编译到底做了什么（***.c -> ***.o的过程）

 （第一次写博客，好激动的说.......）

 

我们知道，一个程序由源代码到可执行文件往往由这几步构成:

预处理（Prepressing）-> 编译（Compilation）-> 汇编（Assembly）-> 链接（Linking）。

 

编译过程就是把预处理完的文件进行一系列词法分析、语法分析、语义分析及优化后生产相应的汇编代码文件，这个过程往往是我们所说的整个程序构建的核心部分。那么，这个核心部分究竟做了什么呢。

 

各位看官容我挽起袖子，且听我娓娓道来。

 

编译器做了什么？

  从最直观的角度来说，编译器就是将高级语言翻译成机器语言的一个工具。

  以 C语言为例，解释一下 ***.c -> ***.o 的过程。 假设test.c有下面一段代码

  array[index] = (index + 4) * (2 + 6);

  下面就来谈谈这个表达式是如何翻译成机器语言的过程。

  这个过程主要有如下五步，看起来好长的样子，看官需静下心来慢慢看。。。。

 

1.词法分析 -- 将源代码字符序列分割成一系列的记号

  源代码程序被输入到扫描器（Scanner）。

  扫描器的任务就是：运用一种有限状态机（Finite State Machine）的算法，将源代码字符序列分割成一系列的记号（Token）。还有一些其他工作（将标识符放到符号表，将数字、字符串放到文字表中）

  如下图(因为表格换页了，所以拍出来是这个样子，望海涵)

 

  词法分析产生的记号可以分为如下几类：关键字、标识符、字面量（包括数字、字符串等）和特殊符号（+ - * /）。

  需要注意的是：C语言的宏替换和文件包含等工作一般不是编译器做的，而是交给一个独立的预处理器。

  有一个叫做lex的程序可以实现词法扫描。

 

2.语法分析 --  产生语法树（以表达式为节点的树）

  语法分析器(Grammar Parser)将对上面产生的记号进行语法分析，产生语法树（Syntax Tree）-- 采用的是上下文无关语法的分析手段。

 简单的说，语法分析器生成的语法树就是以表达式（Expression）为节点的树。

 如图

 语法分析阶段必须对好多东西（符号的含义和优先级）进行区分，若出现了不合法（如括号不匹配，表达式缺少操作符等），编译器就会报告语法分析阶段的错误。

 仅仅是完成了对表达式语法层面的分析，并不了解这个语句是否真正有意义。

 语法分析也有一个现成的工具叫yacc（Yet Another Compiler Compiler）。

 

3.语义分析  --  将语法树中节点标明含义

  接下来就是，由语义分析器（Semantic Analyzer）来完成。

  任务就是：为语法树的表达式标识类型。就是下面这个样子，多了类型

  如图

 

 

 符号和数字是最小的表达式。

  编译器所能分析的语义是静态语义。（动态语义不能被分析）

  静态语义：在编译阶段可以确定的语义，通常包括声明和类型的匹配，类型的转换。

  动态语义：在运行期才能确定的语义，比如将0作为除数是一个运行期语义错误。

 

4.中间语言生成  -- 一个优化过程

  现代的编译器有着很多层次的优化，这里介绍的是一个源码级优化器（Source Code Optimizer），会在源码级别进行优化。比如例子中的(2 + 6)，因为在编译阶段可以确定为8，所以这个表达式被优化掉了。

 

 因为直接在语法树上做优化是比较困难的，所以源代码优化器往往将整个语法树转换成中间代码（Intermediate Code），就是语法树的顺序表示（已经非常接近目标代码了）。

 中间代码有很多类型，在不同的编译器有着不同的表现形式，常见的有：三地址码（Three-address Code）、P代码（p-Code）。

 

中间代码使得编译器可以分成前端和后端。

前端：负责产生机器无关的中间代码

后端：将中间代码转换成目标代码

 

5.目标代码生成与优化（这里开始就是后端了，前面都是前端）

 编译器后端主要包括：代码生成器（Code Generator）和目标代码优化器（Target Code Optimizer）。

 代码生成器：将中间代码转换成目标机器代码。这个过程非常依赖于机器，因为不同的机器有不同的字长，寄存器，整数数据类型和浮点数数据类型等。

对于我们的例子，可能会生成下面的代码序列（用x86的汇编来表示），如图

 

目标代码优化器：对上述的目标代码进行优化。比如：选择合适的寻址方式，使用位移来代替乘法运算，删除多余的指令等。

对于我们的例子，有可能会优化成这个样子。

如图。

 

------  我是分割线   ------

 

好了，忙活了这么久，源代码终于变成了目标代码。

这时候问题来了，index和array的地址还没有确定。若用把目标代码用汇编器编译成真正能在机器上执行的指令，这两个地址从何而来呢。

若index和array定义在跟上面的源代码同一个编译单元里，那么编译器可以为它们分配空间，确定它们的地址。

若定义在其他模块呢？说来就话长了。。。。。。

 

附在那本书的一些话：（助于理解）

(1).现代的编译器可以将一个源代码文件编译成一个未链接的目标文件，然后由链接器最终将这些目标文件链接起来形成可执行文件。

(2).汇编器是将汇编代码转变成机器可以执行的指令，每一个汇编语句几乎都对应一条机器指令。

(3).所以汇编器的汇编过程相对于编译器来讲比较简单，它没有复杂的语法，也没有语义，也不需要做指令优化，只是根据汇编指令和机器指令的对照表一一翻译就可以了。

(4).经过预编译、编译和汇编直接输出目标文件（Object File）。

 

 

参考文献《程序员的自我修养--链接、装载与库》 P41-P48 （其实就是摘抄整理了一下，哈哈）

---