如何將高層的C/C++語言編寫轉(zhuǎn)換成二進(jìn)制代碼編譯

大家肯定都知道計(jì)算機(jī)程序設(shè)計(jì)語言通常分為機(jī)器語言、匯編語言和高級(jí)語言三類。高級(jí)語言需要通過翻譯成機(jī)器語言才能執(zhí)行，而翻譯的方式分為兩種，一種是編譯型，另一種是解釋型，因此我們基本上將高級(jí)語言分為兩大類，一種是編譯型語言，例如C，C++，Java，另一種是解釋型語言，例如Python、Ruby、MATLAB 、JavaScript。 ????本文將介紹如何將高層的C/C++語言編寫的程序轉(zhuǎn)換成為處理器能夠執(zhí)行的二進(jìn)制代碼的過程，包括四個(gè)步驟：

預(yù)處理（Preprocessing）

編譯（Compilation）

匯編（Assembly）

鏈接（Linking）

GCC 工具鏈介紹 ? ????通常所說的GCC是GUN Compiler Collection的簡稱，是Linux系統(tǒng)上常用的編譯工具。GCC工具鏈軟件包括GCC、Binutils、C運(yùn)行庫等。 GCC ??? GCC（GNU C Compiler）是編譯工具。本文所要介紹的將C/C++語言編寫的程序轉(zhuǎn)換成為處理器能夠執(zhí)行的二進(jìn)制代碼的過程即由編譯器完成。 Binutils ????一組二進(jìn)制程序處理工具，包括：addr2line、ar、objcopy、objdump、as、ld、ldd、readelf、size等。這一組工具是開發(fā)和調(diào)試不可缺少的工具，分別簡介如下：

addr2line：用來將程序地址轉(zhuǎn)換成其所對(duì)應(yīng)的程序源文件及所對(duì)應(yīng)的代碼行，也可以得到所對(duì)應(yīng)的函數(shù)。該工具將幫助調(diào)試器在調(diào)試的過程中定位對(duì)應(yīng)的源代碼位置。

as：主要用于匯編，有關(guān)匯編的詳細(xì)介紹請(qǐng)參見后文。

ld：主要用于鏈接，有關(guān)鏈接的詳細(xì)介紹請(qǐng)參見后文。

ar：主要用于創(chuàng)建靜態(tài)庫。為了便于初學(xué)者理解，在此介紹動(dòng)態(tài)庫與靜態(tài)庫的概念：

如果要將多個(gè).o目標(biāo)文件生成一個(gè)庫文件，則存在兩種類型的庫，一種是靜態(tài)庫，另一種是動(dòng)態(tài)庫。

在windows中靜態(tài)庫是以 .lib 為后綴的文件，共享庫是以 .dll 為后綴的文件。在linux中靜態(tài)庫是以.a為后綴的文件，共享庫是以.so為后綴的文件。

靜態(tài)庫和動(dòng)態(tài)庫的不同點(diǎn)在于代碼被載入的時(shí)刻不同。靜態(tài)庫的代碼在編譯過程中已經(jīng)被載入可執(zhí)行程序，因此體積較大。共享庫的代碼是在可執(zhí)行程序運(yùn)行時(shí)才載入內(nèi)存的，在編譯過程中僅簡單的引用，因此代碼體積較小。在Linux系統(tǒng)中，可以用ldd命令查看一個(gè)可執(zhí)行程序依賴的共享庫。

如果一個(gè)系統(tǒng)中存在多個(gè)需要同時(shí)運(yùn)行的程序且這些程序之間存在共享庫，那么采用動(dòng)態(tài)庫的形式將更節(jié)省內(nèi)存。

ldd：可以用于查看一個(gè)可執(zhí)行程序依賴的共享庫。

objcopy：將一種對(duì)象文件翻譯成另一種格式，譬如將.bin轉(zhuǎn)換成.elf、或者將.elf轉(zhuǎn)換成.bin等。

objdump：主要的作用是反匯編。有關(guān)反匯編的詳細(xì)介紹，請(qǐng)參見后文。

readelf：顯示有關(guān)ELF文件的信息，請(qǐng)參見后文了解更多信息。

size：列出可執(zhí)行文件每個(gè)部分的尺寸和總尺寸，代碼段、數(shù)據(jù)段、總大小等，請(qǐng)參見后文了解使用size的具體使用實(shí)例。

