10.程序的链接

可执行文件生成过程

#include <stdio.h>

int main()
{
    printf("hello world\n");
}

程序的功能是在屏幕上输出 hello world。

• 文本编辑器输入程序，hello.c ，用 ASCII 表示的文本文件

• 预处理，(cpp) hello.c 处理为 hello.i 用 ASCII 表示的文本文件

• 编译，(cc1) hello.i 处理为 hello.s 汇编语言程序文件，这还是用 ascii 表示的文本

• 汇编，(as) hello.c 处理为 hello.o 可重定位目标程序，二进制文件，一条一条机器指令，计算机直接是被执行

• 源程序调用了 printf ，需要用 ld 链接，把不同模块拼接起来

Linux 下使用的工具

• 预处理过程，处理预编译指令，

  • gcc -E hello.c -o hello.i

  • cpp hello.c > hello.i

  • 删除 #define 并展开对应的宏

  • 处理条件预编译指令

  • 插入头文件到 #include ，递归方式处理

  • 删除注释

  • 添加行号和文件摸标识，供调试用

  • 保留编译指令，#pragma 后面编译器用

• 编译过程，词法分析，语法分析，语义分析，生成汇编代码文件。此程序称为编译器，compiler

  • gcc -S hello.i -o hello.s

  • gcc -S hello.c -o hello.s 两步合一步

  • /usr/lib/gcc/***/cc1 hello.c

  • 编译后，得到汇编代码文件(汇编语言源程序)，人可读的 ascii 文件，CPU 不可读

• 汇编过程，汇编器把汇编语言源程序转换为机器指令序列(机器语言程序)。汇编代码源程序和机器语言程序都是机器级代码，一一对应，

  • gcc -c hello.s -o hello.o

  • gcc -c hello.c -o hello.o 三步合一

  • as hello.s -o hello.o

  • 得到的为可重定位目标文件，

• 链接，前面步骤针对的是一个模块(一个 .c 文件)，得到一个目标文件，链接将多个 .o 合并，生成可执行文件

  • gcc -static -o myproc main.o test.o

  • ld -static -o myproc main.o test.o

  • 不指定输出文件名，默认为 a.out

gcc 是上面的 cpp cc1 as 工具的集合。

链接器

最早的时候，穿孔纸袋编程。存在跳转地址，但是只有修改了就比较麻烦。后来出现了汇编，用符号表示跳转位置，而非绝对地址，即汇编程序中做的事，程序确定后，手工汇编。链接时，先确定标号的地址，然后把地址填入最终的二进制文件中。

高级语言出现后，多人开发，子程序的地址，实际上函数名就是符号。函数名、变量名就是符号的定义引用。本质上和汇编中的符号没区别。最终编译，在链接之前，调用时跳转的地址是无法确定的。链接时，才能确定最终的地址

链接操作的步骤

• 符号解析：确定符号的引用，互相之间的调用关系

• 合并模块，把代码和数据都合到一起，放到同一个地址空间，虚拟地址空间，

• 确定符号地址，合并不同模块到一个地址空间以后，代码放一起，数据放一起，相对位置救恩确定了

• 指令中填入新地址。

链接的好处：

• 模块化，

  • 一个程序可以分模块

  • 公共库，如数学、C标准库

• 效率高

  • 时间上，可以分开编译，只编译修改过的模块

  • 空间上，源文件无需包含共享库的源码，

链接的本质

例程

// main.c
int buf[2] = {1,2};

void swap();

int main()
{
    swap();
    return 0;
}

// swap.c
extern int buf[];

int *bufp0 = &buf[0];
static int *bufp1;

void swap()
{
    int temp;

    bufp1 = &buf[1];
    temp = *bufp0;
    *bufp0 = *bufp1;
    *bufp1 = temp;
}

每个模块有自己的代码数据。初始化的全局变量，未初始化的全局变量，静态变量，局部变量。

局部变量分配在栈中，不能在过程(函数)外被引用，因此不是符号定义。

• gcc -O2 -g -o p main.c swap.c

两个源码分别转换生成 main.o 和 swap.o ，生成可重定位的二进制文件，此时这里面的符号还没有值，地址没有值。

链接过程的本质 ： 合并相同的节

上面代码里，每个模块有的节 .text .data .bss

可执行文件存储

可执行文件里有一段，程序头表，程序头表描述了如何映射，即链接时，程序不知道是去哪里执行的，代码段会装到内存里去执行，具体装载的位置还不知道。链接的时候把可执行文件合并到了虚拟地址空间里，

在程序运行时的空间，

目标文件

目标文件指包含目标代码(机器语言代码)的文件。早期非标准，几种标准的格式

• DOS 里 .com ，

• linux 里 elf 格式

三类目标文件

• 可重定位目标文件。代码和数据可以和其他可重定位文件合并为可执行文件

  • 每个 .o 由对应的 .c 生成

  • 每个 .o 文件代码和数据地址从 0 开始

• 可执行目标文件

  • linux 默认为 a.out

  • windows 为 .exe

  • 包含的代码和数据可以直接被复制到内存执行

  • 代码和数据地址为虚拟地址空间中的地址

• 共享的目标文件 (linux中的 *.so)

  • 特殊的可重定位目标文件，在运行时装入内存并自动链接，共享库文件

  • windows 中为 *.dll

可重定位文件和可执行文件都是 ELF 格式的文件，可以使用 file 指令查看。

ELF 文件的两种视图

• 链接视图(被链接)：可重定位目标文件

• 执行视图(被执行)：可执行目标文件

从链接视图来看，ELF 文件由节构成，节是 ELF 中由相同特征的最小处理单位

• .text

• .data

• .rodata

• .bss

从执行视图来看，ELF 文件由段组成，程序头表反映了不同节和段的关系。节到段的映射。比如 .data 节和 .bss 节映射到一个可读可写段中。

可重定位文件

.c 经过编译汇编生成 .o ，这个文件里有不同的节

• ELF 头，

  • 包含16byte标识信息，

  • 文件l类型 (.o ,so)

  • 机器类型 (IA-32)

  • 节头表的偏移、节头表表项大小和个数

• .text 节

  • 编译之后的代码部分

• .rodata 节

  • 只读数据，如printf的格式串，switch case 的跳转表

• .data 节

  • 已初始化的全部变量

• .bss 节

  • 未初始化的全局变量

.bss 节仅是占位符，文件中不占用磁盘空间，仅在节头表里说有这么个东西。节头表指出长度。区分初始化和未初始化是为了空间效率。