一個程序從源代碼到可執行程序的過程

一個源程序到一個可執行程序的過程：預編譯、編譯、彙編、連接。
其中，編譯是主要部分，其中又分爲六個部分：詞法分析、語法分析、語義分析、中間代碼生成、目標代碼生成和優化。
連接中，分爲靜態連接和動態連接，本文主要是靜態連接。

1、預編譯：主要處理源代碼文件中的以「#」開頭的預編譯指令。處理規則見下
1.刪除全部的#define，展開全部的宏定義。
2.處理全部的條件預編譯指令，如「#if」、「#endif」、「#ifdef」、「#elif」和「#else」。
3.處理「#include」預編譯指令，將文件內容替換到它的位置，這個過程是遞歸進行的，文件中包含其餘文件。
4.刪除全部的註釋，「//」和「/**/」。
5.保留全部的#pragma 編譯器指令，編譯器須要用到他們，如：#pragma once 是爲了防止有文件被重複引用。
6.添加行號和文件標識，便於編譯時編譯器產生調試用的行號信息，和編譯時產生編譯錯誤或警告是可以顯示行號。

C語言的宏替換和文件包含的工做，不納入編譯器的範圍，而是交給獨立的預處理器。
C語言中源代碼文件的文件擴展名爲.c，頭文件的文件擴展名爲.h，經預編譯以後，生成xxx.i文件。
在C++，源代碼文件的擴展名是.cpp或.cxx，頭文件的文件擴展名爲.hpp，經預編譯以後，生成xxx.ii文件。

2、編譯：把預編譯以後生成的xxx.i或xxx.ii文件，進行一系列詞法分析、語法分析、語義分析及優化後，生成相應的彙編代碼文件。

(結合程序來講明編譯的幾個步驟)
有C語言的源代碼以下：
arr[3] = (a+4)*(3+8);

1.詞法分析：利用相似於「有限狀態機」的算法，將源代碼程序輸入到掃描機中，將其中的字符序列分割成一系列的記號。
以上的一行C語言程序，一共有16個空字符，經掃描機掃描以後，產生了16個記號。lex能夠實現詞法分析。見下表：

見上圖：
詞法分析產生的記號分類有：關鍵字、標識符、字面量(數字、字符串)、特殊符號(加號、等號等)

2.語法分析：語法分析器對由掃描器產生的記號，進行語法分析，產生語法樹。由語法分析器輸出的語法樹是一種以表達式爲節點的樹。上述的代碼就是
各類表達式的組合：賦值表達式、加法表達式、乘法表達式、數組表達式和括號表達式組成的複雜表達式。yacc能夠實現語法分析，根據用戶給定的規則(不一樣的編程語言對應不一樣的語法規則)對記號表進行解析。

見上圖：
整個語句被看做是一個「賦值表達式」，「=」左邊是一個「數組表達式」，右邊是一個「乘法表達式」。數組表達式又由兩個符號表達式組成，符號表達式就是最小的表達式，以後同理。

在語法分析的同時，就把運算符的優先級肯定了下來，若是出現表達式不合法，——各類括號不匹配、表達式中缺乏操做，編譯器就會報錯。

3.語義分析：語法分析器只是完成了對錶達式語法層面的分析，語義分析器則對表達式是否有意義進行判斷，其分析的語義是靜態語義——在編譯期能分期的語義，相對應的動態語義是在運行期才能肯定的語義。
其中，靜態語義一般包括：聲明和類型的匹配，類型的轉換，那麼語義分析就會對這些方面進行檢查，例如將一個int型賦值給int*型時，語義分析程序會發現這個類型不匹配，編譯器就會報錯。

通過語義分析階段以後，全部的符號都被標識了類型(若是有些類型須要作隱式轉化，語義分析程序會在語法樹中插入相應的轉換節點)，見下圖：

這個語句中的類型都是int型，無須作轉換。

4.優化:*源代碼級別的一個優化過程*，例如該語句中的(3+8)的值能夠在編譯期肯定，源代碼優化器會將整個語法樹轉換成中間代碼——語法樹的順序表示，十分接近目標代碼。
中間代碼有不少種類型，最多見的是「三地址碼」和「P-代碼」,其中三地址碼的基本形式爲：x = y op z，表示將變量y和z進行op操做後，賦值給x，op操做能夠是加減乘除等。
經優化以後的語法樹爲：

該語句的三地址碼：
t1 = 3 + 8;
t2 = a + 4;
t3 = t2 * t1;
arr[3] = t3;

t1由數字11代替，省去t3，經優化或的三地址碼爲：
t2 = a +4;
t2 = t2 + 11;
arr[3] = t2;

另外一個關於中間代碼的要點：中間代碼使得編譯器能夠被分紅前端和後端，編譯器前端負責產生與機器無關的中間代碼，編譯器後端將中間代碼轉換爲機器代碼。
源代碼優化去產生中間代碼標誌着下面的過程都屬於編譯器後端，後端主要包括：代碼生成器和目標代碼優化器。

