【轉載】C語言編譯全過程

    

    今天在blog.chinaunix.net/u3部落格看到一篇關於語言編譯過程的文章，覺得精簡，清晰所以摘錄下來我的blog。作為一個程式員瞭解編譯過程對程式的編寫也很有協助。下面是博文的內容：

    編譯的概念：編譯器讀取來源程式（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，再由組譯工具轉換為機器語言，並且按照作業系統對可執行檔格式的要求連結產生可執行程式。
    編譯的完整過程：C來源程式－－>先行編譯處理(.c)－－>編譯、最佳化程式（.s、.asm）－－>組譯工具(.obj、.o、.a、.ko)－－>連結程式（.exe、.elf、.axf等）

1. 編譯預先處理

    讀取c來源程式，對其中的偽指令（以#開頭的指令）和特殊符號進行處理
偽指令主要包括以下四個方面：
 （1）宏定義指令，如#define Name TokenString，#undef等。
對於前一個偽指令，先行編譯所要做的是將程式中的所有Name用TokenString替換，但作為字串常量的 Name則不被替換。對於後者，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。

 2. 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。
    經過最佳化得到的彙編代碼必須經過組譯工具的彙編轉換成相應的機器指令，方可能被機器執行。

  3. 彙編過程

    彙編過程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。

  4. 連結程式

    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。


總結：
    C語言編譯的整個過程是非常複雜的，裡面涉及到的編譯器知識、硬體知識、工具鏈知識都是非常多的，深入瞭解整個編譯過程對工程師理解應用程式的編寫是有很大協助的，希望大家可以多瞭解一些，在遇到問題時多思考、多實踐。
    一般情況下，我們只需要知道分成編譯和串連兩個階段，編譯階段將來源程式（*.c)轉換成為目標代碼（，一般是obj檔案，至於具體過程就是上面說的那些階段），串連階段是把來源程式轉換成的目標代碼（obj檔案）與你程式裡面調用的庫函數對應的代碼串連起來形成對應的可執行檔（exe檔案）就可以了，其他的都需要在實踐中多多體會才能有更深的理解。