【C语言编译】编译原理和详细过程

文章目录

1. C 语言编译原理和详细过程
- 1.1 预处理阶段
- 1.2 编译阶段
- 1.3 汇编阶段
- 1.4 链接阶段
2. 疑问点解析
- 2.1 三地址码是什么？有什么作用
- 2.2 符号表是什么？有何作用
- 2.3 重定位的含义与作用
- 2.3 符号表和重定位在整个编译过程中的作用
- 2.4 动态链接库.so和静态链接库.a
- 2.5 不要混淆.o文件和.so文件
3. 知识补充

1. C 语言编译原理和详细过程

编译是将源代码转换为计算机可执行的二进制文件的过程，整个过程主要分为四个阶段: 预处理; 编译; 汇编; 链接。

1.1 预处理阶段

工具：预处理器
输入：.c 源文件
输出：.i 预处理后的文件

预处理阶段做的主要工作：

宏展开：将所有#define定义的宏进行文本替换
头文件包含：递归展开#include指令，将头文件内容插入源代码
条件编译：处理条件编译指令（如#ifdef等命令），根据条件保留或删除代码块（如调试代码）
删除注释

1.2 编译阶段

工具：编译器
输入：.i文件
输出：.s汇编代码文件

编译阶段做的主要工作：

词法分析：将代码拆分为token（如标识符，关键字，运算符）
语法分析：构建抽象语法树（AST）,检查语法是否符合C标准（如检查括号是否匹配，语句是否合法）
语义分析：检查类型匹配，变量声明，作用域规则
中间代码生成：生成与平台无关的中间表示（如三地址码）
代码优化：对中间代码进行优化。如删除冗余代码、常量折叠等
目标代码生成：将优化后的中间代码转换为目标平台的汇编代码

1.3 汇编阶段

工具：汇编器
输入：.s汇编文件
输出：.o目标文件，即二进制机器码
汇编阶段做的主要工作：

指令转换：将汇编代码逐行转换为机器码
生成目标文件：生成包含机器码、符号表、重定位信息的**.o文件**

1.4 链接阶段

工具：链接器
输入：多个.o目标文件+静态库.a文件
输出：可执行文件
链接阶段做的主要工作：

符号解析：解决跨文件的函数或变量引用。如main.o中调用printf函数，则需找到该函数在libc.a中的定义
重定位：合并所有目标文件的代码段、数据段，分配最终内存地址；修正符号表中的地址偏移量
库文件处理：
　　- 静态链接：将静态库.a代码直接复制到可执行文件中
　　- 动态链接：记录动态库.so的路径，运行时加载
生成可执行文件：生成符合操作系统格式的可执行文件

注：可执行文件分为 代码段（.text）、数据段（.data）、未初始化数据段（.bss） 等

经过这一系列过程，c源代码最终变成了操作系统可直接执行的二进制文件运行时由加载器将其读入内存并执行。

2. 疑问点解析

2.1 三地址码是什么？有什么作用

三地址码（Three-Address Code，TAC）是编译器中常用的一种中间表示（Intermediate Representation, IR）形式，它将复杂的表达式和语句拆解为一系列简单的指令，每条指令最多包含三个操作数。它的核心目标是简化代码优化和目标代码生成的过程，同时保持与机器无关的特性。
每条指令仅包含一个操作（如赋值，运算，跳转等），最多涉及三个操作数，两个输入一个输出。常见的通用格式如下：

result = operand1 op operand2

2.2 符号表是什么？有何作用

符号表是编译器/汇编器生成的一种数据结构，记录了程序中所有符号的信息：

符号名称：如函数名、全局变量名称；
符号类型：函数、变量、静态/全局作用域等；
符号地址：在目标文件中的相对地址或内存地址。

符号分类：

全局符号：可被其他文件访问的符号，如extern变量、非static函数；
局部符号：仅在本文件内可见的符号，如static函数或变量；
外部符号：在本文件中使用但未定义的符号，如调用了其他文件中的函数。

在链接阶段，链接器通过符号表解析不同目标文件之间的符号引用，如函数调用、变量访问等；符号表包含了符号的地址和类型，支持调试器（如gdb）定位代码和变量（比如有时候调试的时候会导入符号表）；动态链接库.so需要依赖符号表在运行时绑定函数地址。

2.3 重定位的含义与作用

重定位时链接器在合并多个目标文件时，修正符号引用地址的过程。目标文件.o中的代码和数据地址是临时地址（基于偏移量的），链接器需要将其调整为最终可执行文件的绝对地址。

