C語言編譯過程總結詳解

本來打算把編譯部分的內容總結一下，偶然看到一位網友的文章寫得很全面，故此稍加整理，以作備忘。

       C語言的編譯連結過程要把我們編寫的一個c程式（原始碼）轉換成可以在硬體上啟動並執行程式（可執行代碼），需要進行編譯和連結。編譯就是把文本形式原始碼翻譯為機器語言形式的目標檔案的過程。連結是把目標檔案、作業系統的啟動代碼和用到的庫檔案進行組織形成最終產生可執行代碼的過程。過程圖解如下：

 

        從圖上可以看到，整個代碼的編譯過程分為編譯和連結兩個過程，編譯對應圖中的大括弧括起的部分，其餘則為連結過程。

 

編譯過程

 

編譯過程又可以分成兩個階段：編譯和會彙編。

 

編譯

 

       編譯是讀取來源程式（字元流），對之進行詞法和文法的分析，將進階語言指令轉換為功能等效的彙編代碼，源檔案的編譯過程包含兩個主要階段：

 

      第一個階段是預先處理階段，在正式的編譯階段之前進行。預先處理階段將根據已放置在檔案中的預先處理指令來修改源檔案的內容。如#include指令就是一個預先處理指令，它把標頭檔的內容添加到.cpp檔案中。這個在編譯之前修改源檔案的方式提供了很大的靈活性，以適應不同的電腦和作業系統環境的限制。一個環境需要的代碼跟另一個環境所需的代碼可能有所不同，因為可用的硬體或作業系統是不同的。在許多情況下，可以把用於不同環境的代碼放在同一個檔案中，再在預先處理階段修改代碼，使之適應當前的環境。

 

主要是以下幾方面的處理：

 

（1）宏定義指令，如 #define a  b
對於這種偽指令，先行編譯所要做的是將程式中的所有a用b替換，但作為字串常量的 a則不被替換。還有 #undef，則將取消對某個宏的定義，使以後該串的出現不再被替換。

 

（2）條件編譯指令，如#ifdef，#ifndef，#else，#elif，#endif等。
這些偽指令的引入使得程式員可以通過定義不同的宏來決定編譯器對哪些代碼進行處理。先行編譯程式將根據有關的檔案，將那些不必要的代碼過濾掉
   
（3） 標頭檔包含指令，如#include "FileName"或者#include <FileName>等。
在標頭檔中一般用偽指令#define定義了大量的宏（最常見的是字元常量），同時包含有各種外部符號的聲明。採用標頭檔的目的主要是為了使某些定義可以供多個不同的C來源程式使用。因為在需要用到這些定義的C來源程式中，只需加上一條#include語句即可，而不必再在此檔案中將這些定義重複一遍。先行編譯程式將把標頭檔中的定義統統都加入到它所產生的輸出檔案中，以供編譯器對之進行處理。包含到c來源程式中的標頭檔可以是系統提供的，這些標頭檔一般被放在/usr/include目錄下。在程式中#include它們要使用角括弧（<>）。另外開發人員也可以定義自己的標頭檔，這些檔案一般與c來源程式放在同一目錄下，此時在#include中要用雙引號（""）。
   
（4）特殊符號，先行編譯程式可以識別一些特殊的符號。
例如在來源程式中出現的LINE標識將被解釋為當前行號（十進位數），FILE則被解釋為當前被編譯的C來源程式的名稱。先行編譯程式對於在來源程式中出現的這些串將用合適的值進行替換。
   
      先行編譯程式所完成的基本上是對來源程式的“替代”工作。經過此種替代，產生一個沒有宏定義、沒有條件編譯指令、沒有特殊符號的輸出檔案。這個檔案的含義同沒有經過預先處理的源檔案是相同的，但內容有所不同。下一步，此輸出檔案將作為編譯器的輸出而被翻譯成為機器指令。
   
       第二個階段編譯、最佳化階段，經過先行編譯得到的輸出檔案中，只有常量；如數字、字串、變數的定義，以及C語言的關鍵字，如main,if,else,for,while,{,}, +,-,*,/等等。
   
       編譯器所要作得工作就是通過詞法分析和文法分析，在確認所有的指令都符合文法規則之後，將其翻譯成等價的中間代碼錶示或彙編代碼。
   
       最佳化處理是編譯系統中一項比較艱深的技術。它涉及到的問題不僅同編譯技術本身有關，而且同機器的硬體環境也有很大的關係。最佳化一部分是對中間代碼的最佳化。這種最佳化不依賴於具體的電腦。另一種最佳化則主要針對目標代碼的產生而進行的。
   
