程序员的自我修养——学习笔记2

程序编译的过程

#include<stdio.h>
int main(){
	printf("Hello, World!\n");
	return 0;
}

gcc hello.c
./a.out

1. 如上发生了四个过程：预处理、编译、汇编、链接

预处理

gcc -E hello.c -o hello.i
或者
cpp hello.c->hello.i

1. 文件后缀：.c==>.i
2. 处理过程：
   1. 将所有的#define删除并进行宏展开；
   2. 处理所有的条件预编译指令如#ifdef;
   3. 将#include包含的文件插入到预编译指令的位置；
   4. 删除所有的注释；
   5. 添加行号、文件名标识，编译调试时显示错误信息；
   6. 保留#program编译器指令，因为编译时要用到

编译

gcc -S hello.i -o hello.s

1. 整个过程包括词法分析、语法分析、语义分析、中间代码生成，目标代码生成及优化

汇编

as hello.s -o hello.o

1. 将汇编代码转换成机器指令，每一个汇编语句几乎对应一条机器指令。

链接

1. 将可重定位文件、静态库等链接，生成可执行文件.out

编译详解

1. 为什么需要编译器：编译器实际上就是个单向翻译器，将高级语言翻译成机器语言。
2. 为什么不用机器语言直接写程序：首先是用机器指令或者汇编语言写程序效率低下；其次是低级语言依赖于特定计算机，而高级语言关注程序逻辑本身，很少考虑硬件设备，比如字节、内存大小、通信方式、存储方式。这样便于移植，即用高级语言写一次，在不同机器上用它对应的编译器编译就行，不用更改程序代码。
3. 编译过程：词法分析、语法分析、语义分析、中间代码生成，目标代码生成及优化
4. 如下对array[index]=(index+4)*(2+6);进行分析

词法分析

1. 使用扫描器，应用状态机算法，将源程序的字符序列分割成一系列记号。记号可以分为标识符、关键字、字面量、运算符等。将标识符放到符号表，将字面量放到文字表。
2. Lex程序可以通过自定义词法规则，完成词法分析，这样就不用再编写词法分析器。

语法分析

1. 判断语句写法是否正确，是否有左括号而没有右括号等等问题。
2. 使用词法分析得到的记号，利用上下文无关语法的分析手段，生成语法树。
3. 语法树就是一个一表达式为结点的树，符号和数字是最小的表达式，也就是叶子结点。
4. 在语法分析阶段会报告语法错误。
5. yacc和Lex一样，可以通过规则生成语法树，而不必要重新编写一个语法分析器。
   

语义分析

1. 判断语句含义是否正确。比如两个指针相乘，在语法分析中是正确的，但是语义分析就会报错。
2. 语义分析分为静态语义分析和动态语义分析。静态语义分析在编译器就可确定，动态语义分析在运行期才能确定。
3. 静态语义分析包括：声明和类型是否匹配，类型转换包括将浮点型转换成整型。动态语义分析包括把0作为除数。
4. 语义分析的结果是语法树的表达式都被标识了类型，同时也对符号表的符号类型更新。
   

中间代码生成与优化

1. 中间代码是语法树的顺序表示，和目标代码相似，但是与目标机器、运行时环境无关，即不包含数据尺寸、变量地址、寄存器名称等。
2. 常见地中间代码有三地址码和P-代码

t1=2+6
t2=index+4
t3=t1+t2
array[index]=t3

3. 在这个过程里，2+6可以计算出来，以后直接使用8，从而减少临时变量t1。t3也可以被省掉。

t2=index+4
t2=t2*8
array[index]=t2

4. 编译器分为前端和后端，前端负责产生与机器无关的中间代码，后端负责将中间代码生成机器指令。这样跨平台编译器只需要一个前端，多个后端。

目标代码生成与优化

1. 编译器后端=代码生成器+目标代码优化器
2. 代码生成器依赖于机器的字长、寄存器、整数数据类型、浮点数数据类型等。

movl     index,%ecx					;index的值存到ecx
addl     $4,%ecx					;ecx=ecx+4
mull     $8,%ecx					;ecx=ecx*8
movl     index,%eax					;index的值存到eax
movl     %ecx,array(,eax,4)			;array[index]=ecx

3. 目标代码优化：选择合适的寻址方式、使用位移代替乘法、删除多余的指令

movl 	index,%edx
leal	32(,%edx,8),%eax			;基址比例变址寻址指令lea完成乘法
movl	%eax,array(,%edx,4)

链接器历史

1. 最初的程序是纸带打孔，程序确定了绝对地址。比如0001 0100这一条机器指令，前四位代表这是跳转指令，后四位表示绝对地址。
2. 抛开这样编写程序复杂不说，如果我在中间加了一条指令，那么原本跳转到0100的指令，就要跳转到0101。
3. 汇编语言使用符号帮助人们记忆，比如说0001跳转指令写成jmp，0100地址写成foo。那么上述的跳转指令就是jmp foo
4. 这样汇编器在汇编程序的时候，重新计算foo的目标地址就行了，解放了人类手工计算地址的过程。
5. 随着程序的发展，程序越来越大，这时我们采用模块编写的思想。各个不同功能的代码卸载不同的模块中。最后模块组合成一个程序。
6. 但是各个模块怎么拼接成一个程序，就要看：链接

静态链接

1. 各个源代码模块独立编译，然后通过链接组装在一起。
2. 链接就是处理各个模块互相引用的部分，使各个模块正确衔接。
3. 它和人工修正地址的过程没有本质区别，就是把一些指令对其他符号地址的引用加以修正。
4. 链接：地址和空间分配、符号决议、重定位。
   
5. 比如，我们编写了两个模块，一个模块func.c文件中有foo()。另一个模块main.c文件中我们使用到了foo()。首先我们将各个模块独自编译，main.c中此时不知道foo()的地址，暂时将目标地址搁置。在组装成一个可运行程序时，通过链接器，得到foo()的地址，然后修正所有使用到foo()的地址。这样就完成了链接。

参考资料

1. 俞甲子. 程序员的自我修养 : 链接、装载与库[M]. 北京 : 电子工业出版社, 2009