从源代码到可执行文件

复习

• 函数：把一段工作命名、传入参数并获得结果
• 函数调用与运行栈：保存参数、局部变量和返回地址
• 程序在内存里的样子：代码区、数据区、栈和堆的初步全景

TL;DR

• 从源代码到可执行文件，中间要经过几道工序
• 编译：高级语言 → 汇编；汇编：汇编 → 目标文件；链接：多个目标文件与库 → 可执行文件
• 汇编器产出的“目标文件”里，除了机器码还有符号和待补齐的位置
• 编译器内部先当黑箱，后面讲编译原理时再打开

正文

　　我们把这条线索欠了很久：前面写的是高级语言，机器认的是机器码，中间那段“翻译”到底是怎么一步步完成的？

　　这一章，先把整条流水线看一遍。它有几道工序，每道工序负责一件事。

四道工序

源代码
  │  ① 编译（编译器）
  ▼
汇编代码
  │  ② 汇编（汇编器）
  ▼
目标文件
  │  ③ 链接（链接器）＋ 其它目标文件、库
  ▼
可执行文件
  │  ④ 加载
  ▼
内存中运行的程序

• ① 编译 ：把高级语言翻译成汇编代码。负责这步的程序叫 编译器 （compiler）。
• ② 汇编 ：把汇编翻译成机器码，产出 目标文件 （object file）。这就是我们前面造过的那个汇编器干的活。
• ③ 链接 ：把多个目标文件和用到的库拼在一起，产出 可执行文件 （executable）。
• ④ 加载 ：把可执行文件装进内存，交给 CPU 运行。这一步是操作系统的活儿，后面再讲。

　　前三步里，编译是重头戏。它怎么把 max、while、表达式变成汇编，属于一块硬骨头，本系列到编译原理部分再专门打开。现在，我们只把编译器的输入输出看清楚。

为什么中间要有目标文件

　　既然汇编器能直接产出机器码，为什么不一步到位，还要中间折腾出一个“目标文件”，再链接？

　　因为真实的程序不是一个孤零零的文件：

• 它常常拆成好几个源文件， 分开编译 ，最后再拼起来
• 它还会用到别人写好的 库 （比如打印、开方这些现成功能）

　　分开编译有个绕不开的麻烦：编译某一个文件时，我们并不知道其它文件里的函数最终会被放在哪个地址。链接器的工作，就是把这些“悬着的引用”一一接上。

　　所以目标文件里装的，除了机器码，还有：

• 符号表 ：这个文件里定义了哪些名字、引用了哪些名字（还记得汇编器的那张表吗？）
• 待补齐的位置 ：哪些地方的地址还空着，需要链接时填上

　　链接器把所有目标文件摆到一起，给每个符号定下最终地址，再把空着的地方补好——这个过程叫 重定位 。拼完之后，一个完整的可执行文件就诞生了。

每一步都在加一层

　　回头看，这又是“加一层”的老故事：

人写：   高级语言
翻译：   编译器 → 汇编 → 汇编器 → 目标文件 → 链接器 → 可执行文件
机器跑： 取指、译码、执行

　　人只写最上面那一层，下面每一层都由一个专门的程序承包。是谁在替我们管寄存器、管地址、管多个文件之间的引用？正是这条流水线。

　　不过，还有一个岔路口没有交代：高级语言变成机器指令，除了“先整体翻译、再运行”，还有没有别的走法？下一章，我们对比两条路——编译和解释。

思考题

　　如果程序只有一个源文件、也不使用任何库，是不是就不需要链接，汇编完直接就能运行？想想看，一个“什么都不依赖”的程序，现实中有多常见。

小结

知识点

• 从源代码到可执行文件：编译、汇编、链接、加载
• 编译器：高级语言到汇编
• 目标文件：机器码、符号表、待重定位的位置
• 链接器：合并目标文件与库，完成重定位
• 每一步都由专门的程序负责

参考资料

1. Wikipedia(zh)：编译流程：编译、汇编与链接
2. Wikipedia(zh)：目标文件：目标文件里有什么
3. Wikipedia(zh)：链接器：符号解析与重定位
4. 《深入理解计算机系统》第 7 章：链接

思考题答案（仅供参考）

　　理论上可以，但现实中极少。哪怕只写一句输出，也要用到操作系统提供的功能或标准库；程序启动时也需要一段“入口”代码。换句话说，几乎任何能跑的程序，都要和别的代码拼在一起，链接这一步基本省不掉。

协议

　　本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。

封面图

设计师 | 南国微雪