C语言梦开始的地方21：编译和链接

上一章我们了解了C语言的文件操作系统的数据文件和对数据的文件的各种操作。
本章章节我们来了解一下C语言的.c文件是如何变成.exe文件的。

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。

那么翻译环境中的编译和链接做了哪些操作才使.c文件转换成了.exe文件呢？

翻译环境

首先我们就得展开开讲解一下翻译环境所做的事情。其实翻译环境是由编译和链接两个大的过程组成的，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语言项目中可能存在多个.c文件一起构建，那多个.c文件是如何生成可执行程序呢？

1. 多个.c文件单独经过编译器，编译处理生成对应的目标文件。
2. 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
3. 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。
4. 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。

通过上述的步骤才使.c文件构建成了我们能运行的.exe文件，以GCC为例就是下面这种场景

下面会出现一些gcc的命令，使用这些命令并不需要去Linux上。
我们只需要去安装一下VSCode和mingW即可。
在VSCode中要安装一个C/C++的插件。安装好后就可以编写和运行C/C++代码了

预处理

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 

使用也很简单在VSCode中点击 Ctrl + ` 即可

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，处理的规则如下：

• 将所有的#define删除，并展开所有的宏定义。
• 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到该预编译指令的位置。这个过程是递归进行的，也就是说被包含的头文件也可能包含其他文件。
• 删除所有的注释
• 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。

编译

编译过程就是将预处理后的文件进行一系列的：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。
编译过程的命令如下：

gcc -S test.i -o test.s

对下面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

首先我们得先了解词法分析，分析的是什么？
词法分析就像扫描器将源代码程序输入扫描器，扫描器的任务就是简单的进行词法分析，把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）。
比如：将英文符号写成了中文符号（；，“”）

int a = 10；

此时词法分析就像扫描器一样将 int a = 10； 进行分割 + 校验。
回到我们最开始的代码问题，上面程序进行词法分析后得到了16个记号：

记号	类型
array	标识符
[	左方括号
index	标识符
]	右方括号
=	赋值
(	左圆括号
index	标识符
+	加号
4	数字
)	右圆括号
*	乘号
(	左圆括号
2	数字
+	加号
6	数字
)	右圆括号

常见的报错原因：

• 中文标点符号（如中文分号；、中文引号“”）混入代码。
• 字符串或字符常量缺少闭合引号，如 char *s = “hello;（此时扫描器会一直扫描到文件末尾都找不到”，报错 missing terminating " character）。

语法分析

语法分析则像解析器（Parser）根据语法规则检查记号流时，发现结构不符合C语言的文法规则（即语句结构写错了）。
上述代码在语法分析就如下图所示：

常见报错原因：

• 通常是大括号、括号、分号不匹配，或者关键字使用位置错误。

语义分析

语义分析：语法正确，但语句的含义不符合语言规范。语义分析器（Semantic Analyzer）会检查类型系统、声明匹配、作用域规则等。

常见报错原因：

• 类型不兼容、使用了未声明的变量/函数、重复定义、赋值类型冲突等。

汇编

汇编器是将汇编代码转转变成机器可执行的指令，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。

gcc -c test.s -o test.o

汇编一般有一下用途：

1. 读汇编是排查“挂死”和“栈溢出”的。
2. 写出“高性能”代码。比如操作是否是原子的
3. 理解“未定义行为”的诡异后果

下面我们来简单的读一下C语言转汇编代码：

int main() {
    int a = 10;
    int b = 20;
    int c = a + b;
    return c;
}

转换后的汇编代码：

	.file	"test.c"
	.text
	.globl	main
	.def	main;	.scl	2;	.type	32;	.endef
	.seh_proc	main
main:
	pushq	%rbp   
	.seh_pushreg	%rbp   
	movq	%rsp, %rbp
	.seh_setframe	%rbp, 0
	subq	$48, %rsp
	.seh_stackalloc	48
	.seh_endprologue
	call	__main
	movl	$10, -4(%rbp)
	movl	$20, -8(%rbp)
	movl	-4(%rbp), %edx
	movl	-8(%rbp), %eax
	addl	%edx, %eax
	movl	%eax, -12(%rbp)
	movl	-12(%rbp), %eax
	addq	$48, %rsp
	popq	%rbp
	ret
	.seh_endproc
	.def	__main;	.scl	2;	.type	32;	.endef
	.ident	"GCC: (Rev2, Built by MSYS2 project) 16.1.0"

看汇编通常是看中间汇编代码，比如上述代码就是从 call __main 开始阅读

movl    $10, -4(%rbp)      # 将 10 存入 rbp-4 地址（变量 a）
movl    $20, -8(%rbp)      # 将 20 存入 rbp-8 地址（变量 b）

movl    -4(%rbp), %edx     # 把 a（rbp-4）的值放入 edx 寄存器
movl    -8(%rbp), %eax     # 把 b（rbp-8）的值放入 eax 寄存器
addl    %edx, %eax         # eax = edx + eax  （即 eax = a + b）
movl    %eax, -12(%rbp)    # 将 eax 的结果存回 rbp-12（变量 c）

movl    -12(%rbp), %eax    # 将 c 的值放入 eax（因为 eax 是返回值寄存器）
addq    $48, %rsp          # 释放之前分配的 48 字节栈空间
popq    %rbp               # 恢复调用者的 rbp
ret                        # 返回

因为在不同的环境会得出不一样的汇编代码，上述是在Windows 11的环境下使用VSCode运行出来的，如果换成Linux那么汇编也会有所不同。

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多文件、多模块之间互相调用的问题
比如：
在一个C的项目中有2个.c文件（ test.c 和 add.c ），代码如下：

test.c

#include <stdio.h>

extern int Add(int x,int y);
extern int g_val;

int main() 
{
    int x = 10,y = 20;
    printf("%d\n",Add(x,y));    
    return 0;
}

add.c

int g_val = 2022;

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

• test.c 中调用了 Add 函数和使用了 g_val 变量，但它们定义在 add.c 中。
• 编译 test.c 时，编译器不知道 Add 和 g_val 的地址，因此暂时将这些引用搁置（生成未解析的符号）。
• 链接时，链接器在所有目标文件（test.o 和 add.o）及库中查找这些符号的定义，找到后，将 test.o 中所有引用 Add 和 g_val 的指令地址修正为真正的内存地址而这个地址修正的过程也被叫做：重定位。

gcc环境：

gcc test.o add.o -o test

msvc环境：
直接点击运行即可。

运行环境

• 载入内存：有操作系统时由操作系统载入；独立环境（如嵌入式）需手工安排或固化到ROM。
• 程序启动：调用 main 函数。
• 运行时资源：
  • 堆栈（stack）：存储局部变量、函数返回地址等。
  • 静态内存（static）：存储全局变量和静态变量，程序运行期间一直保留。
• 终止：正常执行完毕（main 返回）或意外终止。

我们在函数栈帧中再去了解运行环境。

完