重定位表：每个目标文件都有一个重定位表，记录了需要修正的位置及其规则：

需要修正的偏移量：在目标文件中的位置；
符号名称：需要修正为哪个符号的地址；
重定位类型：如何计算最终地址，如相对地址或绝对地址。

重定位的作用：

合并多目标文件：将分散在多个.o文件中的代码和数据分配到统一的内存布局中；
解析外部依赖：将未定义的符号绑定到库中的实际地址；
生成可执行文件：确保程序运行时，所有指令和数据的地址正确。

2.3 符号表和重定位在整个编译过程中的作用

编译阶段会生成符号表并记录重定位信息：

生成符号表：编译器为每个.c文件生成.o目标文件，包含符号表和代码；
记录重定位信息：编译器标记所有需要重定位的位置，如外部函数调用等。

链接阶段会进行符号解析以及地址分配与重定位：

符号解析：链接器会检查所有目标文件的符号表，确保每个符号有且仅有一个定义；
地址分配与重定位：链接器为所有符号分配最终地址，并修正代码中的引用。

即符号表是程序符号的地址簿，记录了符号的定义和引用；重定位是链接器的修正工具，确保程序可以正确访问所有符号。

2.4 动态链接库.so和静态链接库.a

动态链接库.so文件，是在程序运行时被加载的，多个程序可共享同一个库文件，节省内存和磁盘空间。

静态链接库.a文件，是在编译时被整合到可执行文件中，生成独立的可执行文件，不需要外部依赖。

静态链接库和动态链接库的主要区别：

特性	静态库（.a）	动态库（.so）
链接方式	编译时直接嵌入到可执行文件中	程序运行时动态加载
文件体积	可执行文件体积较大（包含库代码）	可执行文件体积较小（仅存引用）
运行时依赖	无需外部库文件	必须存在对应的`.so`文件
内存占用	每个进程独立加载库代码，内存冗余	多个进程共享同一份库代码，内存节省
更新维护	需重新编译整个程序	仅替换`.so`文件即可更新库功能
加载速度	启动快（代码已嵌入）	启动稍慢（需加载动态库）
兼容性风险	无版本冲突问题	需保证`.so`版本与程序兼容
常见使用场景	嵌入式系统、独立工具、无依赖部署	通用系统库（如`libc`）、多进程共享场景

示例：

静态链接：
```
gcc main.c -o program -L/path/to/libs -lstaticlib -static
```
-static选项表明强制静态链接所有库，包括库系统如libc
这样生成的program不依赖任何外部库。
动态链接：
```
gcc main.c -o program -L/path/to/libs -ldynamiclib
```
默认链接动态库（优先查找.so），运行时需确保动态库在系统路径或通过LD_LIBRARY_PATH指定。
混合链接：
```
gcc main.c -o program -Wl,-Bstatic -lstaticlib -Wl,-Bdynamic -ldynamiclib
```
- -Wl,-Bstatic：指定后续库静态链接。
- -Wl,-Bdynamic：恢复为动态链接

2.5 不要混淆.o文件和.so文件

.o文件是目标文件，通常是编译单个源文件后的输出，包含机器码和符号表，但还未经过链接，所以可能有未解析的符号。

.so文件是动态链接库，是多个目标文件经过链接后生成的共享库，可以在运行时被多个程序共享。

.o文件是编译阶段的产物，.so文件是链接阶段的产物；.so文件在程序运行时加载，.o文件在链接时被合并到可执行文件或静态库中。

二者主要区别：

特性	目标文件（.o）	动态链接库（.so）
生成阶段	编译阶段的产物（单个源文件编译后生成）	链接阶段的产物（多个目标文件或源码链接生成）
内容	包含单个源文件编译后的机器码、符号表、重定位信息	包含多个目标文件或源码的已链接代码，具有完整的符号解析和地址分配
用途	作为中间文件，供后续链接生成可执行文件或库	作为共享库，供程序在运行时动态加载
依赖关系	未解析的符号需在链接阶段解决	符号已完全解析，但需在运行时与主程序或其他库动态绑定
文件独立性	无法单独运行，需链接后使用	可独立存在，但需主程序调用或动态加载
内存共享	不共享，每个进程独立加载	多个进程可共享同一份`.so`的代码段，节省内存
更新维护	修改后需重新编译和链接	更新`.so`后，主程序无需重新编译（需接口兼容）

.o文件，通过编译单个源文件生成，包含机器码、符号表和重定位信息。.o文件作为中间文件，以供后续链接器将所有.o文件合并为可执行文件或库（可被归档为静态库.a文件，本质上是多个.o的集合）

.so文件，通过链接多个目标文件或源码生成，包含完全链接的代码（所有的符号已解析，除非依赖其他动态库）、位置无关代码（代码可加载到任意内存地址运行）、导出符号表（声明库中可供外部调用的函数或变量）。.so文件是在程序运行时由动态链接器加载到内存的，多个程序可共享一份.so代码，减少内存占用，同时支持库的热更新（即替换.so文件后重启程序生效）

总结：