5.目標代碼生成：由代碼生成器將中間代碼轉換成目標機器代碼，生成一系列的代碼序列——彙編語言表示。

6.目標代碼優化：目標代碼優化器對上述的目標機器代碼進行優化：尋找合適的尋址方式、使用位移來替代乘法運算、刪除多餘的指令等。

上述的六個步驟完畢以後，編譯過程也就告一段落了。最終產生了由彙編語言編寫的目標代碼。

gcc把預編譯和編譯兩個步驟合併成一個步驟。對於C語言的代碼，是用「cc1」這個程序來完成這兩步，對於C++代碼，對應的程序爲「cc1plus」。gcc這個命令只是後臺程序的包裝，根據不一樣的參數去調用：預編譯編譯程序——cc1，彙編器——as，鏈接器——ld。

C語言的代碼，經編譯後產生的文件名爲xxx.s。

3、彙編：將彙編代碼轉變成機器能夠執行的指令(機器碼文件)。
彙編器的彙編過程相對於編譯器來講更簡單，沒有複雜的語法，也沒有語義，更不須要作指令優化，只是根據彙編指令和機器指令的對照表一一翻譯過來，彙編過程有彙編器as完成。

經彙編以後，產生目標文件(與可執行文件格式幾乎同樣)xxx.o(Windows下)、xxx.obj(Linux下)。

可是，通過預編譯、編譯、彙編以後，生成機器能夠執行的目標文件以後，還有一個問題——變量a和數組arr的地址尚未肯定。這就須要連接器來搞定啦~

4、連接：
一、歷史過程：曾經，程序猿門在編程時，使用紙帶做爲最原始的存儲設備，每當程序須要修改時，都要從新紮一條紙帶，扎孔的表示1，不扎的是0，一串串1和0就組成了各類各樣的指令——跳轉等等….
每一次的修改都很是痛苦，因此先知們就發明了彙編語言，這種編程語言方便之處在於符號的引用，表示跳轉指令再也不須要記住一串串0和1，終於可使用符號——foo來表示這個動做了！
隨着彙編語言的普及，程序的代碼量也就開始快速膨脹了，彙編語言說它也撐不住了….不過還好，高級編程語言Fortran、C、C++等一個接一個地問世，語言愈來愈方便了，追求perfect的人們就想：代碼咋寫更好呢？可不能夠把代碼按照功能的不一樣，分紅不一樣的部分，便於往後的修改和重複使用呢？
有了這個啓發，程序猿們愈來愈駕輕就熟，他們開始把代碼按照功能和性質劃分，分別造成不一樣的功能模塊，不一樣的模塊之間又按照各類結構來組織。
發展到現在，軟件的規模愈來愈大，代碼動輒數百萬行代碼，放在一個模塊那是萬萬不行的，維護起來會很是麻煩，全部如今的大型軟件每每擁有成千上萬的模塊，
模塊之間相互獨立又相互依賴。
新的問題來了，一個程序被分割成這麼多模塊，最後要怎麼把這些模塊組合造成一個單一的程序?
答案就是：模塊之間，符號的引用！
這就像是一張畫有大樹的拼圖，葉子、枝幹、根系都零散的分佈在那些拼圖碎片上，想要看到完整的大樹，咱們就會耐心地把那些碎片拼合在一塊兒。

這些模塊之間一樣如此，它們依靠那些凸起和凹陷聯繫在一塊兒，最終組合成一個完整的程序，這樣的過程稱爲——連接。

這樣基於符號的模塊化，使得連接過程在整個程序開發中顯得十分重要和突出…..

二、下面就靜態連接，進行分析。
1.連接：「組裝」模塊的過程。
2.連接的內容：把各個模塊之間相互引用的部分都處理好，使得各個模塊之間可以正確地銜接。(就像拼圖，凸起和凹槽的位置必定一一對應，不然…)
3.連接的過程：地址和空間的分配、符號決議(也叫「符號綁定」，傾向於動態連接)和重定位
以gcc編譯器爲例，看基本的連接過程：

.c文件通過編譯器、彙編器以後獲得目標文件.o，目標文件再與庫進行連接獲得可執行文件.out。
庫其實就是一組目標文件的打包，這些目標文件中都是一些經常使用的代碼。

咱們在fun.c模塊中定義了函數foo()，在main.c模塊中引用了foo()函數，在編譯過程中，編譯器並不知道main.c中foo()的地址，因此將調用foo()的指令的目標地址部分擱置，
等到了連接的階段，連接器會去找到foo()定義的那個模塊，在main.o中填入正確的函數地址，這個修改地址的過程被叫作「重定位」，每一個被修正的地方叫「重定位入口」。

以上就是一個程序從源代碼到可執行程序的大體過程，這是博主根據《程序員的自我修養——連接、裝載與庫》來整理的，有興趣的同窗能夠本身去琢磨琢磨~