工作过程的编译器

怼烎@ 2022-04-10 10:19 259阅读 0赞

# 编译器的工作过程 #

源代码要执行，必须先转成二进制的机器码。

这是编译器的任务。

比方。以下这段源代码（假定文件名称叫做test.c）。

>     #include <stdio.h>
>     
>     int main(void)
>     {
>              
>       fputs("Hello, world!\n", stdout);
>       return 0;
>     }

要先用编译器处理一下。才干执行。

>     $ gcc test.c
>     $ ./a.out
>     Hello, world!

对于复杂的项目，编译过程还必须分成三步。

>     $ ./configure
>     $ make  
>     $ make install

这些命令究竟在干什么？大多数的书籍和资料，都语焉不详，仅仅说这样就能够编译了。没有进一步的解释。

本文将介绍编译器的工作过程，也就是上面这三个命令各自的任务。

我主要參考了Alex Smith的文章[《Building C Projects》][Building C Projects]。

须要声明的是。本文主要针对gcc编译器，也就是针对C和C++，不一定适用于其它语言的编译。

![bg2014110803.png][]

## 第一步 配置（configure） ##

编译器在開始工作之前，须要知道当前的系统环境。比方标准库在哪里、软件的安装位置在哪里、须要安装哪些组件等等。这是由于不同计算机的系统环境不一样，通过指定编译參数，编译器就能够灵活适应环境，编译出各种环境都能执行的机器码。

这个确定编译參数的步骤，就叫做"配置"（configure）。

这些配置信息保存在一个配置文件之中。约定俗成是一个叫做configure的脚本文件。

通常它是由[autoconf][]工具生成的。编译器通过执行这个脚本，获知编译參数。

configure脚本已经尽量考虑到不同系统的差异，而且对各种编译參数给出了默认值。假设用户的系统环境比較特别。或者有一些特定的需求。就须要手动向configure脚本提供编译參数。

>     $ ./configure --prefix=/www --with-mysql

上面代码是php源代码的一种编译配置。用户指定安装后的文件保存在www文件夹，而且编译时增加mysql模块的支持。

## 第二步 确定标准库和头文件的位置 ##

源代码肯定会用到标准库函数（standard library）和头文件（header）。它们能够存放在系统的随意文件夹中。编译器实际上没办法自己主动检測它们的位置，仅仅有通过配置文件才干知道。

编译的第二步。就是从配置文件里知道标准库和头文件的位置。一般来说，配置文件会给出一个清单，列出几个详细的文件夹。等到编译时，编译器就按顺序到这几个文件夹中。寻找目标。

## 第三步 确定依赖关系 ##

对于大型项目来说。源代码文件之间往往存在依赖关系，编译器须要确定编译的先后顺序。假定A文件依赖于B文件，编译器应该保证做到以下两点。

> （1）仅仅有在B文件编译完毕后，才開始编译A文件。
> 
> （2）当B文件发生变化时，A文件会被又一次编译。

编译顺序保存在一个叫做makefile的文件里，里面列出哪个文件先编译，哪个文件后编译。

而makefile文件由configure脚本执行生成，这就是为什么编译时configure必须首先执行的原因。

在确定依赖关系的同一时候。编译器也确定了，编译时会用到哪些头文件。

## 第四步 头文件的预编译（precompilation） ##

不同的源代码文件，可能引用同一个头文件（比方stdio.h）。

编译的时候，头文件也必须一起编译。

为了节省时间，编译器会在编译源代码之前，先编译头文件。

这保证了头文件仅仅需编译一次，不必每次用到的时候。都又一次编译了。

只是，并非头文件的全部内容，都会被预编译。

用来声明宏的\#define命令，就不会被预编译。

## 第五步 预处理（Preprocessing） ##

预编译完毕后。编译器就開始替换掉源代码中bash的头文件和宏。以本文开头的那段源代码为例，它包括头文件stdio.h，替换后的样子例如以下。

>     extern int fputs(const char *, FILE *);
>     extern FILE *stdout;
>     
>     int main(void)
>     {
>              
>         fputs("Hello, world!\n", stdout);
>         return 0;
>     }

为了便于阅读。上面代码仅仅截取了头文件里与源代码相关的那部分。即fputs和FILE的声明。省略了stdio.h的其它部分（由于它们很长）。另外。上面代码的头文件没有经过预编译，而实际上。插入源代码的是预编译后的结果。

