程式碼撰寫到運行

隨手學習筆記，還沒寫完，希望能比獵人還早寫完

本筆記主要講述從 Program 到 Process 的過程

理解預處理、編譯、組譯、連結、載入、運行

圖源

預處理(Preprocessor)

//test.c 
#include<stdio.h>
#define it5 5
int main(void){
    printf("hello world");
    printf("%d",it5);
}

這是大家一定都看得懂的程式碼，那我們的預處理器會對這段程式碼如何呢？它會把所有巨集(Macro)、標頭檔(其實就是所有＃開頭的指令)，都置換掉，置換是什麼意思？

讓我們看實際的過程

gcc -E -o test.i test.c 
//gcc -E(only preprocesee) -o(assign output filename) [output filename] [input filename]

gcc 是一套強大開源的Compiler Driver，支援數種語言，在這邊我們可以把它看成一套工具來幫助我們做預處理、編譯、組譯、連結就可以了

• gcc 後面的-E參數代表只要把source code進行預處理就可以了
• -o 是指定輸出檔案的名稱，這邊我指定名稱是test.i

*.i是經過預處理後的程式碼的副檔名

• gcc還有很多參數可以使用，在網路上都可以輕易的查詢，後面也還會再介紹幾個

//上略
...
extern char *ctermid (char *__s) __attribute__ ((__nothrow__ , __leaf__));
# 840 "/usr/include/stdio.h" 3 4
extern void flockfile (FILE *__stream) __attribute__ ((__nothrow__ , __leaf__));



extern int ftrylockfile (FILE *__stream) __attribute__ ((__nothrow__ , __leaf__)) ;


extern void funlockfile (FILE *__stream) __attribute__ ((__nothrow__ , __leaf__));
# 858 "/usr/include/stdio.h" 3 4
extern int __uflow (FILE *);
extern int __overflow (FILE *, int);
# 873 "/usr/include/stdio.h" 3 4

# 2 "test.c" 2

# 2 "test.c"
int main(void){
 printf("Hello,world");
 printf("%d",5);
    return 0;
}

礙於篇幅關係我不把全部的內容放上來，有興趣的讀者可自己根據上面的指令進行實做。

這邊我們可以看到#define it5 5 和＃inculde<stdio.h>確實都被取代了。

這邊置換成我們想要的結果後，卻多出了一些奇怪的數字那這些數字是什麼呢？
Ans:
The numbers following the filename are flags:

1. This indicates the start of a new file.

2. This indicates returning to a file (after having included another file).

3. This indicates that the following text comes from a system header file, so certain warnings should be suppressed.

4. This indicates that the following text should be treated as being wrapped in an implicit extern "C" block.

Source：https://stackoverflow.com/questions/33089168/what-do-the-numbers-mean-in-the-preprocessed-i-files-when-compiling-c-with-gcc

說了那麼多，我們也大致理解預處理器到底在幹嘛了，那可能心中又會有新的疑問

欸，為什麼不直接 Inculde source code　就好，為什麼要創造一個　HeaderFile，然後 Include 所謂的 HeaderFile，這樣感覺有點畫蛇添足欸

關於這個問題我們先來談談標頭檔的意義

標頭檔的意義

就算你 include 標頭檔，Compiler 在編譯時根本不知道你函數正確的位置 (使用動態連結時)

這邊先打個岔，程式分成動態連結和靜態連結，如果是靜態連結那就會在連結的時候把正確位置填入，而動態連結則是運行時填入。
所以下面的討論都是基於動態連結，畢竟靜態連結沒啥好說的，就是直接塞入正確位置

動態連結

• 運行時載入正確位置透過GOT、PLT
• todo:這邊我有另一篇在講GOT PLT (目前並沒有，不過我做了圖，有興趣的可以用 gdb trace 配我的圖去理解)
• Lazy binding(這個會有got hijack的問題)所以目前gcc需要下額外參數才會lazy binding，不然都是在運行的一開始就解析好所有符號

靜態連結

• 連結時填入固定位置

沒錯，以範例來說你 include 標頭檔是為了printf()這個函數，但其實我們去<stdio.h>裡面查看其實他只有對printf()進行宣告而已，內部功能其實並沒有在這個檔案裡面，HeaderFile作為編譯前會先被解析的部份，它(HeadFile)作為宣告的集合，是為了讓 Compiler 能認得函數的定義，知道有其函數，Compiler 才會乖乖編譯

那這樣為什麼他能夠置卻進 printf()，是誰告訴程式函數在哪裡?又是什麼時候告訴程式的?

