函数，从编辑到编译 (下) — 一文带你了解编译 链接

• 2019 年 10 月 3 日
• 筆記

上篇的链接在这里：
函数，从编辑到编译 (上) –带你了解预编译做了什么

下面继续：

2. 编译

所谓编译过程，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。这一步是整个程序构建的核心部分，也是最容易出错的一部分。

从现在开始，步骤就变得十分复杂了。

对函数来说，这一阶段是最繁琐也是最为危险的：稍有不慎，轻则 warning 重则 error 。

我见过许多出错的函数，他们连着行号被编译器带到窗口，当街示众。

也有些函数和 #pragma 关系比较好，小错误被遮掩过去，免去了示众的命运。

2.1 扫描

我们要先经过一台扫描器 （Scanner），这机器如此庞大，以至于我根本看不出内部的细节。

我对大型机器充满好奇，编译器给了我一本手册——《编译宝典》，他说里面有讲扫描器的实现。

可我看不懂。

编译器告诉我，想要参透这本宝典，需要付出代价。

“代价？像岳不群那样？”

“你想哪儿去了！你说的那是《葵花宝典》，我说的代价是时间和精力！编译器这种庞大的工程，需要一个团队来合作完成，除非你是打算写写玩具编译器。”

所以我放弃了造出这些机器的想法，因为函数的一生太短了，希望你能实现我的愿望。

在扫描器里的体验不太舒服，它像一台 X 光机，把我的身体里里外外看了个遍，给我的感觉很不妙。

出了机器，会收到一个检查报告，像这样（篇幅有限，只拿一个表达式举例子）：

拿着这份报告，就该去进行语法分析了。

2.2 语法分析

语法分析器（Grammar Parser）就不需要我整个躺进去，只用把扫描器生成的检查报告交给他。

分析好之后，我拿到了一个盆栽 新的报告 —— 一棵树，或者，准确一点，一棵语法树（Syntax Tree）。

树的枝叶一切正常，表示我的表达式是合法的。毫无疑问，我再次通过了检查。

但有的函数就不这么幸运了，他们会在这一步检查出问题，比如括号不匹配，表达式中缺少操作符等等，这些错误会上报编译器，最后报告给程序员。——他们面临着整改的命运。

2.3 语义分析

刚刚的语法分析器，顾名思义，只完成了语法层面的分析，但他不了解表达式是不是真的有意义。

比如让两个指针做乘法，在语法上是合法的，但这是没有意义的。语义分析器（Semantic Analyzer）就能够检查出这个错误。

但语义分析也不是万能的，它也有局限性——语义分析仅仅能分析静态语句。

你问我什么是静态语义？

我不知道，因为我只是一个函数。

所谓静态语义，是能在编译期间可以确定的语义，与之相对的动态语义，就是只有在运行期才能确定的语义。

int a = 6 / 0;

从静态语义上看，这句话是合法的，编译期间不会报错，但等到程序运行到这句时，就会报出 devided by 0 的错误，造成程序异常退出。

2.4 代码生成与优化

走到这，编译部分也算快结束了。

剩下的两台机器，一台叫代码生成器（Code Generator），一台叫目标代码优化器（Target Code Optimizer）。

目标代码优化器总是嫌弃代码生成器，因为代码生成器生成的代码效率低，还需要他花大功夫来优化。

用优化器的话讲：“生成器那家伙，每次生成一堆低效率的代码，我还得从头读到尾，进行基于数据流分析（data-flow analyse）技术的全局优化，太累了。”

其实代码生成器有做优化，叫做局部代码优化，只是优化程度远远不及优化器，所以他不好意思反驳优化器。

不过这不代表代码生成器结构就简单了，它生成代码的过程十分依赖于目标机器——这意味着它要适配许许多多的机器，不同的机器有着不同的字长、寄存器、整数数据类型和浮点数数据类型等，它要考虑的事情太多了。

