C/C++編譯過程詳解 轉

C語言的編譯鏈接過程要把我們編寫的一個c程序（源代碼）轉換成可以在硬件上運行的程序（可執行代碼），需要進行編譯和鏈接。編譯就是把文本形式源代碼翻譯爲機器語言形式的目標文件的過程。鏈接是把目標文件、操作系統的啓動代碼和用到的庫文件進行組織，形成最終生成可執行代碼的過程。過程圖解如下：

從圖上可以看到，整個代碼的編譯過程分爲編譯和鏈接兩個過程，編譯對應圖中的大括號括起的部分，其餘則爲鏈接過程。

編譯過程

編譯過程又可以分成兩個階段：編譯和彙編。

編譯

編譯是讀取源程序（字符流），對之進行詞法和語法的分析，將高級語言指令轉換爲功能等效的彙編代碼，源文件的編譯過程包含兩個主要階段：

• 編譯預處理

讀取c源程序，對其中的僞指令（以# 開頭的指令）和特殊符號進行處理。

僞指令主要包括以下四個方面：

1) 宏定義指令，如# define Name TokenString，# undef等。

對於前一個僞指令，預編譯所要做的是將程序中的所有Name用TokenString替換，但作爲字符串常量的 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。

這些僞指令的引入使得程序員可以通過定義不同的宏來決定編譯程序對哪些代碼進行處理。預編譯程序將根據有關的文件，將那些不必要的代碼過濾掉。

3) 頭文件包含指令，如# include "FileName" 或者# include < FileName> 等。

在頭文件中一般用僞指令# define定義了大量的宏（最常見的是字符常量），同時包含有各種外部符號的聲明。

採用頭文件的目的主要是爲了使某些定義可以供多個不同的C源程序使用。因爲在需要用到這些定義的C源程序中，只需加上一條# include語句即可，而不必再在此文件中將這些定義重複一遍。預編譯程序將把頭文件中的定義統統都加入到它所產生的輸出文件中，以供編譯程序對之進行處理。

包含到c源程序中的頭文件可以是系統提供的，這些頭文件一般被放在/ usr/ include目錄下。在程序中# include它們要使用尖括號（< >）。另外開發人員也可以定義自己的頭文件，這些文件一般與c源程序放在同一目錄下，此時在# include中要用雙引號（""）。

4) 特殊符號，預編譯程序可以識別一些特殊的符號。

例如在源程序中出現的LINE標識將被解釋爲當前行號（十進制數），FILE則被解釋爲當前被編譯的C源程序的名稱。預編譯程序對於在源程序中出現的這些串將用合適的值進行替換。

預編譯程序所完成的基本上是對源程序的“替代”工作。經過此種替代，生成一個沒有宏定義、沒有條件編譯指令、沒有特殊符號的輸出文件。這個文件的含義同沒有經過預處理的源文件是相同的，但內容有所不同。下一步，此輸出文件將作爲編譯程序的輸入而被翻譯成爲機器指令。

• 編譯、優化階段

經過預編譯得到的輸出文件中，只有常量；如數字、字符串、變量的定義，以及C語言的關鍵字，如main, if , else , for , while , { , } , + , - , * , \ 等等。

編譯程序所要作得工作就是通過詞法分析和語法分析，在確認所有的指令都符合語法規則之後，將其翻譯成等價的中間代碼表示或彙編代碼。

優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，而且同機器的硬件環境也有很大的關係。優化一部分是對中間代碼的優化。這種優化不依賴於具體的計算機。另一種優化則主要針對目標代碼的生成而進行的。

對於前一種優化，主要的工作是刪除公共表達式、循環優化（代碼外提、強度削弱、變換循環控制條件、已知量的合併等）、複寫傳播，以及無用賦值的刪除，等等。

後一種類型的優化同機器的硬件結構密切相關，最主要的是考慮是如何充分利用機器的各個硬件寄存器存放有關變量的值，以減少對於內存的訪問次數。另外，如何根據機器硬件執行指令的特點（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。

經過優化得到的彙編代碼必須經過彙編程序的彙編轉換成相應的機器指令，方可能被機器執行。

• 彙編

彙編過程實際上指把彙編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語言源程序，都將最終經過這一處理而得到相應的目標文件。目標文件中所存放的也就是與源程序等效的目標的機器語言代碼。

