从源码到可执行文件：hello.c 的二进制之旅

0.引言

你有没有想过为什么编译后才能运行？编译器在这其中起到什么作用？生成的可执行文件里有什么？操作系统又是如何加载它的呢？本系列文章会随着各个章节展开来让读者对这些问题有清晰的认知，整体章节内容规划如下：

编译流程的整体认识（hello.c到a.out)
编译器的翻译流程（词法分析、语法树与优化详解）
目标文件的格式（.o文件解析，符号表、重定位与链接报错解析）
静态链接原理（理解为什么有的程序“打包后会很大）
动态链接原理（理解共享库（.so）如何实现“一次编译，到处运行”）
程序装载流程（理解操作系统如何加载它，在什么位置运行）
编译链接实战（段错误、符号冲突与性能优化以及交叉编译和LLVM）

本文是第一篇，将会介绍基础的概念，从宏观视角来看hello.c如何变成a.out。

1.整体介绍

我们先从简单的hello.c开始：

#include <stdio.h>  
int main() {  printf("Hello World\n");  return 0;  
}

编写好代码后我们只需要执行gcc hello.c就会在当前目录下生成一个可执行的a.out，虽然我们只是执行了一条命令，但其实际是经历了四大阶段（预编译、编译、汇编、链接），其中每一个阶段都有其自己的规则。

2.预编译

预编译是将源代码文件（hello.c）和相关的头文件（stdio.h以及其对应包含的头文件）编译生成一个.i文件，这一阶段主要处理源代码文件中的"#"开头的预编译指令，主要的规则如下，我们可以通过查看.i文件来检查一些宏定义是否正确展开或者头文件是否正确包含。

1）处理条件编译指令（如#if、#ifdef、#elif、#else、#endif）。

2）展开头文件（处理#include，将include的头文件内容插入指令位置，这个过程会递归展开）。

3）处理define（将#define进行展开）。

4）删除注释（包括//或者/*注释）。

5）保留#pragma指令（编译器后续使用）。

6）增加行号和文件名标识（出问题后用来作为报错信息）。

#可以使用gcc -E查看预处理后的结果，打开hello.i就能看到被展开的内容
gcc -E hello.c -o hello.i

3.编译

预编译可以看成是进行简单的替换和规则处理，编译的话则是要进行词法分析、语法分析、语义分析、代码优化和生成。此处做简单介绍，下一篇文章会做更为具体说明。

1）词法分析：将代码拆分成一个个的词法单元（Token）。

2）语法分析：根据语法规则，将Token组成抽象语法树（AST）。

3）语义分析：检查语义的正确性，只能进行静态的检查（如类型是否匹配，变量是否定义等）。

4）代码优化和生成：对AST进行优化（如常量折叠、循环展开等），生成汇编代码。

#使用gcc -S生成汇编指令（完成了预编译，编译）
gcc -S hello.c -o hello.s

其部分代码如下：

4.汇编

汇编就是将汇编代码（编译生成的代码）转换为机器可以执行的指令的过程，几乎每一个汇编指令都有一个对应的机器指令，也就是说汇编过程其实只需要一一翻译就可以了，汇编过程可以通过两个语句来进行生成：

as hello.s -o hello.o
gcc -c hello.s -o hello.o

生成的.o文件为二进制文件，我们可以使用objdump来查看，这个工具我们后面会经常用到。

objdump -d hello.ohello.o:     file format elf64-x86-64Disassembly of section .text:0000000000000000 <main>:0:   f3 0f 1e fa             endbr64 4:   55                      push   %rbp5:   48 89 e5                mov    %rsp,%rbp8:   48 8d 3d 00 00 00 00    lea    0x0(%rip),%rdi        # f <main+0xf>f:   e8 00 00 00 00          callq  14 <main+0x14>14:   b8 00 00 00 00          mov    $0x0,%eax19:   5d                      pop    %rbp1a:   c3                      retq   

5.链接

到链接这一步时我们已经得到了机器码程序，但是其还是不能直接运行，因为其缺少一些外部的依赖（比如printf的实现）。链接器会将多个目标文件组合成一个完整的可执行文件（分为静态链接和动态链接），其过程主要是符号解析（找到外部符号位置）和重定位（重设代码中地址），这个过程较为复杂，我们用单独的文章进行说明。

#完成链接，生成可执行程序
gcc hello.o -o a.out
#查看类型
file a.out 
a.out: ELF 64-bit LSB shared object, x86-64, version 1 (SYSV), dynamically linked, interpreter /lib64/ld-linux-x86-64.so.2, BuildID[sha1]=13c23451a252ce49af91ee79c8bd4fa7821d86de, for GNU/Linux 3.2.0, not stripped

6.总结

本文从宏观视角介绍了hello.c到二进制可执行文件的过程，其分为四个阶段（也是计算机分层抽象的体现），每个阶段有自己的职责，让其可以高效且方便维护。下一篇我们将去深入编译过程，去了解代码具体怎么翻译成机器码，词法分析语法分析做的事情和代码优化的具体内容。