【C语言】编译和链接深度剖析

---

前言

本小节，我们学习翻译环境和运行环境，其中我们将学习编译环境的4个阶段：预编译，编译（词法分析，语法分析，语义分析），汇编，链接，文章干货满满！学习起来吧！

翻译环境和运行环境

在ANSI C的任何⼀种实现中，存在两个不同的环境。
第1种是翻译环境，在这个环境中源代码被转换为可执⾏的机器指令（二进制指令）。
第2种是执⾏环境，它⽤于实际执⾏代码。

翻译环境

翻译环境是怎么讲源代码转换为可执行的机器指令的呢？我们深入解析翻译环境是怎么一步一步的实现翻译的。

翻译环境是由编译和链接两个大过程组成的，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语言项目可能有多个.c文件一起构建，那么多个.c文件如何生成可执行程序呢？
多个.c文件单独经过编译出编译处理生产对应的目标文件。
注：在Windows环境下的目标文件的后缀是.obj,Linux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链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）或者第三方库。

如果再把编译器展开成3个过程，那就变成了下面的过程：

注：VS2022 是集成开发环境虽固然好用，是个超级集成的这样一个工具，但他把很多细节都隐藏掉了，不利于让我们观察这里面的细节。
Linux 环境下C语言编译器：gcc，本文将使用gcc作为演示的工具进行每一个环节的解析。工具使用VScode远程连接Linux，具体文章怎么连接，后期我们再继续学习Linux起来，我们主要先学习编译和链接里面的具体细节怎么实现的。

预处理（预编译）

在预处理阶段，源文件和头文件会被处理成为.i为后缀的文件。
在gcc环境下想观察一下，对test.c文件预处理 后的.i文件，命令如下：

gcc -E test.c -o test.i
-E: 只执行预处理阶段，不进行后续编译和汇编阶段。
test.c: 指定需要预处理的源代码文件。
-o test.i:
-o: 指定输出文件。
test.i: 指定预处理后的输出文件为test.i。

功能：
将源代码文件test.c进行预处理，仅执行预处理阶段，不进行后续编译和汇编。

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

• 将所有的#define删除，并展开所有宏定义。
• 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预编译指令的位置。这个过程是递归进行的，也就是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文件中不再包含宏定义，因为宏已经被展开。并且包含的的头文件都被插入到.i文件中。所以当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。

总结：预处理阶段目的是过滤源代码，生成清洁输入以供后续编译使用。可以实现条件编译、代码重用、错误检查等功能。

编译

编译过程就是讲预处理后文件进行一系列的：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 -S test.i -o test.s

对代码进行编译的时候，会怎么做呢？假设有下面的代码

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

词法分析

将源代码程序被输入扫描器，扫描器的任务就是进行词法分析，讲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）。
上面程序进行词法分析后得到了16个记号：

语法分析

语法分析器，将对扫描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。

补充：

• 语法分析器的输入是词法分析产生的记号流（tokenstream）。语法分析器通过遍历记号流，使用预测分析或递归下降等算法，根据上下文环境判断记号是否匹配产生式。一旦匹配成功，就在内存中构建对应的语法树节点。节点类型取决于匹配的产生式左侧符号。语法树以表达式、语句等语法单位为节点，它们之间构成父子关系，就形成了一棵树状结构。表达式通常是语法树中的重要节点类型之一。比如一个赋值语句的语法树，其左子树就可能是一个表达式节点。语法分析成功与否，取决于是否能完全匹配输入记号流。一旦匹配失败，就报告语法错误。

• 语法分析的结果是一棵可以表示源代码结构的抽象语法树(AST)。

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。静态分析通常包括声明和类型的匹配，类型的匹配，类型的转换等。这个阶段会报告错误的语法信息。

语法表达式：

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

在语义分析阶段会进行的检查：

1. 类型检查：
2. 检查index是否声明为整数类型
3. 检查array下标是否为整数类型
4. 检查各项运算结果是否为整数类型
5. 声明检查：
   检查array和index是否已声明
6. 范围检查：
   检查index是否在array下标范围内
7. 赋值检查：
   检查右值表达式类型是否匹配左值array[index]类型

如果发现以下错误，会报告：
1.index类型错误
2.array下标类型错误
3.运算结果类型错误
4.index未声明
5.array未声明
6.index越界
7.赋值类型不匹配

总结:在编译阶段中，讲预处理的C语言代码进行词法分析，语法分析，语义分析来发现错误，并对代码进行优化，然后讲代码转换成高效的汇编指令代码。

汇编

汇编器是将汇编代码转变成机器可执行的指令，每一个可执行的指令，每一个汇编语句几乎都对应一条机器指令。就是根据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
-c 参数表示只进行编译不进行链接，生成目标文件而不是可执行文件。
-o test.o 指定输出文件名为test.o。

这个命令主要做以下工作：

1. 语法检查test.s文件，检查汇编语法是否正确。
2. 处理test.s中定义的符号，如标签、变量等。
3. 根据test.s中的汇编指令，生成对应目标机器指令。
4. 生成目标文件test.o,包含机器码和链接信息。
5. test.o文件符合目标机器的对象文件格式规范。

所以这个gcc命令就是利用gcc作为汇编器，将汇编源代码test.s翻译成目标对象文件test.o的过程。它完成了汇编阶段的主要工作—从汇编语言到机器代码的转换。

