目标文件、ELF文件的一点小总结 《程序员的自我修养》·笔记

目标文件

• 源代码编译后但是没有进行链接的那些中间文件，比如win下的.obj文件、linux下的.o文件，与可执行文件的内容以及格式很类似。
• 目标文件中的内容至少有编译后的机器指令代码、数据。还包括连接时所需要的一些信息，比如符号表、调试信息、字符串等。一般，目标文件会将这些信息按照不同的属性进行分段（其实就是多个一定长度的区域）。

下面主要对linux下的可执行文件的ELF格式进行分析

ELF文件的结构

• ELF文件主要由文件头（ELF header）、代码段（.text）、数据段（.data）、.bss段、只读数据段（.rodata）、段表（section table）、符号表（symtab）、字符串表（）、重定位表（.rel.text）如下图所示：
  

  代码段与数据段分开的原因：
  1.对进程来说，数据段是可读写的，指令段是只读的。这样可以防止程序指令被改写。
  2.指令区与数据区的分离有助于提高程序的局部性，有助于对CPU缓存命中率的提高。
  3.当系统运行多个改程序的副本的时候，他们对应的指令都是一样的，此时内存只需要保留一份改程序的指令即可。当然，每个副本进程的数据区域是不一样的，他们是进程私有的

• 结合下图进行分析
  
• 代码段
  如上图所示，一般C语言编译后的执行语句都编译成机器代码，保存在.text段。
• .data段
  
  • 已经初始化的全局变量和局部静态变量（虽然默认会初始化为0,或者手动初始化为0，都没有必要在数据段分配空间，直接放在.bss段，就默认值为0了）都保存在.data段。
  • 大体来说，该section包含了在内存中的程序的初始化数据；data段包含三个部分：heap(堆)、stack(栈)和静态数据区。即.data还会存放其他类型的数据，比如局部变量。
  • 数据段只是存放数据，变量名存放在字符串表中。
• .bss段
  
  • 未初始化的全局变量和局部静态变量都保存在.bss段。
  • 大体来说该section包含了在内存中的程序的未初始化的数据。
  • 由于程序加载（一般是指main之前）时，bss会被操作系统清零，所以未赋初值或初值为0的全局变量都在bss。.bss段只是为未初始化的全局变量和局部静态变量预留位置而已，它并没有内容，所以它在文件中也不占据空间，这样可减少目标文件体积。
  • 但程序运行时需为变量分配内存空间，故目标文件必须记录所有未初始化的静态分配变量大小总和(通过start_bss和end_bss地址写入机器代码)。当加载器(loader)加载程序时，将为BSS段分配的内存初始化为0。
• .rodata段
  
  • 存放只读数据，一般是程序里面的只读变量（如const修饰的变量），以及字符串常量（不一定，也可能放在.data中）。
• 自定义段
  程序员可以指定变量所处的段。
  __attribute__((section(“FOO”))) int global = 42;
  则将变量放入名字为FOO的段中。
• ELF文件头
  
  • ELF魔数：文件头最开始的四个字节，第一个字节是DEL控制符的ASCII码，后三个字节是ELF字母的ASCII码。这种魔数用来确认文件的类型，操作系统加载可执行文件时会确认魔数是否正确。
  • 文件类型：枚举表示
  • 段表偏移：段表在文件中的偏移。
  • 等
• 段表
  
  • 描述ELF文件各个段的信息，你如每个段的段名、段长度、在文件中的偏移、读写权限以及段的其他属性。是用一个数据结构来描述的。
• 重定位表
  
  • 链接器在处理目标文件的时候，需要对目标文件的某些部位进行重定位操作，即代码段数据段中那些绝对地址的引用位置。
• 字符串表
  
  • 字符串表中包含若干以 null 结尾的字符串，这些字符串通常是 symbol 或 section 的名字。当 ELF 文件的其它部分需要引用字符串时，只需提供该字符串在字符串表中的位置索引即可。
  • 字符串表中首先是一个空串，用于表示一个空名字，所以字符串表的第一个字节是“\0”。
  • 一个字符串表可能涉及该 section 中的任意字节。一个字符串可能引用不止一次；引用子串的情况是可能存在的；一个字符串也可能被引用若干次；而不被引用的字符串也是允许存在的。
    如下图所示
    
    
• 符号表
  
  • 在链接的过程中，将函数和变量统称为符号。
  • 每一个目标文件都有一个对应的符号表。符号表主要包括：
    1.符号名，也即该符号名在符号串表中的下标。
    2.符号值：一般是函数或者是变量的地址（.data段）。
    3.该符号所在的段。
    4.等等