C++編譯器與鏈接器工作原理的理解和看法

?這里并沒不是討論大學(xué)課程中所學(xué)的《編譯原理》，只是寫一些我自己對C++編譯器及鏈接器的工作原理的理解和看法吧，以我的水平，還達(dá)不到講解編譯原理（這個(gè)很復(fù)雜，大學(xué)時(shí)幾乎沒學(xué)明白）。

要明白的幾個(gè)概念：

????1、編譯：編譯器對源文件進(jìn)行編譯，就是把源文件中的文本形式存在的源代碼翻譯成機(jī)器語言形式的目標(biāo)文件的過程，在這個(gè)過程中，編譯器會(huì)進(jìn)行一系列的語法檢查。如果編譯通過，就會(huì)把對應(yīng)的CPP轉(zhuǎn)換成OBJ文件。

????2、編譯單元：根據(jù)C++標(biāo)準(zhǔn)，每一個(gè)CPP文件就是一個(gè)編譯單元。每個(gè)編譯單元之間是相互獨(dú)立并且互相不可知。

????3、目標(biāo)文件：由編譯所生成的文件，以機(jī)器碼的形式包含了編譯單元里所有的代碼和數(shù)據(jù)，還有一些期他信息，如未解決符號表，導(dǎo)出符號表和地址重定向表等。目標(biāo)文件是以二進(jìn)制的形式存在的。

?

????根據(jù)C++標(biāo)準(zhǔn)，一個(gè)編譯單元（Translation Unit）是指一個(gè).cpp文件以及這所include的所有.h文件，.h文件里面的代碼將會(huì)被擴(kuò)展到包含它的.cpp文件里，然后編譯器編譯該.cpp文件為一個(gè).obj文件，后者擁有PE（Portable Executable，即Windows可執(zhí)行文件）文件格式，并且本身包含的就是二進(jìn)制代碼，但是不一定能執(zhí)行，因?yàn)椴⒉荒鼙ＷC其中一定有main函數(shù)。當(dāng)編譯器將一個(gè)工程里的所有.cpp文件以分離的方式編譯完畢后，再由鏈接器進(jìn)行鏈接成為一個(gè).exe或.dll文件。

?

下面讓我們來分析一下編譯器的工作過程：

我們跳過語法分析，直接來到目標(biāo)文件的生成，假設(shè)我們有一個(gè)A.cpp文件，如下定義：

????int n = 1;

????void FunA()

????{

????????++n;

????}

?

????它編譯出來的目標(biāo)文件A.obj就會(huì)有一個(gè)區(qū)域（或者說是段），包含以上的數(shù)據(jù)和函數(shù)，其中就有n、FunA，以文件偏移量形式給出可能就是下面這種情況：

????偏移量????內(nèi)容????長度

????0x0000????n???????4

????0x0004????FunA??????

????注意：這只是說明，與實(shí)際目標(biāo)文件的布局可能不一樣，??表示長度未知，目標(biāo)文件的各個(gè)數(shù)據(jù)可能不是連續(xù)的，也不一定是從0x0000開始。

????FunA函數(shù)的內(nèi)容可能如下：

????0x0004 inc DWORD PTR[0x0000]

????0x00?? ret

????這時(shí)++n已經(jīng)被翻譯成inc DWORD PTR[0x0000]，也就是說把本單元0x0000位置的一個(gè)DWORD（4字節(jié)）加1。

?

????有另外一個(gè)B.cpp文件，定義如下：

????extern int n;

????void FunB()

????{

????????++n;

????}

????它對應(yīng)的B.obj的二進(jìn)制應(yīng)該是：

????偏移量????內(nèi)容????長度

????0x0000????FunB??????

