简单说明Gcc背后的编译

清疚 2022-12-15 03:24 205阅读 0赞

### 简单说明Gcc背后的编译 ###

*  一、 GCC编译流程
 *   *  1. 创建Hello.c
     *  2. 预处理
     *  3. 编译
     *  4. 汇编
     *  5. 链接
 *  二、 ELF格式简单介绍
 *   *  1. 简单说明
     *  2. 分析ELF文件
     *  3. 反汇编ELF
 *  三、 nasm汇编编译器
 *   *  1. 安装nasm
     *  2. 编译
     *  3.与gcc的可执行文件对比
 *  四、 总结
 *  五、 参考资料

> 摘要：GCC是以GPL许可证所发行的自由软件，也是GNU计划的关键部分。GCC的初衷是为GNU操作系统专门编写一款编译器，现已被大多数类Unix操作系统（如Linux、BSD、MacOS X等）采纳为标准的编译器，甚至在微软的Windows上也可以使用GCC。GCC支持多种计算机体系结构芯片，如x86、ARM、MIPS等，并已被移植到其他多种硬件平台 \[1\] 。  
> GCC原名为GNU C语言编译器（GNU C Compiler），只能处理C语言。但其很快扩展，变得可处理C++，后来又扩展为能够支持更多编程语言，如Fortran、Pascal、Objective -C、Java、Ada、Go以及各类处理器架构上的汇编语言等，所以改名GNU编译器套件（GNU Compiler Collection）[百度百科][Link 1]  
> 关键词：**gcc**，**ELF**

# 一、 GCC编译流程 #

![gcc编译流程][gcc]  
[图片来源CSDN][CSDN]

## 1. 创建Hello.c ##

> vim Hello.c

代码如下：

#include <stdio.h>
    //此程序很简单，仅仅打印一个Hello World 的字符串。
    int main(void)
    {
        
    printf("Hello World! \n");
    return 0;
    }

## 2. 预处理 ##

> 预处理的过程主要包括以下过程：  
> (1) 将所有的\#define 删除， 并且展开所有的宏定义， 并且处理所有的条件预编译指令， 比如\#if \#ifdef \#elif \#else \#endif 等。  
> (2) 处理\#include 预编译指令， 将被包含的文件插入到该预编译指令的置。  
> (3) 删除所有注释“ //” 和“ /\* \*/” 。  
> (4) 添加行号和文件标识， 以便编译时产生调试用的行号及编译错误警告行号。  
> (5) 保留所有的\#pragma 编译器指令， 后续编译过程需要使用它们。

> gcc -E Hello.c -o Hello.i

![在这里插入图片描述][20201015192009615.png_pic_center]

我们可以将Hello.i当作文本文件进行查看，看下预处理的代码片段

> cat Hello.i

# 1 "Hello.c"
    # 1 "<built-in>"
    # 1 "<command-line>"
    # 1 "/usr/include/stdc-predef.h" 1 3 4
    # 1 "<command-line>" 2
    ................
    extern void funlockfile (FILE *__stream) __attribute__ ((__nothrow__ , __leaf__));
    # 942 "/usr/include/stdio.h" 3 4
    
    # 2 "Hello.c" 2
    
    
    # 3 "Hello.c"
    int main(void)
    {
        
    printf("Hello World! \n");
    return 0;
    }

## 3. 编译 ##

> 编译过程就是对预处理完的文件进行一系列的词法分析，语法分析，语义分析及优化后生成相应的汇编代码。

> gcc -S Hello.i -o Hello.s

![在这里插入图片描述][20201015192043729.png_pic_center]

Hello.s代码：

> cat Hello.s

.file	"Hello.c"
    	.section	.rodata
    .LC0:
    	.string	"Hello World! "
    	.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
    	movl	$.LC0, %edi
    	call	puts
    	movl	$0, %eax
    	popq	%rbp
    	.cfi_def_cfa 7, 8
    	ret
    	.cfi_endproc
    .LFE0:
    	.size	main, .-main
    	.ident	"GCC: (Ubuntu 5.4.0-6ubuntu1~16.04.11) 5.4.0 20160609"
    	.section	.note.GNU-stack,"",@progbits

## 4. 汇编 ##

> 汇编过程调用对汇编代码进行处理，生成处理器能识别的指令，保存在后缀为.o的目标文件中。由于每一个汇编语句几乎都对应一条处理器指令，因此，汇编相对于编译过程比较简单，通过调用Binutils 中的汇编器as 根据汇编指令和处理器指令的对照表一一翻译即可。当程序由多个源代码文件构成时， 每个文件都要先完成汇编工作， 生成.o 目标文件后，才能进入下一步的链接工作。注意：目标文件已经是最终程序的某一部分了， 但是在链接之前还不能执行。

