C语言：高级语言怎样抽象执行逻辑

平时我们做编程的时候，底层 CPU 如何执行指令已经被封装好了，因此你很少会想到把底层和语言编译联系在一起。但从我自己学习各种编程语言的经历看，从这样一个全新视角重新剖析 C 语言，有助于加深你对它的理解。

本节首先要了解 CPU 执行指令的过程，然后再来分析 C 语言的编译过程，掌握 C 语言的重要组成，最后我们再重点学习 C 语言如何对程序以及程序中的指令和数据进行抽象，变成更易于人类理解的语言（代码从这里下载）。

CPU执行指令的过程

CPU执行一条特定指令的详细过程是取指、译码、执行、访存、回写，这是一个非常详细的硬件底层细节，本节将从软件逻辑的角度看CPU执行多条指令的过程。

这个过程描述起来很简单，就是一个循环：

• 1.以PC寄存器中值为内存地址A,读取内存地址A中的数据

• 2.CPU把内存地址A中的数据作为指令执行，具体执行过程：取指、译码、执行、访存、回写

• 3.将PC寄存器中的值更新为内存地址A+(一条指令占用的字节数)

• 4.回到第一步

上述过程就是CPU执行指令的逻辑过程。

动手来写几行代码，调试一下，观察一下内存的内容和 CPU 寄存器的变化，代码如下：

.text    

.global  main
main:          # main函数
  add t1,zero,1    # x6 = 1
  add t2,zero,2    # x7 = 2
  add t0,t1,t2    # x5 = x6 + x7
  add a0,zero,zero   # x10 = 0 相当于main函数中的return 0
  ret

这是一段 RV32I 指令集编写的汇编代码，设置好断点，执行如下：

看到 t0、t1、t2 寄存器中的数据和我们预期的一样。PC 寄存器从 0x10120，一直变化到 0x1012c，每执行一条指令 PC 寄存器的值都要加 4，这是因为每条 RV32I 指令都占用 4 字节的内存空间。

在调试控制台中执行-exec x/16xb 0x10120命令，即可显示从 0x10120 开始的 16 字节内存数据，刚好 4 条指令的数据

下图展示了内存中的情况：



大致逻辑是这样的：最开始，由 CPU 控制单元通过控制总线发出要读取数据的控制信号；接着通过地址总线发送地址信号（当前情况下地址数据来源 PC 寄存器（0x10120））；然后通过数据总线传送指令数据 (0x00100313)；最后执行单元拿到指令数据开始执行，并增加 PC 寄存器使之指向下一条指令。重复这个过程，内存中的指令就能一条一条地执行了。

C语言编译过程

因为 CPU 始终只认识那些二进制数据，就需要把高级语言转化成为二进制数据，这个转化的过程叫编译过程，完成这个转化的工具软件就叫编译器。

比如C语言编译器编译C语言的过程，先通过下图来理解下这个过程，建立一个整体印象：

现代的 C 预处理器、C 编译器、汇编器、链接器是独立的程序，可以分开独立工作，并不是一个程序完成上图中所有的工作。

因为我们不开发编译器，这里你不需要理解词法、语法是如何分析的，中间代码是怎样优化的。我们要关注的焦点是，从 C 源代码到二进制机器指令数据的转化过程。

C语言的重要组成

想要弄清楚 C 如何跟二进制指令数据转化，首先要清楚 C 语言的重要组成部分

从不同层次抽象，里面的内容是不一样的：从高层次看代码中只有声明和定义，下一层看代码只有函数和变量，变量进一步分解还有不同的类型。

硬背这些分类只会让你晕头转向。接下来我们不妨分析一下，想要让一段 C 语言代码编译通过，需要哪些重要成分和逻辑结构。

在 C 语言中经常容易混淆声明和定义这两个概念，先来看看声明

• 声明是给变量、函数、结构体等命名，表明在程序代码中有该变量、函数、结构体，来看看下图中的代码：
  
  

