C 语言编译和链接：翻译环境、预处理、编译、汇编、链接与运行环境

1. 翻译环境和运行环境

在 ANSI C 的任何一种实现中，都存在两个不同的环境：

• 翻译环境：源代码在这个环境中被转换为可执行的机器指令（二进制指令）。
• 执行环境：用来实际执行代码。

一段 C 程序先经过翻译环境变成可执行程序，再由执行环境把它跑出结果。

2. 翻译环境

翻译环境由编译和链接两个大的过程组成，而编译又可以分解成：预处理（有些书也叫预编译）、编译、汇编三个过程。

一个 C 项目中可能有多个.c文件一起构建，它们是这样生成可执行程序的：

• 多个.c文件分别单独经过编译器，编译处理生成对应的目标文件。Windows 环境下目标文件的后缀是.obj，Linux 环境下是.o。
• 多个目标文件，和链接库一起经过链接器处理，生成最终的可执行程序。
• 链接库指运行时库（支持程序运行的基本函数集合，如 C 运行库 libc）或者第三方库。

以 gcc 为例，把编译器展开成 3 个过程后，整条链路是：

.c 源文件 + .h 头文件 │ 预处理（gcc -E） ▼ .i 预处理后的中间文件 │ 编译（gcc -S） ▼ .s 编译后的中间文件 │ 汇编（gcc -c） ▼ .o 目标文件 │ 链接（链接器 + 链接库） ▼ 可执行程序

Windows 下的编译器是cl.exe、链接器是link.exe。每个源文件单独编译，也意味着改动一个.c文件一般只需要重新编译它自己。

2.1 预处理（预编译）

在预处理阶段，源文件和头文件会被处理成.i为后缀的文件。在 gcc 环境下想观察一下test.c预处理后的.i文件：

gcc-Etest.c-otest.i

预处理阶段主要处理源文件中#开始的预编译指令，比如#include、#define，处理的规则如下：

• 将所有的#define删除，并展开所有的宏定义。
• 处理所有的条件编译指令，如#if、#ifdef、#elif、#else、#endif。
• 处理#include预编译指令，将包含的头文件的内容插入到该预编译指令的位置。这个过程是递归进行的：被包含的头文件也可能包含其他文件。
• 删除所有的注释。
• 添加行号和文件名标识，方便后续编译器生成调试信息等。
• 保留所有的#pragma编译器指令，编译器后续会使用。

经过预处理后的.i文件中不再包含宏定义，因为宏已经被展开；包含的头文件内容也都插入进来了。所以当我们无法确定宏定义或者头文件是否包含正确时，可以查看预处理后的.i文件来确认。

2.2 编译

编译过程就是把预处理后的文件进行一系列的：词法分析、语法分析、语义分析及优化，生成相应的汇编代码文件。

gcc-Stest.i-otest.s

对下面这行代码进行编译时，编译器会怎么做？

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

2.2.1 词法分析

源代码被输入扫描器，扫描器的任务就是做词法分析，把代码中的字符分割成一系列的记号（关键字、标识符、字面量、特殊字符等）。上面这行代码经过词法分析后，得到 16 个记号：

2.2.2 语法分析

接下来语法分析器对扫描产生的记号进行语法分析，从而产生语法树。这些语法树是以表达式为节点的树：

赋值表达式（=） ├─ 下标表达式（[]） │ ├─ 标识符 array │ └─ 标识符 index └─ 乘法表达式（*） ├─ 加法表达式（+） │ ├─ 标识符 index │ └─ 数字 4 └─ 加法表达式（+） ├─ 数字 2 └─ 数字 6

2.2.3 语义分析

语义分析由语义分析器完成，即对表达式做语义层面的分析。编译器能做的是语义的静态分析，通常包括声明和类型的匹配、类型的转换等——具体到上面这棵树，就是给各级节点标上类型并检查是否匹配：array是整型数组，index、4、2、6是整型，下标表达式、加法表达式、乘法表达式的结果都是整型，整个赋值表达式也是整型。这个阶段会报告语义错误。

2.3 汇编

汇编器把汇编代码转变成机器可执行的指令（二进制指令）。每一个汇编语句几乎都对应一条机器指令——就是根据汇编指令和机器指令的对照表一一进行翻译，不做指令优化。

gcc-ctest.s-otest.o

三个选项对应编译器「做到哪一步」：-E只做预处理，-S编译到汇编代码为止（不再汇编），-c汇编成目标文件（不再链接），输出的文件名都由-o指定。

2.4 链接

链接是一个复杂的过程，需要把一堆文件链接在一起才能生成可执行程序。链接过程主要包括：地址和空间分配、符号决议和重定位等步骤。链接解决的是一个项目中多文件、多模块之间互相调用的问题。

比如一个 C 项目中有 2 个.c文件：

test.c：

#include<stdio.h>// 声明外部函数externintAdd(intx,inty);// 声明外部的全局变量externintg_val;intmain(){inta=10;intb=20;intsum=Add(a,b);printf("%d\n",sum);return0;}

add.c：

intg_val=2022;intAdd(intx,inty){returnx+y;}

每个源文件都单独经过编译器处理生成对应的目标文件：test.c生成test.o，add.c生成add.o。

test.c 中使用了 add.c 中的Add函数和g_val变量，而每次使用Add和g_val都必须确切地知道它们的地址。但每个文件是单独编译的，编译器编译 test.c 的时候并不知道Add函数和g_val变量的地址，所以先把调用Add的指令的目标地址和g_val的地址搁置。等到最后链接的时候，由链接器根据引用的符号Add在其他模块中查找Add函数的地址，然后将 test.c 中所有引用到Add的指令重新修正，让它们的目标地址为真正的Add函数的地址；对于全局变量g_val也是类似的方法来修正地址。这个地址修正的过程也被叫做：重定位。

链接阶段找不到符号的定义时，报的是链接错误（如undefined reference to Add、MSVC 下的 LNK2019），而不是编译错误——「只写了函数声明、没有把定义所在的文件一起参与链接」就属于这一类。

上面只讲了主干流程，目标文件的格式 ELF、链接底层实现中的空间与地址分配、符号决议和重定位等细节没有展开，有兴趣可以看《程序员的自我修养》一书详细了解。

3. 运行环境

程序必须载入内存中才能执行，执行环境做的事情依次是：

1. 程序载入内存。在有操作系统的环境中，一般由操作系统完成；在独立的环境中，程序的载入必须由手工安排，也可能是通过可执行代码置入只读内存来完成。
2. 程序的执行开始，接着调用main函数。
3. 开始执行程序代码。这个时候程序将使用一个运行时堆栈（stack），存储函数的局部变量和返回地址；程序同时也可以使用静态（static）内存，存储于静态内存中的变量在程序的整个执行过程一直保留它们的值。
4. 终止程序。正常终止main函数，也有可能意外终止。