> gcc -c Hello.s -o Hello.o

![在这里插入图片描述][2020101519273274.png_pic_center]

> 注意： hello.o 目标文件为**ELF**（ Exe cut abl e and Lin kab le For mat） 格式的可重定向文件。不可作为文本文件进行查看源代码。后面将补充ELF文件的简单说明。

## 5. 链接 ##

> 链接也分为静态链接和动态链接，其要点如下：  
> (1) 静态链接是指在编译阶段直接把静态库加入到可执行文件中去，这样可执行文件会比较大。链接器将函数的代码从其所在地（ 不同的目标文件或静态链接库中）拷贝到最终的可执行程序中。为创建可执行文件，链接器必须要完成的主要任务是：符号解析（ 把目标文件中符号的定义和引用联系起来）和重定位（ 把符号定义和内存地址对应起来然后修改所有对符号的引用） 。  
> (2) 动态链接则是指链接阶段仅仅只加入一些描述信息，而程序执行时再从系统中把相应动态库加载到内存中去。

> gcc Hello.c -o Hello

![在这里插入图片描述][20201015194058213.png_pic_center]

> ./Hello

![在这里插入图片描述][20201015194218895.png_pic_center]

> 注意：链接生成的文件格式为"**ELF**"。

# 二、 ELF格式简单介绍 #

## 1. 简单说明 ##

**在计算机科学中，是一种用于二进制文件、可执行文件、目标代码、共享库和核心转储格式文件**。是UNIX系统实验室（USL）作为应用程序二进制接口（Application Binary Interface，ABI）而开发和发布的，也是Linux的主要可执行文件格式。  
**ELF文件由4部分组成**，分别是**ELF头**（ELF header）、**程序头表**（Program header table）、**节**（Section）和**节头表**（Section header table）。实际上，一个文件中不一定包含全部内容，而且它们的位置也未必如同所示这样安排，只有ELF头的位置是固定的，其余各部分的位置、大小等信息由ELF头中的各项值来决定。[百度百科][Link 2]

## 2. 分析ELF文件 ##

①ELF文件的段  
ELF 文件格式如下图所示， 位于ELF Header 和Section Header Table 之间的都  
是段（ Section） 。一个典型的ELF 文件包含下面几个段：  
·text： 已编译程序的指令代码段。  
·rodata： ro 代表read only， 即只读数据（ 譬如常数const） 。  
.data： 已初始化的C 程序全局变量和静态局部变量。  
.bss： 未初始化的C 程序全局变量和静态局部变量。  
.debug： 调试符号表， 调试器用此段的信息帮助调试。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1MjY0ODA4_size_16_color_FFFFFF_t_70_pic_center]

> 可以使用readel f -S 查看其各个section 的信息如下：  
> readelf -S Hello

Hello的ELF代码片段如下：

共有 31 个节头，从偏移量 0x19d8 开始：
    
    节头：
      [号] 名称              类型             地址              偏移量
           大小              全体大小          旗标   链接   信息   对齐
      [ 0]                   NULL             0000000000000000  00000000
           0000000000000000  0000000000000000           0     0     0
      [ 1] .interp           PROGBITS         0000000000400238  00000238
           000000000000001c  0000000000000000   A       0     0     1
           ..........................................
             [29] .symtab           SYMTAB           0000000000000000  00001070
           0000000000000648  0000000000000018          30    47     8
      [30] .strtab           STRTAB           0000000000000000  000016b8
           0000000000000214  0000000000000000           0     0     1
    Key to Flags:
      W (write), A (alloc), X (execute), M (merge), S (strings), l (large)
      I (info), L (link order), G (group), T (TLS), E (exclude), x (unknown)
      O (extra OS processing required) o (OS specific), p (processor specific)

## 3. 反汇编ELF ##

由于ELF 文件无法被当做普通文本文件打开，如果希望直接查看一个ELF 文件包含的指令和数据， 需要使用反汇编的方法。

> 使用objdump -D 对其进行反汇编如下：  
> objdump -D hello

Hello：     文件格式 elf64-x86-64
    
    
    Disassembly of section .interp:
    