目標文件由段組成。通常一個目標文件中至少有兩個段：

1) 代碼段：該段中所包含的主要是程序的指令。該段一般是可讀和可執行的，但一般卻不可寫。

2) 數據段：主要存放程序中要用到的各種全局變量或靜態的數據。一般數據段都是可讀，可寫，可執行的。

UNIX環境下主要有三種類型的目標文件：

1) 可重定位文件

其中包含有適合於其它目標文件鏈接來創建一個可執行的或者共享的目標文件的代碼和數據。

2) 共享的目標文件

這種文件存放了適合於在兩種上下文裏鏈接的代碼和數據。

第一種是鏈接程序可把它與其它可重定位文件及共享的目標文件一起處理來創建另一個目標文件；

第二種是動態鏈接程序將它與另一個可執行文件及其它的共享目標文件結合到一起，創建一個進程映象。

3) 可執行文件

它包含了一個可以被操作系統創建一個進程來執行之的文件。

彙編程序生成的實際上是第一種類型的目標文件。對於後兩種還需要其他的一些處理方能得到，這個就是鏈接程序的工作了。

 

鏈接過程

由彙編程序生成的目標文件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，某個源文件中的函數可能引用了另一個源文件中定義的某個符號（如變量或者函數調用等）；在程序中可能調用了某個庫文件中的函數，等等。所有的這些問題，都需要經鏈接程序的處理方能得以解決。

鏈接程序的主要工作就是將有關的目標文件彼此相連接，也即將在一個文件中引用的符號同該符號在另外一個文件中的定義連接起來，使得所有的這些目標文件成爲一個能夠被操作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鏈接方式的不同，鏈接處理可分爲兩種：

1) 靜態鏈接

在這種鏈接方式下，函數的代碼將從其所在的靜態鏈接庫中被拷貝到最終的可執行程序中。這樣該程序在被執行時這些代碼將被裝入到該進程的虛擬地址空間中。靜態鏈接庫實際上是一個目標文件的集合，其中的每個文件含有庫中的一個或者一組相關函數的代碼。

2) 動態鏈接

在此種方式下，函數的代碼被放到稱作是動態鏈接庫或共享對象的某個目標文件中。鏈接程序此時所作的只是在最終的可執行程序中記錄下共享對象的名字以及其它少量的登記信息。在此可執行文件被執行時，動態鏈接庫的全部內容將被映射到運行時相應進程的虛地址空間。動態鏈接程序將根據可執行程序中記錄的信息找到相應的函數代碼。

對於可執行文件中的函數調用，可分別採用動態鏈接或靜態鏈接的方法。使用動態鏈接能夠使最終的可執行文件比較短小，並且當共享對象被多個進程使用時能節約一些內存，因爲在內存中只需要保存一份此共享對象的代碼。但並不是使用動態鏈接就一定比使用靜態鏈接要優越。在某些情況下動態鏈接可能帶來一些性能上損害。

GCC的編譯鏈接

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，使用戶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，下圖便是gcc代理的編譯過程：

從上圖可以看到：

1) 預編譯

將.c 文件轉化成 .i文件

使用的gcc命令是：gcc –E

對應於預處理命令cpp

2) 編譯

將.c/.h文件轉換成.s文件

使用的gcc命令是：gcc –S

對應於編譯命令 cc –S

3) 彙編

將.s 文件轉化成 .o文件

使用的gcc 命令是：gcc –c

對應於彙編命令是 as

4) 鏈接

將.o文件轉化成可執行程序

使用的gcc 命令是： gcc

對應於鏈接命令是 ld

總結起來編譯過程就上面的四個過程：預編譯處理(.c) －－> 編譯、優化程序（.s、.asm）－－> 彙編程序(.obj、.o、.a、.ko) －－> 鏈接程序（.exe、.elf、.axf等）。

 

總結

C語言編譯的整個過程是非常複雜的，裏面涉及到的編譯器知識、硬件知識、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序的編寫是有很大幫助的，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鏈接兩個階段，編譯階段將源程序（*.c) 轉換成爲目標代碼（一般是obj文件，至於具體過程就是上面說的那些階段），鏈接階段是把源程序轉換成的目標代碼（obj文件）與你程序裏面調用的庫函數對應的代碼連接起來形成對應的可執行文件（exe文件）就可以了，其他的都需要在實踐中多多體會纔能有更深的理解。

 

------------------------------------------------------------------------------------------------------

C/C++編譯過程

C/C++編譯過程主要分爲4個過程
1) 編譯預處理
2) 編譯、優化階段
3) 彙編過程
4) 鏈接程序

一、編譯預處理

（1）宏定義指令，如#define Name TokenString，#undef等。 對於前一個僞指令，預編譯所要做的是將程序中的所有Name用TokenString替換，

