C語言的編譯連接過程詳解

學過C語言的人都應該知道，咱們所編輯的C語言程序是不能直接放到機器上運行的，它只不過是一個帶".c"後綴的文件（也稱爲源代碼）而已，須要通過必定的處理才能轉換成機器上可運行的可執行文件。咱們將對C語言的這種處理過程稱爲編譯與連接。

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過程。

連接是把目標文件、操做系統的啓動代碼和用到的庫文件進行組織最終造成可執行代碼的過程。編譯和連接的過程圖解以下：

從圖上可知，整個代碼的編譯過程分爲編譯和連接兩個過程，其中編譯對應圖中的大括號括起來部分，其他則爲連接過程。

 

其中編譯過程又分爲兩個階段：編譯和彙編。

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，源文件的編譯過程主要包含兩個階段：

第一個階段是：預處理階段，在正式的編譯階段以前進行。預處理階段將根據已放置的文件中的預處理指令來修改源文件的內容。如#include指令就是一個預處理指令，他把文件的內容添加到.cpp文件中。這個在編譯以前修改源文件的方式提供了很大的靈活性，以適應不一樣的計算機和操做系統環境的限制。一個環境所須要的可執行代碼跟另外一個環境所須要的可執行代碼可能有所不一樣，由於可用的硬件體系結構和操做系統不一樣所致。在許多狀況下（特別是在嵌入式開發中），能夠把用於不一樣環境的代碼放在同一個文件中，再在預處理階段修改代碼，使之適應環境。

預處理階段主要是如下幾方面的處理：

1）、宏定義指令，如#define、M a；

對於這種僞指令，預編譯所要作的是將程序中的全部M用a來替換，必定要注意做爲字符常量a則不被替換（由於已是常量，其值已是肯定的）。與之相對應的還有#undef，則是將取消對某個宏的定義，使之在後面出現時再不被替換。

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能夠經過定義不一樣的宏來決定編譯程序對哪些代碼進行處理。換言而之也就是預編譯程序將根據有關的文件，將哪些沒必要要的代碼過濾掉。

3）、頭文件包含指令，如#include等。

在頭文件中通常用僞指令#define定義了大量的宏（最多見的是字符常量），同時包含各類外部符號的聲明。採用頭文件的主要目的是爲了使某些定義能夠供多個不一樣的C源程序使用。由於當須要使用到這些定義的C源程序中，只須要加上一條#include語句便可，而沒必要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定義通通加入到它所產生的輸出文件中，以供編譯程序對之處理。在linux操做系統中包含到C源程序中的頭文件能夠是系統提供的，這些頭文件通常被放在/usr/include/目錄下。在程序中使用它們，#include要使用尖括號<>；另外開發人員也能夠定義本身的頭文件，這些文件通常與C源程序放在同一目錄下，此時在#include中要使用""。

4）、特殊符號，預編譯程序能夠識別一些特殊的符號。

例如，在源程序中出現的LINE標識符將被解釋爲當前行號（十進制），FILE則被解釋爲當前被編譯的C源程序的文件名稱，FUNCTION則被解釋爲當前被編譯的C源程序中的函數名稱。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，這些經常是配套使用，用來進行對程序的調試。

最後須要着重強調一點的是預處理階段並不屬於預編譯過程，這常常是初學者容易搞錯的。

預編譯程序所完成的基本上是對源程序的"替換"工做。通過此替換後，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通過預處理的源文件是相同的，但內容有所不一樣。下一步，此輸出文件將做爲編譯程序的輸出而被翻譯成爲機器指令。

第二個階段是：編譯、優化，通過預編譯獲得的輸出文件中只有常量，通常都是一些指令。

編譯程序所要作的工做就是經過詞法分析和語法分析，在確認全部指令都是符合語法規則以後，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複雜高深的技術。它涉及到的問題不只同編譯技術有關，並且跟機器的硬件環境也有關。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。另外一種優化則主要針對目標代碼的生成而進行的,這種優化與硬件環境有莫大的關係。

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

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的有關變量的值，以減小對於內存的訪問次數（要知道內存資源對於計算機相當重要，控制好它能夠大幅提升計算機的運算速度）。另外，如何根據機器硬件執行指令的特色（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。

 

彙編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個C語言源程序，都將最終通過這一處理而獲得相應的目標文件。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。一般一個目標文件中至少有兩個段：代碼段和數據段；

代碼段：該段中所包含的主要是程序的指令。該段通常是可讀和可執行的，但通常卻不可寫。
數據段：主要存放程序中要用到的各類全局變量或靜態的數據。通常數據段都是可讀，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連接來建立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連接的代碼和數據。第一種是連接程序可把它與其它可重定位文件及共享的目標文件一塊兒處理來建立另外一個目標文件；第二種是動態連接程序將它與另外一個可執行文件及其它的共享目標文件結合到一塊兒，建立一個進程映象。
3）可執行文件：它包含了一個能夠被操做系統建立一個進程來執行的文件。彙編程序生成的其實是第一種類型的目標文件。對於後兩種還須要其餘的一些處理方能獲得，這個就是連接程序的工做了。

 

連接過程是由彙編程序生成的目標文件並不能當即就被執行，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外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。全部的這些問題，都須要經連接程序的處理方能得以解決。
連接程序的主要工做就是將有關的目標文件彼此相鏈接，也即將在一個文件中引用的符號同該符號在另一個文件中的定義鏈接起來，使得全部的這些目標文件成爲一個可以按操做系統裝入執行的統一總體。
根據開發人員指定的同庫函數的連接方式的不一樣，連接處理可分爲兩種：
1）靜態連接
在這種連接方式下，函數的代碼將從其所在地靜態連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。靜態連接庫其實是一個目標文件的集合，其中的每一個文件含有庫中的一個或者一組相關函數的代碼。
2） 動態連接
在此種方式下，函數的代碼被放到稱做是動態連接庫或共享對象的某個目標文件中。連接程序此時所做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許的登記信息。在此可執行文件被執行時，動態連接庫的所有內容將被映射到運行時相應進程的虛地址空間。動態連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，可分別採用動態連接或靜態連接的方法。使用動態連接可以使最終的可執行文件比較短小（沒有將函數部分拷貝），而且當共享對象被多個進程使用時能節約一些內存，由於在內存中只須要保存一份此共享對象的代碼。但並非使用動態連接就必定比使用靜態連接要優越。在某些狀況下動態連接可能帶來一些性能上損害，例如移植性將大大下降。
咱們在linux使用的gcc編譯器即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做完成，這的確方便了編譯工做，但爲了初學者瞭解編譯過程，下圖便給出了gcc代理的編譯過程：

從上圖能夠看到：
a、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

 

 

b、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

c、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

d、連接
將.o文件轉化成可執行程序
使用的gcc 命令是： gcc
對應於連接命令是 ld

 

總結起來編譯過程就上面的四個過程：預編譯、編譯、彙編、連接。瞭解了這四個過程當中所作的工做，對咱們理解頭文件、庫等的工做過程是有幫助的，並且清楚的瞭解編譯連接過程還對咱們在編程時定位錯誤，以及編程時儘可能調動編譯器的檢測錯誤會有很大的幫助的。

呵呵，看完這些是否是對C語言的整個運行過程又有了進一步的瞭解呀！其實機器比人笨得多哦，進行一個進程的執行機器都須要無跳躍的一步一步的進行，不能像人的思惟那樣有跳躍性。^-^說到這裏相信你有必定的感悟哦！呵呵...