编译器在这一步还会移除凝视。

这一步称为"预处理"（Preprocessing）。由于完毕之后。就要開始真正的处理了。

## 第六步 编译（Compilation） ##

预处理之后，编译器就開始生成机器码。对于某些编译器来说，还存在一个中间步骤，会先把源代码转为汇编码（assembly）。然后再把汇编码转为机器码。

以下是本文开头的那段源代码转成的汇编码。

>     .file   "test.c"
>         .section    .rodata
>     .LC0:
>         .string "Hello, world!\n"
>         .text
>         .globl  main
>         .type   main, @function
>     main:
>     .LFB0:
>         .cfi_startproc
>         pushq   %rbp
>         .cfi_def_cfa_offset 16
>         .cfi_offset 6, -16
>         movq    %rsp, %rbp
>         .cfi_def_cfa_register 6
>         movq    stdout(%rip), %rax
>         movq    %rax, %rcx
>         movl    $14, %edx
>         movl    $1, %esi
>         movl    $.LC0, %edi
>         call    fwrite
>         movl    $0, %eax
>         popq    %rbp
>         .cfi_def_cfa 7, 8
>         ret
>         .cfi_endproc
>     .LFE0:
>         .size   main, .-main
>         .ident  "GCC: (Debian 4.9.1-19) 4.9.1"
>         .section    .note.GNU-stack,"",@progbits

这样的转码后的文件称为对象文件（object file）。

## 第七步 连接（Linking） ##

对象文件还不能执行。必须进一步转成可执行文件。假设你细致看上一步的转码结果。会发现当中引用了stdout函数和fwrite函数。也就是说，程序要正常执行，除了上面的代码以外，还必须有stdout和fwrite这两个函数的代码。它们是由C语言的标准库提供的。

编译器的下一步工作，就是把外部函数的代码（一般是后缀名为.lib和.a的文件），加入到可运行文件里。这就叫做连接（linking）。这样的通过拷贝，将外部函数库加入到可运行文件的方式。叫做[静态连接][Link 1]（static linking）。后文会提到还有[动态连接][Link 2]（dynamic linking）。

make命令的作用，就是从第四步头文件预编译開始，一直到做完这一步。

## 第八步 安装（Installation） ##

上一步的连接是在内存中进行的，即编译器在内存中生成了可运行文件。下一步，必须将可运行文件保存到用户事先指定的安装文件夹。

表面上，这一步非常easy，就是将可运行文件（连带相关的数据文件）拷贝过去即可了。可是实际上。这一步还必须完毕创建文件夹、保存文件、设置权限等步骤。这整个的保存过程就称为"安装"（Installation）。

## 第九步 操作系统连接 ##

可执行文件安装后。必须以某种方式通知操作系统，让其知道能够使用这个程序了。

比方，我们安装了一个文本阅读程序，往往希望双击txt文件。该程序就会自己主动执行。

这就要求在操作系统中，登记这个程序的元数据：文件名称、文件描写叙述、关联后缀名等等。

Linux系统中，这些信息通常保存在/usr/share/applications文件夹下的.desktop文件里。另外，在Windows操作系统中，还须要在Start启动菜单中，建立一个快捷方式。

这些事情就叫做"操作系统连接"。make install命令，就用来完毕"安装"和"操作系统连接"这两步。

## 第十步 生成安装包 ##

写到这里，源代码编译的整个过程就基本完毕了。可是仅仅有非常少一部分用户，愿意耐着性子，从头到尾做一遍这个过程。其实。假设你仅仅有源代码能够交给用户，他们会认定你是一个不友好的家伙。

大部分用户要的是一个二进制的可运行程序。立马就能运行。

这就要求开发人员。将上一步生成的可运行文件。做成能够分发的安装包。

所以，编译器还必须有生成安装包的功能。一般是将可运行文件（连带相关的数据文件），以某种文件夹结构，保存成压缩文件包，交给用户。

## 第十一步 动态连接（Dynamic linking） ##

正常情况下，到这一步，程序已经能够执行了。至于执行期间（runtime）发生的事情，与编译器一概无关。

可是，开发人员能够在编译阶段选择可执行文件连接外部函数库的方式，究竟是静态连接（编译时连接），还是动态连接（执行时连接）。所以，最后还要提一下，什么叫做动态连接。

前面已经说过。静态连接就是把外部函数库。复制到可执行文件里。

这样做的优点是，适用范围比較广。不用操心用户机器缺少某个库文件。缺点是安装包会比較大，并且多个应用程序之间。无法共享库文件。

动态连接的做法正好相反，外部函数库不进入安装包，仅仅在执行时动态引用。

优点是安装包会比較小，多个应用程序能够共享库文件；缺点是用户必须事先安装好库文件。并且版本号和安装位置都必须符合要求，否则就不能正常执行。

现实中。大部分软件採用动态连接，共享库文件。这样的动态共享的库文件。Linux平台是后缀名为.so的文件，Windows平台是.dll文件。Mac平台是.dylib文件

文章来源---阮一峰博客

[Building C Projects]: http://nethack4.org/blog/building-c.html
[bg2014110803.png]: http://image.beekka.com/blog/2014/bg2014110803.png
[autoconf]: http://zh.wikipedia.org/wiki/Autoconf
[Link 1]: http://zh.wikipedia.org/zh-cn/%E9%9D%9C%E6%85%8B%E9%80%A3%E7%B5%90%E5%87%BD%E5%BC%8F%E5%BA%AB
[Link 2]: http://zh.wikipedia.org/wiki/%E5%8A%A8%E6%80%81%E9%93%BE%E6%8E%A5%E5%BA%93