       對於前一種最佳化，主要的工作是刪除公用運算式、迴圈最佳化（代碼外提、強度削弱、變換迴圈控制條件、已知量的合并等）、複寫傳播，以及無用賦值的刪除，等等。

     後一種類型的最佳化同機器的硬體結構密切相關，最主要的是考慮是如何充分利用機器的各個硬體寄存器存放的有關變數的值，以減少對於記憶體的訪問次數。另外，如何根據機器硬體執行指令的特點（如流水線、RISC、CISC、VLIW等）而對指令進行一些調整使目標代碼比較短，執行的效率比較高，也是一個重要的研究課題。
   
彙編
   
      彙編實際上指把組合語言代碼翻譯成目標機器指令的過程。對於被翻譯系統處理的每一個C語言來源程式，都將最終經過這一處理而得到相應的目標檔案。目標檔案中所存放的也就是與來源程式等效的目標的機器語言代碼。目標檔案由段組成。通常一個目標檔案中至少有兩個段：

程式碼片段：該段中所包含的主要是程式的指令。該段一般是可讀和可執行檔，但一般卻不可寫。

 

資料區段：主要存放程式中要用到的各種全域變數或靜態資料。一般資料區段都是可讀，可寫，可執行檔。

 

UNIX環境下主要有三種類型的目標檔案：

 

（1）可重定位檔案
其中包含有適合於其它目標檔案連結來建立一個可執行檔或者共用的目標檔案的代碼和資料。

 

（2）共用的目標檔案

這種檔案存放了適合於在兩種上下文裡連結的代碼和資料。第一種是連結程式可把它與其它可重定位檔案及共用的目標檔案一起處理來建立另一個 目標檔案；
第二種是動態連結程式將它與另一個可執行檔及其它的共用目標檔案結合到一起，建立一個進程映象。

 

（3）可執行檔
   
       它包含了一個可以被作業系統建立一個進程來執行之的檔案。組譯工具產生的實際上是第一種類型的目標檔案。對於後兩種還需要其他的一些處理方能得到，這個就是連結程式的工作了。

 

連結過程

       由組譯工具產生的目標檔案並不能立即就被執行，其中可能還有許多沒有解決的問題。
   
       例如，某個源檔案中的函數可能引用了另一個源檔案中定義的某個符號（如變數或者函數調用等）；在程式中可能調用了某個庫檔案中的函數，等等。所有的這些問題，都需要經連結程式的處理方能得以解決。
   
       連結程式的主要工作就是將有關的目標檔案彼此相串連，也即將在一個檔案中引用的符號同該符號在另外一個檔案中的定義串連起來，使得所有的這些目標檔案成為一個能夠誒作業系統裝入執行的統一整體。
   
       根據開發人員指定的同庫函數的連結方式的不同，連結處理可分為兩種：

 

（1）靜態連結
        在這種連結方式下，函數的代碼將從其所在地靜態連結庫中被拷貝到最終的可執行程式中。這樣該程式在被執行時這些代碼將被裝入到該進程的虛擬位址空間中。靜態連結庫實際上是一個目標檔案的集合，其中的每個檔案含有庫中的一個或者一組相關函數的代碼。

 

（2） 動態連結
   
      在此種方式下，函數的代碼被放到稱作是動態連結程式庫或共用對象的某個目標檔案中。連結程式此時所作的只是在最終的可執行程式中記錄下共用對象的名字以及其它少量的登記資訊。在此可執行檔被執行時，動態連結程式庫的全部內容將被映射到運行時相應進程的虛地址空間。動態連結程式將根據可執行程式中記錄的資訊找到相應的函數代碼。
   
      對於可執行檔中的函數調用，可分別採用動態連結或靜態連結的方法。使用動態連結能夠使最終的可執行檔比較短小，並且當共用對象被多個進程使用時能節約一些記憶體，因為在記憶體中只需要儲存一份此共用對象的代碼。但並不是使用動態連結就一定比使用靜態連結要優越。在某些情況下動態連結可能帶來一些效能上損害。
   
       我們在linux使用的gcc編譯器便是把以上的幾個過程進行捆綁，使使用者只使用一次命令就把編譯工作完成，這的確方便了編譯工作，但對於初學者瞭解編譯過程就很不利了，便是gcc代理的編譯過程：

 

從可以看到：

 

先行編譯
將.c 檔案轉化成 .i檔案
使用的gcc命令是：gcc –E
對應於預先處理命令cpp

編譯
將.c/.h檔案轉換成.s檔案
使用的gcc命令是：gcc –S
對應於編譯命令   cc –S

彙編
將.s 檔案轉化成 .o檔案
使用的gcc 命令是：gcc –c
對應於彙編命令是  as

連結
將.o檔案轉化成可執行程式
使用的gcc 命令是： gcc
對應於連結命令是  ld

 

       總結起來編譯過程就上面的四個過程：先行編譯、編譯、彙編、連結。Lia瞭解這四個過程中所做的工作，對我們理解標頭檔、庫等的工作過程是有協助的，而且清楚的瞭解編譯連結過程還對我們在編程時定位錯誤，以及編程時盡量調動編譯器的檢測錯誤會有很大的協助的。