C语言编译和链接超详解

1. 翻译环境和运行环境

在 ANSIC 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。

本文便是着重介绍翻译环境的。

2. 翻译环境

那翻译环境是怎么将源代码转换为可执行的机器指令的呢?这里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语言的项目中可能有多个.c文件一起构建，那多个.c 文件如何生成可执行程序呢?

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。

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。

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。
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。

如果再把编译器展开成3个过程，那就变成了下面的过程：

2.1 预处理(预编译)

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VSCode， 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

由于不便用图片观察，所以这里不做展示，感兴趣的话可以使用VSCode自行搭建 gcc 编译环境，当然这有一定的门槛，如果你是初学者，那就不建议浪费时间在这上面。

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:

1. 将所有的 #define 删除，并展开所有的宏定义。
2. 处理所有的条件编译指令，如:#if、#ifdef、#elif、#else、#endif。
3. 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。
4. 删除所有的注释
5. 添加行号和文件名标识，方便后续编译器生成调试信息等。
6. 保留所有的#pragma的编译器指令，编译器后续会使用。
7. 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

2. 2 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);

2. 2. 1 词法分析

将源代码程序被输入扫描器，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)
上面程序进行词法分析后得到了16个记号，如图所示：

2. 2. 2 语法分析

接下来是语法分析器，将对扫描产生的记号进行语法分析，从而产生语法树。这些语法树是以表达式为节点的树。

2. 2. 3 语义分析

由语义分析器来完成语义分析，即对表达式的语法层面分析。
编译器所能做的分析是语义的静态分析。静态语义分析通常包括声明和类型的匹配，类型的转换等。这个阶段会报告错误的语法信息。

2. 3 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地进行翻译，也不做指令优化。

汇编的命令如下：

gcc -c test.s -o test.o

2. 4 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语言项目中有2个.c文件(test.c 和 add.c)，如下：

//test.c
#include <stdio.h>
//声明外部函数
extern int Add(int x, int y);
//声明外部的全局变量
extern int g_val;
int main()
{int a = 10;int b = 20;int sum = Add(a, b);printf("%d\n", sum);return 0;
}//add.c
int g_val = 2022;
int Add(int x, int y)
{return x + y;
}

我们已经知道，每个源文件都是单独经过编译器处理生成对应的目标文件。
test.c经过编译器处理生成 test.o
add.c 经过编译器处理生成 add.o

我们在 test.c 的文件中使用了 add.c 文件中的 Add 函数和 g_val 变量。

我们在 test.c 文件中每一次使用 Add 函数和 g_val 的时候必须确切的知道 Add 和 g_val 的地址，但是由于每个文件是单独编译的，在编译器编译 test.c 的时候并不知道 Add 函数和 g_val变量的地址，所以暂时把调用 Add 的指令的目标地址和 g_val 的地址搁置。

等待最后链接的时候由链接器根据引用的符号 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，让他们的目标地址为真正的 Add 函数的地址，对于全局变量 g_val 也是类似的方法来修正地址。这个地址修正的过程也被叫做重定位。

我们非常简洁的讲解了一个C语言程序是如何编译和链接，到最终生成可执行程序的过程，其实很多内部的细节无法展开讲解。
比如：目标文件的格式.elf，链接底层实现中的空间与地址分配，符号解析和重定位等，如果你有兴趣，可以看《程序员的自我修养》一书来详细了解。

3. 运行环境

1. 程序必须载入内存中。在有操作系统的环境中，一般这个由操作系统完成。在独立的环境中，程序的载入必须由手工安排，也可能是通过可执行代码置入只读内存来完成。
2. 程序的执行便开始。接着便调用main函数。
3. 开始执行程序代码。这个时候程序将使用一个运行时堆栈，存储函数的局部变量和返回地址。程序同时也可以使用静态内存，存储于静态内存中的变量在程序的整个执行过程一直保留他们的值。
4. 终止程序。正常终止main函数;也有可能是意外终止。

谢谢你的阅读，喜欢的话来个点赞收藏评论关注吧！
我会持续更新更多优质文章