    0000000000400238 <.interp>:
      400238:	2f                   	(bad)  
      400239:	6c                   	insb   (%dx),%es:(%rdi)
      40023a:	69 62 36 34 2f 6c 64 	imul   $0x646c2f34,0x36(%rdx),%esp
      400241:	2d 6c 69 6e 75       	sub    $0x756e696c,%eax
      400246:	78 2d                	js     400275 <_init-0x153>
      400248:	78 38                	js     400282 <_init-0x146>
      40024a:	36 2d 36 34 2e 73    	ss sub $0x732e3436,%eax
      400250:	6f                   	outsl  %ds:(%rsi),(%dx)
      400251:	2e 32 00             	xor    %cs:(%rax),%al
      .........................................................
        12:	2d 36 75 62 75       	sub    $0x75627536,%eax
      17:	6e                   	outsb  %ds:(%rsi),(%dx)
      18:	74 75                	je     8f <_init-0x400339>
      1a:	31 7e 31             	xor    %edi,0x31(%rsi)
      1d:	36 2e 30 34 2e       	ss xor %dh,%cs:(%rsi,%rbp,1)
      22:	31 31                	xor    %esi,(%rcx)
      24:	29 20                	sub    %esp,(%rax)
      26:	35 2e 34 2e 30       	xor    $0x302e342e,%eax
      2b:	20 32                	and    %dh,(%rdx)
      2d:	30 31                	xor    %dh,(%rcx)
      2f:	36 30 36             	xor    %dh,%ss:(%rsi)
      32:	30 39                	xor    %bh,(%rcx)

> 使用objdump -S 将其反汇编并且将其C 语言源代码混合显示出来：  
> gcc -o Hello -g Hello.c //要加上-g 选项  
> objdump -S Hello  
> **补充**：  
> **-g**，**产生符号调试工具所必要的符号资讯，要想对源代码进行调试，我们就必须加入这个选项**。

Hello：     文件格式 elf64-x86-64
    Disassembly of section .init:
    
    00000000004003c8 <_init>:
      4003c8:	48 83 ec 08          	sub    $0x8,%rsp
      4003cc:	48 8b 05 25 0c 20 00 	mov    0x200c25(%rip),%rax        # 600ff8 <_DYNAMIC+0x1d0>
      4003d3:	48 85 c0             	test   %rax,%rax
      4003d6:	74 05                	je     4003dd <_init+0x15>
      4003d8:	e8 43 00 00 00       	callq  400420 <__libc_start_main@plt+0x10>
      4003dd:	48 83 c4 08          	add    $0x8,%rsp
      4003e1:	c3                   	retq   
    ........................................................
    #include <stdio.h>
    //此程序很简单，仅仅打印一个Hello World 的字符串。
    int main(void)
    {
        
      400526:	55                   	push   %rbp
      400527:	48 89 e5             	mov    %rsp,%rbp
    printf("Hello World! \n");
      40052a:	bf c4 05 40 00       	mov    $0x4005c4,%edi
      40052f:	e8 cc fe ff ff       	callq  400400 <puts@plt>
    return 0;
      400534:	b8 00 00 00 00       	mov    $0x0,%eax
    }
    .........................................................
    00000000004005b4 <_fini>:
      4005b4:	48 83 ec 08          	sub    $0x8,%rsp
      4005b8:	48 83 c4 08          	add    $0x8,%rsp
      4005bc:	c3                   	retq

可以在代码中看到了C语言代码。

# 三、 nasm汇编编译器 #

> NASM全称The Netwide Assembler，是一款基于80x86和x86-64平台的汇编语言编译程序，其设计初衷是为了实现编译器程序跨平台和模块化的特性。NASM支持大量的文件格式，包括Linux，\*BSD，a.out，ELF，COFF，Mach−O，Microsoft 16−bit OBJ，Win32以及Win64，同时也支持简单的二进制文件生成。它的语法被设计的简单易懂，相较Intel的语法更为简单，支持目前已知的所有x86架构之上的扩展语法，同时也拥有对宏命令的良好支持。[百度百科][Link 3]

因为as汇编编译器针对的是AT&T汇编代码风格，Intel风格的汇编代码则可以用nasm汇编编译器编译生成执行程序，所以这里我们将简要介绍一下nasm编译器。

## 1. 安装nasm ##

[安装nasm及调试][nasm]  
![在这里插入图片描述][20201016191345282.png_pic_center]

## 2. 编译 ##

Hello.asm代码如下：

; hello.asm 
    section .data            ; 数据段声明
            msg db "Hello, world!", 0xA     ; 要输出的字符串
            len equ $ - msg                 ; 字串长度
    section .text            ; 代码段声明
    global _start            ; 指定入口函数
    _start:                  ; 在屏幕上显示一个字符串
            mov edx, len     ; 参数三：字符串长度
            mov ecx, msg     ; 参数二：要显示的字符串
            mov ebx, 1       ; 参数一：文件描述符(stdout) 
            mov eax, 4       ; 系统调用号(sys_write) 
            int 0x80         ; 调用内核功能
                             ; 退出程序
            mov ebx, 0       ; 参数一：退出代码
            mov eax, 1       ; 系统调用号(sys_exit) 
            int 0x80         ; 调用内核功能