但作爲字符串常量的 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。 這些僞指令的引入使得程序員可以通過定義不同的宏來決定編譯程序對哪些代碼進行處理。

預編譯程序將根據有關的文件，將那些不必要的代碼過濾掉

（3） 頭文件包含指令，如#include "FileName"或者#include <FileName>等。 在頭文件中一般用僞指令#define定義了大量的宏（最常見的是字符常量），

同時包含有各種外部符號的聲明。 包含到c源程序中的頭文件可以是系統提供的，這些頭文件一般被放在/usr/include目錄下。

在程序中#include它們要使用尖括號（< >）。

另外開發人員也可以定義自己的頭文件，這些文件一般與c源程序放在同一目錄下，此時在#include中要用雙引號（""）。

（4）特殊符號，預編譯程序可以識別一些特殊的符號。 例如在源程序中出現的#line標識將被解釋爲當前行號（十進制數），
上面程序實現了對宏line的運用

（5）預處理模塊 預處理工作由#pragma命令完成，#Pragma命令將設定編譯器的狀態或者是指示編譯器完成一些特定的動作。

#pragma指令對每個編譯器給出了一個方法,在保持與C和C++語言完全兼容的情況下,給出主機或操作系統專有的特徵。

依據定義,編譯指示是機器或操作系統專有的,且對於每個編譯器都是不同的。
打開C標準庫函數，如stdio.h，我們總能找到下面這一句指示編譯器初始化堆棧

#include "iostream"
#line 100
using namespace std;
int main(int argc, char* argv[])
{
cout<<"__LINE__:"<<__LINE__<<endl;
return 0;
}

/*--------------------
* 輸出結果爲：
* __LINE__:103
* 本來輸出的結果應該是 7，但是用#line指定行號之後，使下一行的行號變爲,
* 到輸出語句恰爲行103
---------------------*/
C/C++編譯過程
或者程序指示編譯器去鏈接系統動態鏈接庫或用戶自定義鏈接庫
二、編譯、優化階段
經過預編譯得到的輸出文件中，只有常量；如數字、字符串、變量的定義，以及C語言的關鍵字，如main,if,else,for,while,{,}, +,-,*,\等等。
在《編譯原理》中我們可以瞭解到一個編譯器對程序代碼的編譯主要分爲下面幾個過程：
a) 詞法分析
b) 語法分析
c) 語義分析
d) 中間代碼生成
e) 代碼優化
f) 代碼生成
g) 符號表管理
h) 將多個步驟組合成趟
i) 編譯器構造工具
在這裏我們主要強調對函數壓棧方式（函數調用約定）的編譯處理
C與C++語言調用方式大體相同，下面是幾種常用的調用方式：

__cdecl 是C DECLaration的縮寫（declaration，聲明），表示C語言默認的函數調用方法：所有參數從右到左依次入棧，

這些參數由調用者清除，稱爲手動清棧。被調用函數不需要求調用者傳遞多少參數，調用者傳遞過多或者過少的參數，

甚至完全不同的參數都不會產生編譯階段的錯誤。

_stdcall 是StandardCall的縮寫，是C++的標準調用方式：所有參數從右到左依次入棧，如果是調用類成員的話，

最後一個入棧的是this指針。這些堆棧中的參數由被調用的函數在返回後清除，使用的指令是 retnX，X表示參數佔用的字節數，

CPU在ret之後自動彈出X個字節的堆棧空間。稱爲自動清棧。函數在編譯的時候就必須確定參數個數，

並且調用者必須嚴格的控制參數的生成，不能多，不能少，否則返回後會出錯。

PASCAL 是Pascal語言的函數調用方式，在早期的c/c++語言中使用這種調用方式，

參數壓棧順序與前兩者相反，但現在我們在程序中見到的都是它的演化版本，其實

#pragma comment(lib,_T("GDI32.lib"))
#ifdef _MSC_VER
/*
* Currently, all MS C compilers for Win32 platforms default to 8 byte
* alignment.
*/
#pragma pack(push,_CRT_PACKING)
#endif /* _MSC_VER */