C運(yùn)行庫 ??? C語言標(biāo)準(zhǔn)主要由兩部分組成：一部分描述C的語法，另一部分描述C標(biāo)準(zhǔn)庫。C標(biāo)準(zhǔn)庫定義了一組標(biāo)準(zhǔn)頭文件，每個(gè)頭文件中包含一些相關(guān)的函數(shù)、變量、類型聲明和宏定義，譬如常見的printf函數(shù)便是一個(gè)C標(biāo)準(zhǔn)庫函數(shù)，其原型定義在stdio頭文件中。 ??? C語言標(biāo)準(zhǔn)僅僅定義了C標(biāo)準(zhǔn)庫函數(shù)原型，并沒有提供實(shí)現(xiàn)。因此，C語言編譯器通常需要一個(gè)C運(yùn)行時(shí)庫（C Run Time Libray，CRT）的支持。C運(yùn)行時(shí)庫又常簡稱為C運(yùn)行庫。與C語言類似，C++也定義了自己的標(biāo)準(zhǔn)，同時(shí)提供相關(guān)支持庫，稱為C++運(yùn)行時(shí)庫。 ? 準(zhǔn)備工作 ? ????由于GCC工具鏈主要是在Linux環(huán)境中進(jìn)行使用，因此本文也將以Linux系統(tǒng)作為工作環(huán)境。為了能夠演示編譯的整個(gè)過程，本節(jié)先準(zhǔn)備一個(gè)C語言編寫的簡單Hello程序作為示例，其源代碼如下所示：

#include??

//此程序很簡單，僅僅打印一個(gè)Hello World的字符串。
int?main(void)
{
????printf("Hello?World!?
");
????return?0;
}

? 編譯過程 ? 1. 預(yù)處理 ????預(yù)處理的過程主要包括以下過程：

將所有的#define刪除，并且展開所有的宏定義，并且處理所有的條件預(yù)編譯指令，比如#if #ifdef #elif #else #endif等。

處理#include預(yù)編譯指令，將被包含的文件插入到該預(yù)編譯指令的位置。

刪除所有注釋“//”和“/* */”。

添加行號(hào)和文件標(biāo)識(shí)，以便編譯時(shí)產(chǎn)生調(diào)試用的行號(hào)及編譯錯(cuò)誤警告行號(hào)。

保留所有的#pragma編譯器指令，后續(xù)編譯過程需要使用它們。

使用gcc進(jìn)行預(yù)處理的命令如下：

$?gcc?-E?hello.c?-o?hello.i?//?將源文件hello.c文件預(yù)處理生成hello.i
//?GCC的選項(xiàng)-E使GCC在進(jìn)行完預(yù)處理后即停止

? ??? hello.i文件可以作為普通文本文件打開進(jìn)行查看，其代碼片段如下所示：

//?hello.i代碼片段

extern?void?funlockfile?(FILE?*__stream)?__attribute__?((__nothrow__?,?__leaf__));
#?942?"/usr/include/stdio.h"?3?4

#?2?"hello.c"?2

#?3?"hello.c"
int?main(void)
{
????printf("Hello?World!"?"
");
????return?0;
}

? 2. 編譯 ????編譯過程就是對(duì)預(yù)處理完的文件進(jìn)行一系列的詞法分析，語法分析，語義分析及優(yōu)化后生成相應(yīng)的匯編代碼。 ????使用gcc進(jìn)行編譯的命令如下：

$?gcc?-S?hello.i?-o?hello.s?//?將預(yù)處理生成的hello.i文件編譯生成匯編程序hello.s
//?GCC的選項(xiàng)-S使GCC在執(zhí)行完編譯后停止，生成匯編程序

? ????上述命令生成的匯編程序hello.s的代碼片段如下所示，其全部為匯編代碼。

//?hello.s代碼片段

main:
.LFB0:
????.cfi_startproc
????pushq???%rbp
????.cfi_def_cfa_offset?16
????.cfi_offset?6,?-16
????movq????%rsp,?%rbp
????.cfi_def_cfa_register?6
????movl????$.LC0,?%edi
????call????puts
????movl????$0,?%eax
????popq????%rbp
????.cfi_def_cfa?7,?8
????ret
????.cfi_endproc

? 3. 匯編 ????匯編過程調(diào)用對(duì)匯編代碼進(jìn)行處理，生成處理器能識(shí)別的指令，保存在后綴為.o的目標(biāo)文件中。由于每一個(gè)匯編語句幾乎都對(duì)應(yīng)一條處理器指令，因此，匯編相對(duì)于編譯過程比較簡單，通過調(diào)用Binutils中的匯編器as根據(jù)匯編指令和處理器指令的對(duì)照表一一翻譯即可。 ????當(dāng)程序由多個(gè)源代碼文件構(gòu)成時(shí)，每個(gè)文件都要先完成匯編工作，生成.o目標(biāo)文件后，才能進(jìn)入下一步的鏈接工作。注意：目標(biāo)文件已經(jīng)是最終程序的某一部分了，但是在鏈接之前還不能執(zhí)行。???? ????使用gcc進(jìn)行匯編的命令如下：