????這里為什么沒有n的空間呢，因?yàn)閚被聲明為extern，這個(gè)extern關(guān)鍵字就是告訴編譯器n已經(jīng)在別的編譯單元里定義了，在這個(gè)單元里就不要定義了。由于編譯單元之間是互不相關(guān)的，所以編譯器就不知道n究竟在哪里，所以在函數(shù)FunB就沒有辦法生成n的地址，那么函數(shù)FunB中就是這樣的：

????0x0000 inc DWORD PTR[????]

????0x00?? ret

????那怎么辦呢？這個(gè)工作就只能由鏈接器來完成了。

????為了能讓鏈接器知道哪些地方的地址沒有填好（也就是還????），那么目標(biāo)文件中就要有一個(gè)表來告訴鏈接器，這個(gè)表就是“未解決符號表”，也就是unresolved symbol table。同樣，提供n的目標(biāo)文件也要提供一個(gè)“導(dǎo)出符號表”也就是exprot symbol table，來告訴鏈接器自己可以提供哪些地址。

?

????好，到這里我們就已經(jīng)知道，一個(gè)目標(biāo)文件不僅要提供數(shù)據(jù)和二進(jìn)制代碼外，還至少要提供兩個(gè)表：未解決符號表和導(dǎo)出符號表，來告訴鏈接器自己需要什么和自己能提供些什么。那么這兩個(gè)表是怎么建立對應(yīng)關(guān)系的呢？這里就有一個(gè)新的概念：符號。在C/C++中，每一個(gè)變量及函數(shù)都會(huì)有自己的符號，如變量n的符號就是n，函數(shù)的符號會(huì)更加復(fù)雜，假設(shè)FunA的符號就是_FunA（根據(jù)編譯器不同而不同）。

????所以，

????A.obj的導(dǎo)出符號表為

????符號????地址

????n???????0x0000

????_FunA???0x0004

????未解決符號為空（因?yàn)樗麤]有引用別的編譯單元里的東西）。

????B.obj的導(dǎo)出符號表為

????符號????地址

????_FunB???0x0000

????未解決符號表為

????符號????地址

????n???????0x0001

????這個(gè)表告訴鏈接器，在本編譯單元0x0001位置有一個(gè)地址，該地址不明，但符號是n。

????在鏈接的時(shí)候，鏈接在B.obj中發(fā)現(xiàn)了未解決符號，就會(huì)在所有的編譯單元中的導(dǎo)出符號表去查找與這個(gè)未解決符號相匹配的符號名，如果找到，就把這個(gè)符號的地址填到B.obj的未解決符號的地址處。如果沒有找到，就會(huì)報(bào)鏈接錯(cuò)誤。在此例中，在A.obj中會(huì)找到符號n，就會(huì)把n的地址填到B.obj的0x0001處。

?

????但是，這里還會(huì)有一個(gè)問題，如果是這樣的話，B.obj的函數(shù)FunB的內(nèi)容就會(huì)變成inc DWORD PTR[0x000]（因?yàn)閚在A.obj中的地址是0x0000）,由于每個(gè)編譯單元的地址都是從0x0000開始，那么最終多個(gè)目標(biāo)文件鏈接時(shí)就會(huì)導(dǎo)致地址重復(fù)。所以鏈接器在鏈接時(shí)就會(huì)對每個(gè)目標(biāo)文件的地址進(jìn)行調(diào)整。在這個(gè)例子中，假如B.obj的0x0000被定位到可執(zhí)行文件的0x00001000上，而A.obj的0x0000被定位到可執(zhí)行文件的0x00002000上，那么實(shí)現(xiàn)上對鏈接器來說，A.obj的導(dǎo)出符號地地址都會(huì)加上0x00002000，B.obj所有的符號地址也會(huì)加上0x00001000。這樣就可以保證地址不會(huì)重復(fù)。

?

????既然n的地址會(huì)加上0x00002000，那么FunA中的inc DWORD PTR[0x0000]就是錯(cuò)誤的，所以目標(biāo)文件還要提供一個(gè)表，叫地址重定向表，address redirect table。

?