C/C++編譯過程
質是另一種調用方式
_fastcall是編譯器指定的快速調用方式。由於大多數的函數參數個數很少，使用堆棧傳遞比較費時。因此_fastcall通常規定將前兩個（或若干個）參數由寄存器傳遞，其餘參數還是通過堆棧傳遞。不同編譯器編譯的程序規定的寄存器不同。返回方式和_stdcall相當。
_thiscall 是爲了解決類成員調用中this指針傳遞而規定的。_thiscall要求把this指針放在特定寄存器中，該寄存器由編譯器決定。VC使用ecx，Borland的C++編譯器使用eax。返回方式和_stdcall相當。
_fastcall 和 _thiscall涉及的寄存器由編譯器決定，因此不能用作跨編譯器的接口。所以Windows上的COM對象接口都定義爲_stdcall調用方式。
C中不加說明默認函數爲_cdecl方式（C中也只能用這種方式），C++也一樣，但是默認的調用方式可以在IDE環境中設置。簡單的我們可以從printf函數看出
printf使用從從左至右壓棧，返回int型並由_CRTIMP指定封在動態鏈接庫中。
通過金典的hello world程序我們可以知道編譯器對其argc和argv[]這兩個參數進行了壓棧，並且argc留在了棧頂
優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，而且同機器的硬件環境也有很大的關係。優化處理主要分爲下面幾個過程：
1) 局部優化
a) 基本塊的劃分
b) 基本塊的變換
c) 基本塊的DAG表示
d) DAG的應用
e) 構造算法討論
2) 控制流分析和循環優化
a) 程序流圖與循環

/*金典的hello world*/
#include <stdio.h>
int main(int argc, char* argv[])
{
printf("hello world");
return 0;
}
_Check_return_opt_ _CRTIMP int __cdecl printf(_In_z_ _Printf_format_string_ const char * _Format, ...);
#define CALLBACK _stdcall /* Windows程序回調函數*/
#define WINAPI _stdcall
#define WINAPIV _cdecl
#define PASCAL _stdcall /*在c++語言中使用了StandardCall調用方式*/
#define PASCAL _cdecl/*在c語言中使用了C DECLaration調用方式*/

C/C++編譯過程
b) 循環
c) 循環的查找
d) 可歸約流圖
e) 循環優化
3) 數據流的分析與全局優化
a) 一些主要的概念
b) 數據流方程的一般形式
c) 到達一定值數據流方程
d) 可用表達式及其數據流方程
e) 活躍變量數據流方程
f) 複寫傳播
經過優化得到的彙編代碼必須經過彙編程序的彙編轉換成相應的機器指令，方可能被機器執行。

三、彙編過程

彙編過程實際上指把彙編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語言源程序，

都將最終經過這一處理而得到相應的目標文件。目標文件中所存放的也就是與源程序等效的目標的機器語言代碼。

目標文件由段組成。通常一個目標文件中至少有兩個段： 代碼段：該段中所包含的主要是程序的指令。

該段一般是可讀和可執行的，但一般卻不可寫。 數據段：主要存放程序中要用到的各種全局變量或靜態的數據。一般數據段都是可讀，可寫，可執行的。

四、鏈接程序

由彙編程序生成的目標文件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，某個源文件中的函數可能引用了另一個源文件中定義的某個符號（如變量或者函數調用等）；

在程序中可能調用了某個庫文件中的函數，等等。所有的這些問題，都需要經鏈接程序的處理方能得以解決。

鏈接程序的主要工作就是將有關的目標文件彼此相連接，也即將在一個文件中引用的符號同該符號在另外一個文件中的定義連接起來，

使得所有的這些目標文件成爲一個能夠誒操作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鏈接方式的不同，鏈接處理可分爲兩種：

（1）靜態鏈接 在這種鏈接方式下，函數的代碼將從其所在地靜態鏈接庫中被拷貝到最終的可執行程序中。

這樣該程序在被執行時這些代碼將被裝入到該進程的虛擬地址空間中。靜態鏈接庫實際上是一個目標文件的集合，

其中的每個文件含有庫中的一個或者一組相關函數的代碼。

（2） 動態鏈接
在此種方式下，函數的代碼被放到稱作是動態鏈接庫或共享對象的某個目標文件中。鏈接程序此時所作的只是在最終的可執行程序中記錄下共享對象的名字以及其它少量的登記信息。在此可執行文件被執行時，動態鏈接庫的全部內容將被映射到運行時相應進程的虛地址空間。動態鏈接程序將根據可執行程序中記錄的信息找到相應的函數代碼。C/C++編譯過程對於可執行文件中的函數調用，可分別採用動態鏈接或靜態鏈接的方法。使用動態鏈接能夠使最終的可執行文件比較短小，並且當共享對象被多個進程使用時能節約一些內存，因爲在內存中只需要保存一份此共享對象的代碼。但並不是使用動態鏈接就一定比使用靜態鏈接要優越。在某些情況下動態鏈接可能帶來一些性能上損害。