編譯器介紹

　　簡單講，編譯器就是將“一種語言（通常為高級語言）”翻譯為“另一種語言（通常為低級語言）”的程序。一個現代編譯器的主要工作流程：源代碼 （source code） → 預處理器 （preprocessor） → 編譯器 （compiler） → 目標代碼 （object code） → 鏈接器 （Linker） → 可執行程序 （executables）

　　編譯器的種類

　　編譯器可以生成用來在與編譯器本身所在的計算機和操作系統（平臺）相同的環境下運行的目標代碼，這種編譯器又叫做“本地”編譯器。另外，編譯器也可以生成用來在其它平臺上運行的目標代碼，這種編譯器又叫做交叉編譯器。交叉編譯器在生成新的硬件平臺時非常有用?！霸创a到源碼編譯器”是指用一種高級語言作為輸入，輸出也是高級語言的編譯器。例如： 自動并行化編譯器經常采用一種高級語言作為輸入，轉換其中的代碼，并用并行代碼注釋對它進行注釋（如OpenMP）或者用語言構造進行注釋（如FORTRAN的DOALL指令）。

　　編譯器工作原理

　　編譯是從源代碼（通常為高級語言）到能直接被計算機或虛擬機執行的目標代碼（通常為低級語言或機器語言）的翻譯過程。然而，也存在從低級語言到高級語言的編譯器，這類編譯器中用來從由高級語言生成的低級語言代碼重新生成高級語言代碼的又被叫做反編譯器。也有從一種高級語言生成另一種高級語言的編譯器，或者生成一種需要進一步處理的的中間代碼的編譯器（又叫級聯）。

　　典型的編譯器輸出是由包含入口點的名字和地址， 以及外部調用（到不在這個目標文件中的函數調用）的機器代碼所組成的目標文件。一組目標文件，不必是同一編譯器產生，但使用的編譯器必需采用同樣的輸出格式，可以鏈接在一起并生成可以由用戶直接執行的EXE，

　　所以我們電腦上的文件都是經過編譯后的文件。

　　編譯器的工作過程

　　源碼要運行，必須先轉成二進制的機器碼，這是編譯器的任務。比如，下面這段源碼（假定文件名叫做test.c）。

　　#include 《stdio.h》

　　int main（void）

　　{

　　fputs（“Hello， world！ ”， stdout）;

　　return 0;

　　}

　　要先用編譯器處理一下，才能運行。

　　$ gcc test.c

　　$ 。/a.out

　　Hello， world！

　　對于復雜的項目，編譯過程還必須分成三步。

　　$ 。/configure

　　$ make

　　$ make install

　　本文將介紹編譯器的工作過程，也就是上面這三個命令各自的任務。我主要參考了Alex Smith的文章《Building C Projects》。需要聲明的是，本文主要針對gcc編譯器，也就是針對C和C++，不一定適用于其他語言的編譯。

　　第一步 配置（configure）

　　編譯器在開始工作之前，需要知道當前的系統環境，比如標準庫在哪里、軟件的安裝位置在哪里、需要安裝哪些組件等等。這是因為不同計算機的系統環境不一樣，通過指定編譯參數，編譯器就可以靈活適應環境，編譯出各種環境都能運行的機器碼。這個確定編譯參數的步驟，就叫做“配置”（configure）。

　　這些配置信息保存在一個配置文件之中，約定俗成是一個叫做configure的腳本文件。通常它是由autoconf工具生成的。編譯器通過運行這個腳本，獲知編譯參數。

　　configure腳本已經盡量考慮到不同系統的差異，并且對各種編譯參數給出了默認值。如果用戶的系統環境比較特別，或者有一些特定的需求，就需要手動向configure腳本提供編譯參數。

　　$ 。/configure --prefix=/www --with-mysql

　　上面代碼是php源碼的一種編譯配置，用戶指定安裝后的文件保存在www目錄，并且編譯時加入mysql模塊的支持。

　　第二步 確定標準庫和頭文件的位置

　　源碼肯定會用到標準庫函數（standard library）和頭文件（header）。它們可以存放在系統的任意目錄中，編譯器實際上沒辦法自動檢測它們的位置，只有通過配置文件才能知道。

　　編譯的第二步，就是從配置文件中知道標準庫和頭文件的位置。一般來說，配置文件會給出一個清單，列出幾個具體的目錄。等到編譯時，編譯器就按順序到這幾個目錄中，尋找目標。

　　第三步 確定依賴關系

　　對于大型項目來說，源碼文件之間往往存在依賴關系，編譯器需要確定編譯的先后順序。假定A文件依賴于B文件，編譯器應該保證做到下面兩點。

　?。?）只有在B文件編譯完成后，才開始編譯A文件。

　?。?）當B文件發生變化時，A文件會被重新編譯。

　　編譯順序保存在一個叫做makefile的文件中，里面列出哪個文件先編譯，哪個文件后編譯。而makefile文件由configure腳本運行生成，這就是為什么編譯時configure必須首先運行的原因。

　　在確定依賴關系的同時，編譯器也確定了，編譯時會用到哪些頭文件。

　　第四步 頭文件的預編譯（precompilation）

　　不同的源碼文件，可能引用同一個頭文件（比如stdio.h）。編譯的時候，頭文件也必須一起編譯。為了節省時間，編譯器會在編譯源碼之前，先編譯頭文件。這保證了頭文件只需編譯一次，不必每次用到的時候，都重新編譯了。

