深刻理解編輯過程

源碼要運行，必須先轉成二進制的機器碼。這是編譯器的任務。

好比，下面這段源碼（假定文件名叫作test.c）。

#include <stdio.h> int main(void) { fputs("Hello, world!\n", stdout); return 0; } 

要先用編譯器處理一下，才能運行。

$ gcc test.c $ ./a.out Hello, world! 

對於複雜的項目，編譯過程還必須分紅三步。

$ ./configure $ make $ make install 

這些命令到底在幹什麼？大多數的書籍和資料，都語焉不詳，只說這樣就能夠編譯了，沒有進一步的解釋。

本文將介紹編譯器的工做過程，也就是上面這三個命令各自的任務。我主要參考了Alex Smith的文章《Building C Projects》。須要聲明的是，本文主要針對gcc編譯器，也就是針對C和C++，不必定適用於其餘語言的編譯。

第一步 配置（configure）

編譯器在開始工做以前，須要知道當前的系統環境，好比標準庫在哪裏、軟件的安裝位置在哪裏、須要安裝哪些組件等等。這是由於不一樣計算機的系統環境不 同樣，經過指定編譯參數，編譯器就能夠靈活適應環境，編譯出各類環境都能運行的機器碼。這個肯定編譯參數的步驟，就叫作"配置"（configure）。

這些配置信息保存在一個配置文件之中，約定俗成是一個叫作configure的腳本文件。一般它是由autoconf工具生成的。編譯器經過運行這個腳本，獲知編譯參數。

configure腳本已經儘可能考慮到不一樣系統的差別，而且對各類編譯參數給出了默認值。若是用戶的系統環境比較特別，或者有一些特定的需求，就須要手動向configure腳本提供編譯參數。

$ ./configure --prefix=/www --with-mysql 

上面代碼是php源碼的一種編譯配置，用戶指定安裝後的文件保存在www目錄，而且編譯時加入mysql模塊的支持。

第二步 肯定標準庫和頭文件的位置

源碼確定會用到標準庫函數（standard library）和頭文件（header）。它們能夠存放在系統的任意目錄中，編譯器實際上沒辦法自動檢測它們的位置，只有經過配置文件才能知道。

編譯的第二步，就是從配置文件中知道標準庫和頭文件的位置。通常來講，配置文件會給出一個清單，列出幾個具體的目錄。等到編譯時，編譯器就按順序到這幾個目錄中，尋找目標。

第三步 肯定依賴關係

對於大型項目來講，源碼文件之間每每存在依賴關係，編譯器須要肯定編譯的前後順序。假定A文件依賴於B文件，編譯器應該保證作到下面兩點。

（1）只有在B文件編譯完成後，纔開始編譯A文件。

（2）當B文件發生變化時，A文件會被從新編譯。

編譯順序保存在一個叫作makefile的文件中，裏面列出哪一個文件先編譯，哪一個文件後編譯。而makefile文件由configure腳本運行生成，這就是爲何編譯時configure必須首先運行的緣由。

在肯定依賴關係的同時，編譯器也肯定了，編譯時會用到哪些頭文件。

第四步 頭文件的預編譯（precompilation）

不一樣的源碼文件，可能引用同一個頭文件（好比stdio.h）。編譯的時候，頭文件也必須一塊兒編譯。爲了節省時間，編譯器會在編譯源碼以前，先編譯頭文件。這保證了頭文件只需編譯一次，沒必要每次用到的時候，都從新編譯了。

不過，並非頭文件的全部內容，都會被預編譯。用來聲明宏的#define命令，就不會被預編譯。

第五步 預處理（Preprocessing）

預編譯完成後，編譯器就開始替換掉源碼中bash的頭文件和宏。以本文開頭的那段源碼爲例，它包含頭文件stdio.h，替換後的樣子以下。

extern int fputs(const char *, FILE *); extern FILE *stdout; int main(void) { fputs("Hello, world!\n", stdout); return 0; } 

爲了便於閱讀，上面代碼只截取了頭文件中與源碼相關的那部分，即fputs和FILE的聲明，省略了stdio.h的其餘部分（由於它們很是長）。另外，上面代碼的頭文件沒有通過預編譯，而實際上，插入源碼的是預編譯後的結果。編譯器在這一步還會移除註釋。