$?gcc?-c?hello.s?-o?hello.o?//?將編譯生成的hello.s文件匯編生成目標(biāo)文件hello.o
//?GCC的選項(xiàng)-c使GCC在執(zhí)行完匯編后停止，生成目標(biāo)文件
//?或者直接調(diào)用as進(jìn)行匯編
$?as?-c?hello.s?-o?hello.o?//使用Binutils中的as將hello.s文件匯編生成目標(biāo)文件

? ????注意：hello.o目標(biāo)文件為ELF（Executable and Linkable Format）格式的可重定向文件。 4. 鏈接 ????鏈接也分為靜態(tài)鏈接和動(dòng)態(tài)鏈接，其要點(diǎn)如下：

靜態(tài)鏈接是指在編譯階段直接把靜態(tài)庫加入到可執(zhí)行文件中去，這樣可執(zhí)行文件會(huì)比較大。鏈接器將函數(shù)的代碼從其所在地（不同的目標(biāo)文件或靜態(tài)鏈接庫中）拷貝到最終的可執(zhí)行程序中。為創(chuàng)建可執(zhí)行文件，鏈接器必須要完成的主要任務(wù)是：符號(hào)解析（把目標(biāo)文件中符號(hào)的定義和引用聯(lián)系起來）和重定位（把符號(hào)定義和內(nèi)存地址對(duì)應(yīng)起來然后修改所有對(duì)符號(hào)的引用）。

動(dòng)態(tài)鏈接則是指鏈接階段僅僅只加入一些描述信息，而程序執(zhí)行時(shí)再從系統(tǒng)中把相應(yīng)動(dòng)態(tài)庫加載到內(nèi)存中去。

在Linux系統(tǒng)中，gcc編譯鏈接時(shí)的動(dòng)態(tài)庫搜索路徑的順序通常為：首先從gcc命令的參數(shù)-L指定的路徑尋找；再從環(huán)境變量LIBRARY_PATH指定的路徑尋址；再從默認(rèn)路徑/lib、/usr/lib、/usr/local/lib尋找。

在Linux系統(tǒng)中，執(zhí)行二進(jìn)制文件時(shí)的動(dòng)態(tài)庫搜索路徑的順序通常為：首先搜索編譯目標(biāo)代碼時(shí)指定的動(dòng)態(tài)庫搜索路徑；再從環(huán)境變量LD_LIBRARY_PATH指定的路徑尋址；再從配置文件/etc/ld.so.conf中指定的動(dòng)態(tài)庫搜索路徑；再從默認(rèn)路徑/lib、/usr/lib尋找。

在Linux系統(tǒng)中，可以用ldd命令查看一個(gè)可執(zhí)行程序依賴的共享庫。

由于鏈接動(dòng)態(tài)庫和靜態(tài)庫的路徑可能有重合，所以如果在路徑中有同名的靜態(tài)庫文件和動(dòng)態(tài)庫文件，比如libtest.a和libtest.so，gcc鏈接時(shí)默認(rèn)優(yōu)先選擇動(dòng)態(tài)庫，會(huì)鏈接libtest.so，如果要讓gcc選擇鏈接libtest.a則可以指定gcc選項(xiàng)-static，該選項(xiàng)會(huì)強(qiáng)制使用靜態(tài)庫進(jìn)行鏈接。以Hello World為例：

如果使用命令“gcc hello.c -o hello”則會(huì)使用動(dòng)態(tài)庫進(jìn)行鏈接，生成的ELF可執(zhí)行文件的大?。ㄊ褂肂inutils的size命令查看）和鏈接的動(dòng)態(tài)庫（使用Binutils的ldd命令查看）如下所示：

$?gcc?hello.c?-o?hello
$?size?hello??//使用size查看大小
???text????data?????bss?????dec?????hex?filename
???1183?????552???????8????1743?????6cf?????hello
$?ldd?hello?//可以看出該可執(zhí)行文件鏈接了很多其他動(dòng)態(tài)庫，主要是Linux的glibc動(dòng)態(tài)庫
????????linux-vdso.so.1?=>??(0x00007fffefd7c000)
????????libc.so.6?=>?/lib/x86_64-linux-gnu/libc.so.6?(0x00007fadcdd82000)
????????/lib64/ld-linux-x86-64.so.2?(0x00007fadce14c000)

