C语言的编译和链接：从源代码到可执行文件

📝前言： 这篇文章主要讲解一下C语言的编译和链接，帮我们更好的理解程序的执行过程，更好的理解计算机系统。

一，编译和链接

1. 什么是编译和链接？

在编写C语言程序时，我们通常会写一个或多个.c文件（源代码文件）。计算机并不能直接理解这些文本文件，需要将它们转换为机器可以执行的二进制文件。这个过程分为两个主要步骤：

• 编译：将源代码（.c文件）转换为目标文件（.o或.obj文件）。
• 链接：将多个目标文件和库文件合并，生成最终的可执行文件（如.exe或.out文件）。

下面我们详细讲解这两个过程。

2. 编译过程

编译是将C语言源代码转换为机器代码的过程。它分为以下几个步骤：

2.1 预处理（Preprocessing）

预处理阶段，源文件和头文件会被处理成以.i为后缀的文件。预处理主要处理源文件中以#开头的预编译指令，比如：

1. 宏定义处理：删除所有#define，并展开所有宏定义。假设代码中有#define PI 3.14159，预处理后代码中所有的PI都会被替换为3.14159。
2. 条件编译指令处理：处理#if、#ifdef、#elif、#else、#endif等条件编译指令，根据条件决定代码的取舍。
3. 头文件包含处理：处理#include预编译指令，将包含的头文件内容插入到该指令的位置，这个过程是递归进行的。如果test.c中#include "stdio.h"，预处理时stdio.h的内容会被插入到#include所在的位置。
4. 保留#pragma指令：保留#pragma编译器指令，供后续编译器使用。
5. 注释删除：删除所有注释，让代码更加简洁，便于后续处理。

在gcc环境下，可以使用gcc -E test.c -o test.i命令查看预处理后的结果。

示例：

#include <stdio.h>
#define PI 3.14159

int main() {
    printf("PI = %f\n", PI);
    return 0;
}

预处理后，#include <stdio.h>会被替换为stdio.h文件的内容，PI会被替换为3.14159。

2.2 编译（Compilation）

编译过程是将预处理后的文件进行词法分析、语法分析、语义分析及优化，生成相应的汇编代码文件，使用gcc -S test.i -o test.s命令。 汇编代码一般具备的信息：

• 指令信息：这些指令对应着计算机处理器的基本操作，如数据传送（MOV）、算术运算（ADD、SUB）、逻辑运算（AND、OR）、跳转（JMP、JE）等
• 数据信息：定义了程序中使用的各种数据，包括变量、常量等。
• 控制信息：包含了程序的控制结构信息，如循环、条件判断等。这些控制结构通过跳转指令（如 JMP、JE、JNE 等）来实现。
• 内存和寄存器信息：明确了程序中使用的内存地址和寄存器。寄存器是处理器内部的高速存储单元，汇编代码会频繁地使用寄存器来进行数据处理和传递。

下面通过array[index] = (index + 4) * (2 + 6);这段代码来看看编译过程：

1. 词法分析：将源代码输入扫描器，扫描器把代码中的字符分割成一系列记号，如关键字、标识符、字面量、特殊字符等。上述代码经过词法分析后会得到array、[、index…6、)等16个记号。
2. 语法分析：语法分析器对扫描产生的记号进行语法分析，生成以表达式为节点的语法树。在这个过程中，编译器会检查代码的语法结构是否正确，比如括号是否匹配、语句是否完整等。

1. 语义分析：语义分析器完成语义分析，主要包括声明和类型的匹配、类型的转换等，同时报告错误的语法信息。比如，如果代码中把两个不同类型的变量进行不兼容的运算，语义分析阶段就会报错。

2.3 汇编（Assembly）

汇编器将汇编代码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。使用gcc -c test.s -o test.o命令完成汇编过程。汇编器会根据汇编指令和机器指令的对照表进行翻译，这个过程不做指令优化。

3. 链接过程

链接是将多个目标文件和库文件合并，生成最终可执行文件的过程。链接器的主要任务包括：

3.1 符号解析（Symbol Resolution）

在编译过程中，每个源文件会生成一个目标文件。如果多个文件之间有函数调用或变量引用，链接器需要解析这些符号（函数名、变量名等），确保它们能够正确关联。

示例：

• main.c中调用了math.c中的add函数。
• 链接器会找到add函数的定义，并将其与main.c中的调用关联起来。

3.2 重定位（Relocation）

目标文件中的地址通常是相对地址。链接器会将这些相对地址转换为最终可执行文件中的绝对地址。

假设有test.c和add.c两个文件，test.c中使用了add.c中的Add函数和g_val变量。每个源文件单独编译生成对应的目标文件，test.c生成test.o，add.c生成add.o。在编译test.c时，并不知道Add函数和g_val变量的地址，所以暂时搁置调用Add指令的目标地址和g_val的地址。链接器会根据引用的符号Add在其他模块中查找Add函数的地址，然后将test.c中所有引用到Add的指令重新修正，让它们的目标地址为真正的Add函数的地址，对于全局变量g_val也采用类似方法修正地址，这个过程就是重定位。

3.3 生成可执行文件

链接器将所有目标文件和库文件合并，生成一个可执行文件（如a.out或program.exe）。这个文件可以直接在操作系统中运行。

4. 编译和链接的示意图

以下是一个简单的示意图，展示了从源代码到可执行文件的过程：

5. 实际使用中的编译和链接

在实际开发中，我们通常使用编译器（如gcc）来自动完成编译和链接的过程。例如：

gcc main.c math.c -o program

这条命令会：

1. 编译main.c和math.c，生成目标文件。
2. 链接目标文件，生成可执行文件program。

二， 翻译环境和运行环境

1. 翻译环境

翻译环境就是由上面提到的两个过程：编译和链接组成。而编译又可以进一步细分为预处理、编译、汇编三个子过程。 总结一下：

• 预处理：主要处理源文件中以#开头的预编译指令
• 编译：将预处理后的文件进行词法分析、语法分析、语义分析及优化，生成相应的汇编代码文件
• 汇编：汇编代码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
• 链接：将多个目标文件和库文件合并，生成最终可执行文件的过程。

2. 运行环境

程序在翻译环境生成可执行文件后，就进入运行环境：

1. 程序载入内存：在有操作系统的环境中，一般由操作系统完成程序的载入；在独立环境中，程序的载入可能需要手工安排，或者通过可执行代码置入只读内存来完成。
2. 程序执行开始：程序载入内存后，开始执行，首先调用main函数。
3. 执行程序代码：程序使用运行时堆栈存储函数的局部变量和返回地址，同时也可以使用静态内存，静态内存中的变量在程序整个执行过程中一直保留其值。
4. 终止程序：程序执行结束，正常情况下是main函数执行完毕返回，也有可能因为意外情况终止。