经过生成器，表达式的样子发生了巨大的变化（这里以 x86 的汇编语言来表示）：

movl index, %ecx          ; value of index to ecx  addl $4, %ecx             ; ecx = ecx + 4  mull $8, %ecx             ; ecx = ecx * 8  movl index, %eax          ; value of index to eax  movl %ecx, array(,eax,4)  ; array[index] = ecx

优化器对上面的代码又做了一番深层次的优化，包括选择寻址方式，删除多余指令等。（代码比较短，所以优化效果并不明显。）

movl  index, %edx  leal  32(,%edx,8), %eax  movl  %eax, array(,%edx,4)

每次走过这些流程，我都不得不感叹于编译器复杂的结构，也只有优秀的程序员们，才能够完成这么伟大的工程吧。

函数的编译，就是这么繁琐，且枯燥。

今天令我惊讶的是，所有函数都完美的通过了编译阶段。

“Nice~ 这次可以早点休息了！”不止是我，其他函数也是这么想的吧。

我们有说有笑，悠然等待着链接程序来做最后的收尾工作。

但万万没想到，危机竟出现在链接阶段。

3. 链接

我听长辈们说，链接器，拥有比编译器更为悠久的历史。

每当我把这个事实告诉新来的函数时，他们总是一脸不可思议：

“我们都是先编译，再链接的，怎么会先有链接器，再有编译器？这又不是先有鸡还是先有蛋的哲学问题。”

我第一次听说的时候，也有这样的疑惑。

“链接是在汇编语言时代就出现了的概念。在那之前，是机器语言的时代。但是想要对机器语言进行修改，那就太困难了，因为机器指令的修改经常造成具体指令地址的改变，牵一发而动全身。所以汇编语言产生了，用符号来标记位置，而符号与实际地址的映射工作，就是链接器来做的。”我向他解释道。

“我明白了，因为高级语言出现在后面，所以从高级语言到汇编语言的步骤——编译，要比链接来的晚一些。”

是啊，编程语言的发展，从机器语言，到汇编语言，再到现在的高级语言，经过了几十年的时间。但尽管是现代，我们编译型高级语言，想要运行，还是得回到汇编语言，再被翻译成机器语言，看起来是绕了一个大圈，但人类程序员的生产力，却得到了质的飞跃。

人类总是能想出各种办法来减轻他们的工作量。

…

链接过程主要包括了地址和空间分配（Address and Storage Allocation）、符号决议（Symbol Resolution）和重定位（Relocation）等这些步骤。

看起来挺高大上，其实链接器做的和早期程序员人工调整地址没什么两样，只是更加复杂而已——你不要指望现在的语言特性比早期简单。

但从本质上说，就是把指令对其他符号地址的引用加以修正。链接的重点就是两个不同的目标文件。

这一阶段本来是很容易通过的，但今天，居然出现了大错误。

问题出在 main.c 中。

出乎所有函数的意料，包括 main。

4. 尾声

回到编辑器，我们检查遍了 main 函数内部的所有函数，从他们的声明，再到他们的实现，全都没有问题。

“会不会是 #include 的时候出了什么问题？”有函数提出了自己的看法。

我们决定分头行动，一部分和其他文件协作检查函数声明，剩下一部分负责排查有没有出现循环 #include 问题。

不知过了多少 CPU 周期，大家回来了，一无所获，两种问题都没有出现。

我们一筹莫展。

“ main.c ，链接出错…”我满脑子都在想可能原因，“不会是 main 函数本身出了问题吧！”

“快，去看看宏定义有没有异常！”

宏定义？虽然大家有些疑惑，但还是照做了。

果然，发现了异常：

...  ...  #define main mian  ...  ...

我心里怒骂“谁这么缺德，干这种事情？！”

好在删掉这条“间谍”指令后，一切恢复正常，完美通过编译链接。

我们终于可以休息了。

PS：危险指令，请勿模仿。除非，，，你想挨一顿毒打。

PPS：函数的运行以后也会写到。

PPPS：如果大家对文章有什么看法和意见，欢迎提出来~ 如果觉得文章有意思，点个赞再走吧

文中插图来自《程序员的自我修养》。

声明：原创文章，未经授权，禁止转载