【C语言编译】编译原理和详细过程

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：

1. 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。

2. 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。

3. 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：

• .o文件是编译阶段的中间产物，用于后续链接；.so文件是链接后的动态库，用于运行时共享。
• .o文件聚焦单个模块的编译结果，.so文件聚焦多模块的协作与动态加载。

3. 知识补充

【GCC】gcc编译学习
【GDB】gdb使用