　　不過，并不是頭文件的所有內容，都會被預編譯。用來聲明宏的#define命令，就不會被預編譯。

　　第五步 預處理（Preprocessing）

　　預編譯完成后，編譯器就開始替換掉源碼中bash的頭文件和宏。以本文開頭的那段源碼為例，它包含頭文件stdio.h，替換后的樣子如下。

　　extern int fputs（const char *， FILE *）;

　　extern FILE *stdout;

　　int main（void）

　　{

　　fputs（“Hello， world！ ”， stdout）;

　　return 0;

　　}

　　為了便于閱讀，上面代碼只截取了頭文件中與源碼相關的那部分，即fputs和FILE的聲明，省略了stdio.h的其他部分（因為它們非常長）。另外，上面代碼的頭文件沒有經過預編譯，而實際上，插入源碼的是預編譯后的結果。編譯器在這一步還會移除注釋。

　　這一步稱為“預處理”（Preprocessing），因為完成之后，就要開始真正的處理了。

　　第六步 編譯（Compilation）

　　預處理之后，編譯器就開始生成機器碼。對于某些編譯器來說，還存在一個中間步驟，會先把源碼轉為匯編碼（assembly），然后再把匯編碼轉為機器碼。

　　下面是本文開頭的那段源碼轉成的匯編碼。

　　.file “test.c”

　　.section .rodata

　　.LC0：

　　.string “Hello， world！ ”

　　.text

　　.globl main

　　.type main， @function

　　main：

　　.LFB0：

　　.cfi_startproc

　　pushq %rbp

　　.cfi_def_cfa_offset 16

　　.cfi_offset 6， -16

　　movq %rsp， %rbp

　　.cfi_def_cfa_register 6

　　movq stdout（%rip）， %rax

　　movq %rax， %rcx

　　movl $14， %edx

　　movl $1， %esi

　　movl $.LC0， %edi

　　call fwrite

　　movl $0， %eax

　　popq %rbp

　　.cfi_def_cfa 7， 8

　　ret

　　.cfi_endproc

　　.LFE0：

　　.size main， 。-main

　　.ident “GCC： （Debian 4.9.1-19） 4.9.1”

　　.section .note.GNU-stack，“”，@progbits

　　這種轉碼后的文件稱為對象文件（object file）。

　　第七步 連接（Linking）

　　對象文件還不能運行，必須進一步轉成可執行文件。如果你仔細看上一步的轉碼結果，會發現其中引用了stdout函數和fwrite函數。也就是說，程序要正常運行，除了上面的代碼以外，還必須有stdout和fwrite這兩個函數的代碼，它們是由C語言的標準庫提供的。

　　編譯器的下一步工作，就是把外部函數的代碼（通常是后綴名為.lib和.a的文件），添加到可執行文件中。這就叫做連接（linking）。這種通過拷貝，將外部函數庫添加到可執行文件的方式，叫做靜態連接（static linking），后文會提到還有動態連接（dynamic linking）。

　　make命令的作用，就是從第四步頭文件預編譯開始，一直到做完這一步。

　　第八步 安裝（Installation）

　　上一步的連接是在內存中進行的，即編譯器在內存中生成了可執行文件。下一步，必須將可執行文件保存到用戶事先指定的安裝目錄。

　　表面上，這一步很簡單，就是將可執行文件（連帶相關的數據文件）拷貝過去就行了。但是實際上，這一步還必須完成創建目錄、保存文件、設置權限等步驟。這整個的保存過程就稱為“安裝”（Installation）。

　　第九步 操作系統連接

　　可執行文件安裝后，必須以某種方式通知操作系統，讓其知道可以使用這個程序了。比如，我們安裝了一個文本閱讀程序，往往希望雙擊txt文件，該程序就會自動運行。

　　這就要求在操作系統中，登記這個程序的元數據：文件名、文件描述、關聯后綴名等等。Linux系統中，這些信息通常保存在/usr/share/applications目錄下的.desktop文件中。另外，在Windows操作系統中，還需要在Start啟動菜單中，建立一個快捷方式。

　　這些事情就叫做“操作系統連接”。make install命令，就用來完成“安裝”和“操作系統連接”這兩步。

　　第十步 生成安裝包

　　寫到這里，源碼編譯的整個過程就基本完成了。但是只有很少一部分用戶，愿意耐著性子，從頭到尾做一遍這個過程。事實上，如果你只有源碼可以交給用戶，他們會認定你是一個不友好的家伙。大部分用戶要的是一個二進制的可執行程序，立刻就能運行。這就要求開發者，將上一步生成的可執行文件，做成可以分發的安裝包。

　　所以，編譯器還必須有生成安裝包的功能。通常是將可執行文件（連帶相關的數據文件），以某種目錄結構，保存成壓縮文件包，交給用戶。

　　第十一步 動態連接（Dynamic linking）

　　正常情況下，到這一步，程序已經可以運行了。至于運行期間（runtime）發生的事情，與編譯器一概無關。但是，開發者可以在編譯階段選擇可執行文件連接外部函數庫的方式，到底是靜態連接（編譯時連接），還是動態連接（運行時連接）。所以，最后還要提一下，什么叫做動態連接。

　　前面已經說過，靜態連接就是把外部函數庫，拷貝到可執行文件中。這樣做的好處是，適用范圍比較廣，不用擔心用戶機器缺少某個庫文件；缺點是安裝包會比較大，而且多個應用程序之間，無法共享庫文件。動態連接的做法正好相反，外部函數庫不進入安裝包，只在運行時動態引用。好處是安裝包會比較小，多個應用程序可以共享庫文件；缺點是用戶必須事先安裝好庫文件，而且版本和安裝位置都必須符合要求，否則就不能正常運行。