> 注意：按以上链接-[安装nasm及调试][nasm]中**gcc -o Hello Hello.o**命令会出现报错

Hello.o：在函数‘_start’中：
    Hello.asm:(.text+0x0): `_start'被多次定义
    /usr/lib/gcc/x86_64-linux-gnu/5/../../../x86_64-linux-gnu/crt1.o:(.text+0x0)：第一次在此定义
    /usr/lib/gcc/x86_64-linux-gnu/5/../../../x86_64-linux-gnu/crt1.o：在函数‘_start’中：
    (.text+0x20)：对‘main’未定义的引用
    collect2: error: ld returned 1 exit status

![在这里插入图片描述][20201016193217146.png_pic_center]  
*此问题目前还未解决。*  
但进行以下命令就可以编译成功

> ld -s -o Hello Hello.o

![在这里插入图片描述][20201016193346167.png_pic_center]

> ./Hello

![在这里插入图片描述][2020101619342266.png_pic_center]

## 3.与gcc的可执行文件对比 ##

这里我们可以对比一下通过gcc进行编译生成的可执行文件

> size Hello

nasm编译生成的可执行文件大小：  
![在这里插入图片描述][20201016193540837.png_pic_center]  
gcc编译生成的可执行文件大小：  
![在这里插入图片描述][20201016193711786.png_pic_center]  
这里明显可以看出nasm生成的可执行文件比gcc编译生成的可执行文件明显小很多。

# 四、 总结 #

此次我们探索了gcc的编译流程，了解了gcc编译过程是分为四步：  
1、预处理,生成 .i 的文件\[预处理器cpp\]  
2、将预处理后的文件转换成汇编语言, 生成文件 .s \[编译器egcs\]  
3、有汇编变为目标代码(机器代码)生成 .o 的文件\[汇编器as\]  
4、连接目标代码, 生成可执行程序 \[链接器ld\]  
此次也简单了解了ELF文件格式以及编译了asm文件，发现nasm编译器生成的可执行文件明显小于gcc编译器。使我在之后的编译文件中开始重视文件大小与代码的效率问题。

# 五、 参考资料 #

1.[GCC 编译器背后的故事][GCC]  
2.[Linux GCC 常用命令][Linux GCC]  
3.[Ubuntu上安装nasm以及nasm在Ubuntu上的简单使用][nasm]  
4.[gcc工作流程图][CSDN]

[Link 1]: https://baike.baidu.com/item/gcc/17570?fr=aladdin
[gcc]: /images/20221123/47ae0f91f6524ff182473a7891867914.png
[CSDN]: https://blog.csdn.net/wanzhilin88/article/details/97389410
[20201015192009615.png_pic_center]: /images/20221123/9bd9fdc83ab44275a7c293051fcb98f4.png
[20201015192043729.png_pic_center]: /images/20221123/b3224731f6e049c58131b2362957027e.png
[2020101519273274.png_pic_center]: /images/20221123/6aae2b3dbef94280b2e7b4024fa9f6f4.png
[20201015194058213.png_pic_center]: /images/20221123/86e16f481f354b588fec31379d992135.png
[20201015194218895.png_pic_center]: /images/20221123/22cc4001c24b42019585e4d812e20c00.png
[Link 2]: https://baike.baidu.com/item/ELF/7120560?fr=aladdin#reference-%5B1%5D-10973487-wrap
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1MjY0ODA4_size_16_color_FFFFFF_t_70_pic_center]: /images/20221123/49e37b8e6e784511a77ed0a82388eca7.png
[Link 3]: https://baike.baidu.com/item/nasm/10798233?fr=aladdin
[nasm]: https://www.linuxidc.com/Linux/2013-01/78271.htm
[20201016191345282.png_pic_center]: /images/20221123/663373c46f904db1a60d21facdfda895.png
[20201016193217146.png_pic_center]: /images/20221123/d573eb2b047e456f9b6608893e6e3031.png
[20201016193346167.png_pic_center]: /images/20221123/31f1a164646240aaafac0293f6a51871.png
[2020101619342266.png_pic_center]: /images/20221123/5ca36940270c49cfafb25421acf43608.png
[20201016193540837.png_pic_center]: /images/20221123/3a6bd0e1d8374338b03e703868bdaa95.png
[20201016193711786.png_pic_center]: /images/20221123/080c769e36a5466ca8458bc3117d566f.png
[GCC]: https://mooc1-1.chaoxing.com/ueditorupload/read?objectId=b9616c5b28b9b0b12e4df8411148087e&fileOriName=GCC%E7%BC%96%E8%AF%91%E5%99%A8%E8%83%8C%E5%90%8E%E7%9A%84%E6%95%85%E4%BA%8B.pdf
[Linux GCC]: https://mooc1-1.chaoxing.com/ueditorupload/read?objectId=94fdef0ff9306a1d78c5d95704d1e248&fileOriName=Linux%20GCC%E5%B8%B8%E7%94%A8%E5%91%BD%E4%BB%A4.pdf