（hello.s）转换成机器码，生成目标文件（hello.o），是二进制格式。

使用如下命令执行汇编步骤： 

gcc -c hello.s -o hello.o

1.4 链接（Link） 

C/C++代码经过汇编之后生成的目标文件(*.o)并不是最终的可执行二进制文件，而仍是一种中间文件(或称临时文件)，目标文件仍然需要经过链接 (Link) 才能变成可执行文件。

既然目标文件和可执行文件的格式是一样的（都是二进制格式），为什么还要再链接一次呢？
因为编译只是将我们自己写的代码变成了二进制形式，它还需要和系统组件（比如标准库、动态链接库等）结合起来，这些组件都是程序运行所必须的。
链接（Link）其实就是一个“打包”的过程，它将所有二进制形式的目标文件(.o)和系统组件组合成一个可执行文件。完成链接的过程也需要一个特殊的软件，叫做链接器（Linker）。

使用如下命令完成最后的链接操作：

gcc -o hello hello.o

执行链接生成的可执行文件：

二、C语言存储空间的布局

C语言中，内存主要分为5个区，分别为栈区、堆区、全局/静态存储区、常量存储区、代码区。

C 程序编译后生成的目标文件由下面几个部分组成：

1. 正文段（code segment/text segment，.text 段）：也被称为代码段，通常是用来存放程序执行代码的一块内存区域。这部分区域的大小在程序运行前就已经确定，并且该内存区域通常属于只读，某些架构也允许代码段为可写，即允许修改程序。在代码段中，也有可能包含一些只读的常量，例如字符串常量等。CPU执行的机器指令部分。( 存放函数体的二进制代码 )
2.  只读数据段（read only data segment，.rodata 段）：只读数据段是程序使用的一些不会被改变的数据，使用这些数据的方式类似查表式的操作，由于这些变量不需要修改，因此只需放在只读存储器中。
3. 已初始化读写数据段（data segment，.data 段）：通常用来存放程序中已初始化全局变量（或被 static 修饰的已初始化局部变量）的一块内存区域，数据段属于静态内存分配。已初始化读写数据段（RW data，.data）指的是在程序中声明，并且具有初值的全局变量，或者是被 static 修饰的已初始化局部变量，这些变量需要占用存储器空间，在程序执行时它们需要位于可读写的内存区域，并具有初值，以供程序读写。
4. BSS 段（bss segment，.bss段）：通常用来存放程序中未初始化的全局变量（或被 static 修饰的未初始化局部变量）的一块内存区域。BSS是英文 Block Started by Symbol 的简称，BSS 段属于静态内存分配。未初始化数据是在程序中声明，但是不具有初值的变量，这些变量在程序运行之前不需要占用存储空间。读取BSS段大小，然后在内存中紧跟data段之后分配空间，并且清零（这也是为什么全局表量和static局部变量不初始化会有0值得原因）。在 C++中，已经不再严格区分 bss 和 data了，它们共享一块内存区域。静态存储区包括bbs段和data段。
5. 堆（heap）：堆是用于存放进程运行中被动态分配的内存段，它的大小并不固定，可动态扩张或缩减。当进程调用 malloc 等函数分配内存时，新分配的内存就被动态添加到堆上（堆被扩张）；当利用 free 等函数释放内存时，被释放的内存从堆上被剔除（堆被缩减）。一般由程序员分配释放（new/malloc/calloc delete/free），若程序员不释放，程序结束时可能由 OS 回收。注意：它与数据结构中的堆是两回事，但分配方式倒类似于链表。
6. 栈（stack）：栈又称堆栈，是用户存放程序临时创建的局部变量，也就是我们函数大括号 "{}" 中定义的变量(不包括 static 声明的变量)。除此以外，在函数被调用时，其参数也会被压入发起调用的进程栈中，并且等调用结束后，函数的返回值也会被存放在回栈中。由于栈的先进先出特性，所有栈特别方便用来保存/恢复调用现场。从这个意义上讲，把堆栈看成一个寄存、交换临时数据的内存区。由编译器自动分配释放，存放函数的参数值，局部变量的值等。其操作方式类似于数据结构中的栈。