在 declaration.c 程序文件中，声明了一个整型变量，一个结构体变量，一个函数。然后我们编译它，确实能编译成功，这说明在 C 语言文法中仅仅需要有声明就可以，当然空文件也是可以的。声明不会分配内存空间。

需要注意的是，只有声明的代码确实能编译成功，但链接的时候就不一定了，我们这里之所以能链接成功。是因为在其它代码中没有对这些声明进行了引用。

• 定义是具体给变量分配内存空间。这个内存空间可以是初始化的，也可以是没有初始化的、给出具体函数的实现。
  
  具体函数可以是空函数，函数中没有语句什么都不做也可以，唯一必需的就是指明结构体成员。结构体也是变量，只不过结构体是多个变量的组合，同样要分配内存空间，可以初始化也可以不做初始化。

写代码验证一下对不对，如下图所示：

还是在 definition.c 程序文件中，定义了一个整型变量，一个结构体变量，一个函数。我们同样能成功编译它。这说明 C 语言文法中没有声明，只有定义也可以成功编译的，其实 C 语言文法的原则是，声明可以出现很多次，定义有且只能出现一次。声明和定义也可以同时出现。

编译的其中一个过程，就是用某种编程语言的文法来检查所写语言（代码）是否正确。你可以这么理解，语言的文法就是对这种语言的最高抽象，所以我们可以说 C 语言最重要的组成部分就是声明或者定义。

声明或者定义中又包含变量和函数，变量又有指针、数组、结构体，它们又包含各种类型，而函数中包含了各种表达式，各种表达式对变量进行操作。

编译器的语法分析过程，就是这样层层递归推导下去，最终构建出语法树，从而检查语言是否正确无误、是否符合该语言文法的规则定义，都符合编译才能通过。就像你学英文一样，你怎么判断一条英语句子是否正确呢？你会拿主谓宾等等约定俗成的语法去套，如果能套上去，就是正确的。

C语言对程序的抽象

看到 C 语言中，包含声明和定义，可以声明变量和函数，由图中绿色箭头指向。也可以定义变量和函数，由图中蓝色箭头指向，注意定义只能出现一次，声明可以出现多次。

故意安排指针在最前端，是因为从 C 语言特性讲，指针能指向任一变量和函数，由图中红色箭头指向；从另一个角度看，指针就是内存，能自由寻址读写内存空间，但能否读写内存则要看操作系统给的权限，指针就是 C 语言中的“上帝之手”。同时，图中黑色线条还表示指针可以有相应的类型，并且能参与运算，这是我把指针放在比函数更高位置的原因。

需要注意的是，各种类型的变量是可以定义在函数以外的，这些定义在函数以外的变量是全局变量，而定义在函数内部的变量叫局部变量。

下面继续研究一下表达式。从前面的图里，可以看到 C 语言表达式包含了变量和运算符。

变量又有各种类型，单个变量也是表达式，但是运算符不能单独存在变成表达式，所以 C 语言表达式要么是单个变量，要么是变量加运算符一起。根据运算符的类型不同，可以分成运算表达式、逻辑表达式、赋值表达式等。

举例：

int sumdata = 0;//全局整型变量sumdata
void func()
{
    int i = 1;//局部整型变量i
    int *p; //局部整型指针变量p
    p = &sumdata;//把sumdata变量的地址赋值给p变量，从而指向sumdata变量
    while(1)//循环流程控制
    {
        if(i > 100)
        {
            break;//跳出循环，流程控制
        }
        (*p) += i;//相当于sumdata = sumdata + i
        i = i + 1;
    }
    return;
}

上述代码所有的表达式中，涉及了一个全局变量，两个局部变量。其中局部变量中有一个是指针变量，指向全局的变量。包含了更多的流程控制语句，可以明显地看到表达式就是：变量和运算符组合在一起，完成了对变量的操作。而变量代表了数据，最终就能实现对数据的运算。但是变量有各种类型，这些类型只是规范了变量的位宽和大小。

小结

C 语言是如何抽象程序的，如下表所示。



C 语言就是函数 + 变量。函数表示算法操作，变量存放数据，即数据结构，合起来就是程序 = 算法 + 数据结构。