這一步稱爲"預處理"（Preprocessing），由於完成以後，就要開始真正的處理了。

第六步 編譯（Compilation）

預處理以後，編譯器就開始生成機器碼。對於某些編譯器來講，還存在一箇中間步驟，會先把源碼轉爲彙編碼（assembly），而後再把彙編碼轉爲機器碼。

下面是本文開頭的那段源碼轉成的彙編碼。

.file "test.c" .section .rodata .LC0: .string "Hello, world!\n" .text .globl main .type main, @function main: .LFB0: .cfi_startproc pushq %rbp .cfi_def_cfa_offset 16 .cfi_offset 6, -16 movq %rsp, %rbp .cfi_def_cfa_register 6 movq stdout(%rip), %rax movq %rax, %rcx movl $14, %edx movl $1, %esi movl $.LC0, %edi call fwrite movl $0, %eax popq %rbp .cfi_def_cfa 7, 8 ret .cfi_endproc .LFE0: .size main, .-main .ident "GCC: (Debian 4.9.1-19) 4.9.1" .section .note.GNU-stack,"",@progbits 

這種轉碼後的文件稱爲對象文件（object file）。

第七步 鏈接（Linking）

對象文件還不能運行，必須進一步轉成可執行文件。若是你仔細看上一步的轉碼結果，會發現其中引用了stdout函數和fwrite函數。也就是說，程序要正常運行，除了上面的代碼之外，還必須有stdout和fwrite這兩個函數的代碼，它們是由C語言的標準庫提供的。

編譯器的下一步工做，就是把外部函數的代碼（一般是後綴名爲.lib和.a的文件），添加到可執行文件中。這就叫作鏈接（linking）。這種經過拷貝，將外部函數庫添加到可執行文件的方式，叫作靜態鏈接（static linking），後文會提到還有動態鏈接（dynamic linking）。

make命令的做用，就是從第四步頭文件預編譯開始，一直到作完這一步。

第八步 安裝（Installation）

上一步的鏈接是在內存中進行的，即編譯器在內存中生成了可執行文件。下一步，必須將可執行文件保存到用戶事先指定的安裝目錄。

表面上，這一步很簡單，就是將可執行文件（連帶相關的數據文件）拷貝過去就好了。可是實際上，這一步還必須完成建立目錄、保存文件、設置權限等步驟。這整個的保存過程就稱爲"安裝"（Installation）。

第九步 操做系統鏈接

可執行文件安裝後，必須以某種方式通知操做系統，讓其知道可使用這個程序了。好比，咱們安裝了一個文本閱讀程序，每每但願雙擊txt文件，該程序就會自動運行。

這就要求在操做系統中，登記這個程序的元數據：文件名、文件描述、關聯後綴名等等。Linux系統中，這些信息一般保存在/usr/share /applications目錄下的.desktop文件中。另外，在Windows操做系統中，還須要在Start啓動菜單中，創建一個快捷方式。

這些事情就叫作"操做系統鏈接"。make install命令，就用來完成"安裝"和"操做系統鏈接"這兩步。

第十步 生成安裝包

寫到這裏，源碼編譯的整個過程就基本完成了。可是隻有不多一部分用戶，願意耐着性子，從頭至尾作一遍這個過程。事實上，若是你只有源碼能夠交給用 戶，他們會認定你是一個不友好的傢伙。大部分用戶要的是一個二進制的可執行程序，馬上就能運行。這就要求開發者，將上一步生成的可執行文件，作成能夠分發 的安裝包。

因此，編譯器還必須有生成安裝包的功能。一般是將可執行文件（連帶相關的數據文件），以某種目錄結構，保存成壓縮文件包，交給用戶。

第十一步 動態鏈接（Dynamic linking）

正常狀況下，到這一步，程序已經能夠運行了。至於運行期間（runtime）發生的事情，與編譯器一律無關。可是，開發者能夠在編譯階段選擇可執行 文件鏈接外部函數庫的方式，究竟是靜態鏈接（編譯時鏈接），仍是動態鏈接（運行時鏈接）。因此，最後還要提一下，什麼叫作動態鏈接。

前面已經說過，靜態鏈接就是把外部函數庫，拷貝到可執行文件中。這樣作的好處是，適用範圍比較廣，不用擔憂用戶機器缺乏某個庫文件；缺點是安裝包會 比較大，並且多個應用程序之間，沒法共享庫文件。動態鏈接的作法正好相反，外部函數庫不進入安裝包，只在運行時動態引用。好處是安裝包會比較小，多個應用 程序能夠共享庫文件；缺點是用戶必須事先安裝好庫文件，並且版本和安裝位置都必須符合要求，不然就不能正常運行。

現實中，大部分軟件採用動態鏈接，共享庫文件。這種動態共享的庫文件，Linux平臺是後綴名爲.so的文件，Windows平臺是.dll文件，Mac平臺是.dylib文件。

（文章完）