[C++知识库]程序是如何被编译的？以gcc为例

编译过程

? 对于一个C/C++程序来说，在编写完代码之后到运行之间，需要完成编译的过程。我一直对这个过程有很多疑问，今天整理一下这个编译的大概流程。

选择一个编译器

? 计算机只能运行二进制代码，一个信息的组成，由信息本身的二进制串和解释方式构成。

? 我们需要将高级语言的代码，通过编译器编译成二进制代码之后，交给CPU进行解码和处理。这个编译的过程需要软件来进行，这种软件就是编译器

? 常用的C/C++编译器有，GCC，g++，clang等。基于Linux使用的常见的是GCC编译器，这篇文章也是基于这个编译器进行的

? 首先介绍一下GCC的基本使用方式：

? GCC编译器是通过shell的方式进行使用的（就是在内个黑框框里面）。大概的格式是：

gcc [参数] [代码文件]

? 常见的参数有：

-E //进行预处理
-S //进行编译而不进行汇编和链接
-o //将文件输出到指定的文件里面（可以理解为，重命名）
-c //编译和汇编，但是不链接

? 这些参数大家也许现在不知道是干什么的，一会会结合例子讲解的

编译流程

? 我们选择好一个编译器之后，接下来就是进行正式的编译了。

? 我们基于单个文件的编译过程：

拥有一个c文件

? 让我们先拥有一个c文件：main.c

#include<stdio.h>
#define MAX 100
int main(void){
    int i=MAX;
    printf("HelloWorld\n");
    return 0;
 }

? ok，这是最简单的c语言程序了。

编译的具体流程

GCC编译经过四个阶段：

预处理，编译，汇编，链接

我们一步一步的来：

预处理阶段：

? 预处理阶段可以理解为：文本处理的阶段。我们写过C语言的都知道，C语言中有宏这个说法，比如:

#define MAX 100

? 这个以#开头的东西，就是宏定义，预处理阶段要完成的第一件事就是宏展开，将所有的宏替换。比如对于上面内个例子，预处理阶段就会把所有的MAX替换为100

? 预处理阶段还完成了另一见事情，对于#include<...>这些语句的意思是将某个头文件引入，预处理阶段就会将这些引入的头文件也展开，导入我们的main.c文件当中

? 我们使用GCC进行第一步的处理：

gcc -E main.c -o main.i

? 得到的.i文件就是预处理后的代码文本了，我们用vim来看一下main.i中都有什么

?

? 大家如果熟悉stdio.h的话，这些函数就是定义在其中的内容，可以看到预处理确实是将头文件中的内容加入到了我们自己编写的c文件了

? 这里可以看到我们使用的printf函数了

? 在.i文件的最下方我们找到了main.c的内容，我们可以发现，int i=MAX已经被替换为了int i=100，这就是进行了宏展开的过程。

编译阶段

? 在预处理阶段得到展开后的代码文本后，接下来我们就要正式开始将高级语言的代码向机器语言进行翻译了

? 这个翻译不是一蹴而就的，我们经过了这样的步骤：

? 编译阶段进行的就是将C/C++翻译为汇编语言的过程

? 我们使用GCC：

gcc -S main.i -o main.s

? main.s文件就是翻译后的汇编语言文件

? 同样的，使用vim查看一下main.s的内容

? 可以看到翻译后的main函数

汇编阶段

? 汇编阶段就要将汇编文件，转换为目标文件：

? 什么是目标文件？Linux当中的.o文件，在Windows’系统下则为.obj文件，其实就是二进制文件，是未经过链接阶段的二进制文件

? 这里就简单的记住，目标文件就是二进制文件，但是没有经过链接过程

? 我们使用GCC

gcc -c main.s -o main.o
//注意使用-c,-c的意思是，编译和汇编，但是不链接

强行vim打开，发现很多奇怪的字符，但可以看到ELF这几个字母，这是一种文件格式，我们之后会讲到

链接阶段

? 到这里，二进制目标文件已经产生，接下来就要进行连接。

? 可是，什么是连接？为什么要进行连接呢？

? 我们用一个例子来解释一下这个问题：

假设，现在有三个文件，a.c,b.h和b.c，其内容为：

//a.c
#include"b.h"
int main(void){
    func();
}
//b.h
#ifndef BH
#define BH
void func();
#endif
//b.c
#include<stdio.h>
#include"b.h"
void func(){
    ;
}

得到这些文件之后，我们编译a.c得到它的目标文件

gcc -c a.c -o a.o

然后，使用

readelf -s a.o

查看目标文件中的符号表

新的问题产生了，什么是符号表？通俗点来说，符号，就是函数和变量，符号表，就是一个表格，其中记录着符号的各种信息

那么未经过连接的a.o的符号表是什么样子的呢？

其他信息我们不关注，注意看第十一行：func前面的UND，就是undefined，虽然gcc编译了a.c，但是它并不知到func到底是个什么东西，因为，func的实现在b.c里面

我们再编译一下b.c吧：

gcc -c b.c -o b.o

看第十行，func前不是UND而是1，因此说明了，func是存在于b.c中的

那么解决方法就很自然了：既然a的符号在b中，那么就把a,b合并了不就行了

因此：

ld a.o b.o -e main -o main

这句的意思是，链接a.o和b.o，入口函数是main函数，链接后文件名为 main

readelf -s main

这样一来，就链接上了,func符号也存在，也不是UND了

反汇编看一下：

objdump -d a.o

未链接前的a.o:

?

objdump -d main

注意看callq的那一行。最开始因为无法定位到func具体位置，因此编译器在a.o中定位在00 00 00 00

在main中，则是找到了具体的位置，偏移量未00 00 00 07

401012+00 00 00 07=401019,也就是func的位置。

? 好，回答main.c，使用gcc进行链接：

gcc main.o -o main

然后运行

./main

运行出了结果