如果使用命令“gcc -static hello.c -o hello”則會(huì)使用靜態(tài)庫進(jìn)行鏈接，生成的ELF可執(zhí)行文件的大小（使用Binutils的size命令查看）和鏈接的動(dòng)態(tài)庫（使用Binutils的ldd命令查看）如下所示：

$?gcc?-static?hello.c?-o?hello
$?size?hello?//使用size查看大小
?????text????data?????bss?????dec?????hex?filename
?823726????7284????6360??837370???cc6fa?????hello?//可以看出text的代碼尺寸變得極大
$?ldd?hello
???????not?a?dynamic?executable?//說明沒有鏈接動(dòng)態(tài)庫

????鏈接器鏈接后生成的最終文件為ELF格式可執(zhí)行文件，一個(gè)ELF可執(zhí)行文件通常被鏈接為不同的段，常見的段譬如.text、.data、.rodata、.bss等段。 ? 分析ELF文件 ? 1. ELF文件的段 ??? ELF文件格式如下圖所示，位于ELF Header和Section Header Table之間的都是段（Section）。一個(gè)典型的ELF文件包含下面幾個(gè)段：

.text：已編譯程序的指令代碼段。

.rodata：ro代表read only，即只讀數(shù)據(jù)（譬如常數(shù)const）。

.data：已初始化的C程序全局變量和靜態(tài)局部變量。

.bss：未初始化的C程序全局變量和靜態(tài)局部變量。

.debug：調(diào)試符號(hào)表，調(diào)試器用此段的信息幫助調(diào)試。

可以使用readelf -S查看其各個(gè)section的信息如下：

$?readelf?-S?hello
There?are?31?section?headers,?starting?at?offset?0x19d8:

Section?Headers:
??[Nr]?Name??????????????Type?????????????Address???????????Offset
???????Size??????????????EntSize??????????Flags??Link??Info??Align
??[?0]???????????????????NULL?????????????0000000000000000??00000000
???????0000000000000000??0000000000000000???????????0?????0?????0
……
??[11]?.init?????????????PROGBITS?????????00000000004003c8??000003c8
???????000000000000001a??0000000000000000??AX???????0?????0?????4
……
??[14]?.text?????????????PROGBITS?????????0000000000400430??00000430
???????0000000000000182??0000000000000000??AX???????0?????0?????16
??[15]?.fini?????????????PROGBITS?????????00000000004005b4??000005b4
……

? 2. 反匯編ELF ????由于ELF文件無法被當(dāng)做普通文本文件打開，如果希望直接查看一個(gè)ELF文件包含的指令和數(shù)據(jù)，需要使用反匯編的方法。 ????使用objdump -D對(duì)其進(jìn)行反匯編如下：

$?objdump?-D?hello
……
0000000000400526?:??//?main標(biāo)簽的PC地址
//PC地址：指令編碼??????????????????指令的匯編格式
??400526:????55??????????????????????????push???%rbp?
??400527:????48?89?e5????????????????mov????%rsp,%rbp
??40052a:????bf?c4?05?40?00??????????mov????$0x4005c4,%edi
??40052f:????e8?cc?fe?ff?ff??????????callq??400400?
??400534:????b8?00?00?00?00??????????mov????$0x0,%eax
??400539:????5d??????????????????????pop????%rbp
??40053a:????c3??????????????????????????retq???
??40053b:????0f?1f?44?00?00??????????nopl???0x0(%rax,%rax,1)
……

? ????使用objdump -S將其反匯編并且將其C語言源代碼混合顯示出來：

$?gcc?-o?hello?-g?hello.c?//要加上-g選項(xiàng)
$?objdump?-S?hello
……
0000000000400526?:
#include?

int?main(void)
{
????400526:????55??????????????????push???%rbp
????400527:????48?89?e5????????????mov????%rsp,%rbp
????printf("Hello?World!"?"
");
????40052a:????bf?c4?05?40?00??????mov????$0x4005c4,%edi
????40052f:????e8?cc?fe?ff?ff??????callq??400400?
????return?0;
????400534:????b8?00?00?00?00??????mov????$0x0,%eax
}
????400539:????5d??????????????????pop????%rbp
????40053a:????c3??????????????????retq???
????40053b:????0f?1f?44?00?00??????nopl???0x0(%rax,%rax,1)
……

? 編輯：黃飛

閱讀全文