????總結(jié)一下：

????目標(biāo)文件至少要提供三個(gè)表：未解決符號表，導(dǎo)出符號表和地址重定向表。

????未解決符號表：列出了本單元里有引用但是不在本單元定義的符號及其出現(xiàn)的地址。

????導(dǎo)出符號表：提供了本編譯單元具有定義，并且可以提供給其他編譯單元使用的符號及其在本單元中的地址。

????地址重定向表：提供了本編譯單元所有對自身地址的引用記錄。

?

????鏈接器的工作順序：

????當(dāng)鏈接器進(jìn)行鏈接的時(shí)候，首先決定各個(gè)目標(biāo)文件在最終可執(zhí)行文件里的位置。然后訪問所有目標(biāo)文件的地址重定義表，對其中記錄的地址進(jìn)行重定向（加上一個(gè)偏移量，即該編譯單元在可執(zhí)行文件上的起始地址）。然后遍歷所有目標(biāo)文件的未解決符號表，并且在所有的導(dǎo)出符號表里查找匹配的符號，并在未解決符號表中所記錄的位置上填寫實(shí)現(xiàn)地址。最后把所有的目標(biāo)文件的內(nèi)容寫在各自的位置上，再作一些另的工作，就生成一個(gè)可執(zhí)行文件。

????說明：實(shí)現(xiàn)鏈接的時(shí)候會(huì)更加復(fù)雜，一般實(shí)現(xiàn)的目標(biāo)文件都會(huì)把數(shù)據(jù)，代碼分成好向個(gè)區(qū)，重定向按區(qū)進(jìn)行，但原理都是一樣的。

????明白了編譯器與鏈接器的工作原理后，對于一些鏈接錯(cuò)誤就容易解決了。

?

????下面再看一看C/C++中提供的一些特性：

????extern：這就是告訴編譯器，這個(gè)變量或函數(shù)在別的編譯單元里定義了，也就是要把這個(gè)符號放到未解決符號表里面去（外部鏈接）。

?

????static：如果該關(guān)鍵字位于全局函數(shù)或者變量的聲明前面，表明該編譯單元不導(dǎo)出這個(gè)函數(shù)或變量，因些這個(gè)符號不能在別的編譯單元中使用（內(nèi)部鏈接）。如果是static局部變量，則該變量的存儲方式和全局變量一樣，但是仍然不導(dǎo)出符號。

?

????默認(rèn)鏈接屬性：對于函數(shù)和變量，默認(rèn)鏈接是外部鏈接，對于const變量，默認(rèn)內(nèi)部鏈接。

外部鏈接的利弊：外部鏈接的符號在整個(gè)程序范圍內(nèi)都是可以使用的，這就要求其他編譯單元不能導(dǎo)出相同的符號（不然就會(huì)報(bào)duplicated external symbols）。

內(nèi)部鏈接的利弊：內(nèi)部鏈接的符號不能在別的編譯單元中使用。但不同的編譯單元可以擁有同樣的名稱的符號。

?

????為什么頭文件里一般只可以有聲明不能有定義：頭文件可以被多個(gè)編譯單元包含，如果頭文件里面有定義的話，那么每個(gè)包含這頭文件的編譯單元都會(huì)對同一個(gè)符號進(jìn)行定義，如果該符號為外部鏈接，則會(huì)導(dǎo)致duplicated external symbols鏈接錯(cuò)誤。

?

????為什么公共使用的內(nèi)聯(lián)函數(shù)要定義于頭文件里：因?yàn)榫幾g時(shí)編譯單元之間互不知道，如果內(nèi)聯(lián)被定義于.cpp文件中，編譯其他使用該函數(shù)的編譯單元的時(shí)候沒有辦法找到函數(shù)的定義，因些無法對函數(shù)進(jìn)行展開。所以如果內(nèi)聯(lián)函數(shù)定義于.cpp里，那么就只有這個(gè).cpp文件能使用它。