C语言笔记第16篇：编译和链接

1、翻译环境和运行环境

在ANSI C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

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（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，那么多个.c文件如何生成可执行程序呢？

多个.c文件单独经过编译处理生产对应的目标文件(.obj)
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(.obj)和链接库一起经过链接器的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

什么是链接库？

在学习C语言时我们经常会用到库函数，比如printf、scanf，这些函数肯定不是凭空出现的，像这样的库函数是被编译成一个一个的链接库，这些函数都包含在这个链接库中也就是第三方库，是C编译器厂商自己提供的库来供我们使用。在我们的C程序中会用到库函数，但是必须经过链接器目标文件和链接库一起链接才能调用该库函数。

举个例子：比如有一条河，两个人想见面，一个人（程序）在河的这边，而另一个人（库函数实现）在河的那边，那两人想见面（调用）是不是必须搭一座桥，而这座桥就是链接器。

其实还可以把编译器的编译展开成3个过程，那就变成了下面的过程：

Linux环境下：

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位后缀的文件。

在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

预处理阶段主要处理那些源文件中#开始的预处理指令，比如：#include,#define 处理规则如下：

将所有的#define删除，并展开所有宏定义。
处理所有的条件编译指令，如：#if、#ifdef、#elif、#else、#endif。
处理#include预处理指令，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
删除所有注释
添加行号和文件名标识，方便后续编译器生成调试信息等。
或保留所有的#pragma的编译器指令，编译器后续会使用

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：词法分析、语法分析、语义分析、符号汇总（链接阶段会讲一下符号汇总有什么用）及优化，生成相应的汇编指令。简单来说编译过程就是将C语言代码转换成汇编代码。

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）。

上面代码进行词法分析后得到了16个记号：

记号	类型
array	标识符
[	左方括号
index	标识符
]	右方括号
=	赋值
(	左圆括号
index	标识符
+	加号
4	数字
)	右圆括号
*	乘号
(	左圆括号
2	数字
+	加号
6	数字
)	右圆括号

2.2.2 语法分析

接下来语法分析器，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，即对表达是的语法层面分析，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匹配，类型的转换等。这个阶段会报告错误的语法信息。

以上步骤完成后，最后就是将代码生成汇编指令，然后编译阶段就完成了。

2.3 汇编

汇编器是将汇编代码转变（翻译）为可执行的二进制指令，每一个汇编语言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的进行翻译，也不做指令优化。

注：这个过程还会形成符号表，是根据编译过程的符号汇总生成符号表的。

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才生成可执行程序。

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。

链接主要就是处理不同文件之间的相互调用，比如：

add.c

int g_val = 2023;
int Add(int x, int y)
{
    return x + y;
}

test.c

extern int Add(int x,int y);
extern int g_val;
int main()
{
    printf("%d\n",g_val);
    printf("%d\n",Add(2, 3));
    return 0;
}

这两个文件直接是如何链接的才可以相互调用的呢？

注意：这两个文件会生产目标文件：add.obj、test.obj，在生产目标文件之前的编译过程中会对两个文件进行符号汇总，然后在汇编过程中又会形成符号表。比如add.c文件在编译过程中会进行符号汇总：g_val、Add，test.c在编译过程中进行符号汇总：g_val、Add、main，下一步在汇编过程中每个文件汇总出的符号是会形成符号表的，符号表中每个符号都有对应的地址。

例如：add.obj符号表

符号	地址
g_val	0x100
Add	0x200

test.obj符号表

符号	地址
Add	0x000(无效的地址)
g_val	0x000(无效的地址)
main	0x300

注：以上地址是自己填上去的，真正的地址不是这样，只是举个例子使用

test.c里的符号Add和g_val由于是外部声明符号，并不知道符号真实地址，所以形成符号表时就给个无效地址。

链接过程中这些符号表是要进行合并的，多个目标文件都是一个项目的，没必要那么多符号表，所以只需将多个文件的符号表合成一个就够了。

add.obj和test.obj经过链接合并成的符号表：

符号	地址
Add	0x200
g_val	0x100
main	0x300

因为合并时找到了符号本身的有效地址，多以合并时将无效地址替换掉了，最终两个文件的符号表合并在了一起，运行时便可以通过该符号表的地址找到对应符号并调用。

而合并符号表过程中将test.obj符号表中Add符号的无效地址或g_val符号的无效地址替换掉就叫做符号的决议和重定位。

总结：

多个文件之间相互调用首先需要在编译阶段进行符号汇总，然后汇编阶段将汇总出的符号形成符号表，符号表中的每个符号都分配有对应地址。最后在链接阶段将多个目标文件的符号表进行符号表合并，至此多个文件的符号都有了联系，一个文件如果想调用另一个文件的函数就可以通过符号表的地址找到该函数并调用。