其實 Program 填寫正確函數位置要等到連結 (Linking) 時才會真正知道函數正確的位置
這部分留著我們後面談到連結時再來詳細介紹，這邊姑且知道編譯器其實並不知道外部函數、變數的位置，一切都要靠比較陌生的動態連結器完成。

這邊再補充一下，其實編譯器是會對 printf() 進行編譯，一般來說呼叫函式的組語是長這樣 call [function address]，只是 function address 不是填入該函數的正確位置，而是一些與組語相關的數值(就是GOT、PLT的位置)，連結器則會根據數值和 Relocation table 依序填入函數或變數的正確位置。

好啊，既然連結器那麼厲害能夠知道函數和變數的位置，那回到一開始的問題，一樣都是宣告，比起 HeaderFile 我的.c檔還有定義函數行為，為什麼不 include<xxx.c> ，這樣不是更直觀更方便嗎？

如果我們直接include<xxx.c>，那這樣我們當初就沒有分成兩個檔案的必要，我們需要include的原因其一就是希望能讓檔案分離、模組化，如果直接include<xxx.c>確實可以，但這樣就失去include的意義了

延伸閱讀：標頭檔為一個完整的檔案做為插入.c/.cpp檔案中，一般標頭檔的功能為Declaration(宣告)，而.c/.cpp作為Defined（定義），此做法可以加快編譯速度也可以避免重複宣告，只要include就可以使用。
Why does C++ need a separate header file?
How to use

---

編譯(Compiler)

• 詞法分析(lexical analyze)
  • 經過前處理器處理完的檔案進到lexer時，他會對檔案分割成一系列的token，他需要確保檔案在進入下一個stage(Grammer Parser)時，檔案內部的變數、保留字都應該符合規範，實際作法可以使用正則表達式(Regular Expression)去做檢查，常用工具：lex flex
    考慮以下程式碼

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

他會被分析成這樣

token	類型
array	標識符
[	左中括號
index	標識符
]	右中括號
=	賦值
(	左小括號
index	標識符
+	加號
4	數字
)	右小括號
*	乘號
(	左小括號
2	數字
+	加號
6	數字
)	右小括號

• 語法分析(Grammer Parser)

從上一個stage接收分析好的記號，並且進行語法分析，產生語法樹(Syntax Tree)，分析過程使用上下文無關語法(Context-free Grammer)的分析手段。產生的語法樹是由表達式(Expression) 為節點的樹。

可以看到整個語句被看成賦值表達式(assign expression)，賦值=的左邊是一個數組表達式，右邊是一個乘法表達式，數組表達式又是由兩個符號表達式所組成的，符號和數字是最小的表達式，他們通常存在在整顆樹的(Leaf Node)，另外有些符號有多重含義譬如說 c 語言中的 *，有乘法以及取值(refence)的操作，那就需要在這個階段去分類好。

然後這個也有一個工具叫做yacc(yet another compiler compiler)

• 語意分析(Semantic Analyze)

  • void funciton {return 2}

• 產生中間代碼(Generate Middle Code)

  • IR
  • 多平台開發 參見 LLVM
  • 消除語法糖之類的東西
    • 方便最佳化

• 最佳化代碼

好懶，隨便先寫一點

組譯(Assembly)

• 應該沒什麼好說的，可以一一對應，把組合語言轉換成機器看得懂的機器碼

連結(Linking)

連結器(Linker)

關於 Linker 最主要的功能就是把不同的　.o file 連結在一起，並且設定連結靜態庫 & 動態庫

• Static Linking
  • 把 program 與 靜態連結庫整合在一起，變成一個可執行的 Binary File (Binary file include Library)
• Dynamic Linking
  • 把 program 與 動態連結庫整合在一起，變成一個可執行的 Binary File (Binary file not include Library)
• Dynamic Linking? Dynamic Loading?

載入

---

參考資訊

• 程序員的自我修養：鏈接、裝載與庫

• Computer Science from the Bottom Up
  

for(int i =0;i<100;i++){
    int j =2;
}

for(int i =0;i<100;i++){
}
int j =2;