总结：汇编就是把汇编的代码翻译成二进制的指令，生成.o文件（目标文件）

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。
链接的命令如下：

gcc test .o -o test

链接过程主要包括：地址和空间分配，符号决议和重定位等这些步骤。链接解决的是一个项目中的多文件，多模块之间互相调用的问题。

C语言中的链接实现符号决议和重定位的主要步骤如下：

1. 汇编阶段生成对象文件(.o文件)
   编译单个源文件后生成对应的对象文件。对象文件包含代码段、数据段以及符号表等信息。
2. 链接阶段读取对象文件
   链接器读取所有对象文件，并构建一个全局符号表。
3. 符号决议
   链接器检查全局符号表中是否存在重复定义或未定义的外部符号。如果有，报错;如果没有，继续下一步。
4. 重定位
   对每个对象文件：

• 扫描重定位表，获取需要重定位的位置。
• 查找位置对应的符号在全局符号表中的地址。
• 更新位置的值为符号地址。

5. 构建输出文件
   链接器根据对象文件中的代码和数据段，生成一个符合目标格式的可执行文件。
   其中：

• 代码段由各对象文件代码段连接而成。
• 数据段由静态存储区连接而成。
• 符号表包含链接后符号的最终地址信息。
  总结： 在C语言链接过程中，通过构建全局符号表实现符号决议，通过读取和修改重定位表实现符号地址的计算和重定位，从而生成可以直接执行的目标文件。这是C语言链接实现重定位的关键。

比如：
在一个项目中有2个.c文件（test.c和add.c），代码如下：
test.c:

# define _CRT_SECURE_NO_WARNINGS 1
#include 
//声明外部符号
extern int Add(int x, int y);
//声明外部的全局变量
extern int g_val;
int main()
{
	int a = 100;
	int b = 200;
	int ret = Add(a, b);
	printf("ret=%d\n", ret);
	printf("g_val=%d\n", g_val);
	return 0;
}

add.c:

# define _CRT_SECURE_NO_WARNINGS 1

int g_val = 2023;

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

C语言链接实现符号决议和重定位的过程是：

1. 汇编阶段，分别编译test.c和add.c,生成test.o和add.o两个对象文件。
2. 链接阶段，链接器读取test.o和add.o,构建全局符号表。
3. 符号决议，检查全局符号表：

• Add函数和g_val变量在两个对象文件中都有定义，没有重复定义错误。
• main函数调用的Add和引用的g_val在test.o中没有定义，标记为未定义外部符号。

4. 重定位：

• test.o重定位表中记录Add和g_val符号，链接器查找全局符号表，得到它们在add.o中的定义地址。
• 更新test.o中Add和g_val符号引用位置的值为它们在add.o中的地址。

以下是Add重定位的大致流程：

我们在test.c的文件中使用了add.c文件中的Add函数和g_val变量。
我们在test.c的文件中每一次使用Add函数和g_val的时候必须确切知道Add和g_val的地址，但是由于每个文件是单独编译的，在编译器编译test.c的时候并不知道Add函数和g_val变量的地址，所以暂时把调用Add的指令的目标地址和g_val的地址搁置。等待最后的链接的时候根据引用的符号Add在其他模块中查找Add函数的地址，然后讲test.c中所有引用到Add的指令重新修正，让他们的目标为真正的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。
图解：

假设在汇编中Add.c文件Add函数变量的地址为0x100，test.c文件的extern Add（int x，int y）地址为0x000，main()函数地址为0x200，经过编译时test.c找到Add.c的有效地址0x100，然后test.c中的Add的地址不是真的地址，它就会被判定为无效地址，然后两个有效地址合并，最后留下Add0x100和main0x200，形成新的符号组

---

如果我们讲Add.c文件中的Add函数去掉，再次将代码运行时，会发出警告：

5. 构建输出文件，代码段链接test.o和add.o代码段，数据段链接add.o中的g_val变量，符号表记录链接后各符号的最终地址。

总结：通过构建全局符号表完成符号决议，读取并修改test.o重定位表记录实现了符号地址的计算和重定位，生成可以执行的目标文件。

总的记忆图：

运行环境

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。这个时候程序讲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，存储与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；也有可能意外终止。

---

总结

这次阿森和你一起学习了 C语言程序从源代码到可执行文件的整个翻译过程。

翻译环境指将源代码翻译成可执行程序的整个过程，运行环境指程序实际执行的环境。
预处理(预编译)–>对源代码进行预处理，如宏替换、头文件包含等。
编译 -->将预处理后的源代码进行词法、语法和语义分析，生成目标代码。
词法分析：识别源代码中的标识符、关键字、运算符等词法单元。
语法分析： 检查源代码是否符合语法规则，构建抽象语法树。
语义分析：检查源代码是否符合语义规则，如类型检查等。
汇编：将目标代码转换成机器指令。
链接：链接目标文件生成可执行文件。
运行环境：提供程序实际执行所需的硬件资源，如内存、CPU等。

阿森将下一节和你一起学习预处理详解 。感谢你的收看，如果文章有错误，可以指出，我不胜感激，让我们一起学习交流，如果文章可以给你一个小小帮助，可以给博主点一个小小的赞