花于陌上开个人站

第二章 编译 v1.0 ​

一、编译阶段 ​

C++源代码(.cpp/.h) → 预处理(.i文件) → 编译(.s汇编文件) → 汇编(.o/.obj目标文件) → 链接(可执行文件/库文件)

整体概览 ​

C++编译的核心流程分为4个关键阶段，每个阶段由不同的编译工具链组件处理，输入输出的文件格式也不同：

C++源代码(.cpp/.h) → 预处理(.i文件) → 编译(.s汇编文件) → 汇编(.o/.obj目标文件) → 链接(可执行文件/库文件)

以GCC工具链（Linux/macOS）为例，对应的核心组件分别是：预处理器(cpp)、编译器前端(cc1plus)、汇编器(as)、链接器(ld)；Windows下的MSVC工具链逻辑一致，仅组件名称（如cl.exe、link.exe）和文件后缀略有差异。

阶段1：预处理（Preprocessing） ​

负责组件 ​

预处理器（Preprocessor），GCC中对应cpp程序（执行gcc -E时调用），MSVC中是cl.exe的预处理阶段。

输入/输出 ​

  • 输入：.cpp/.h/.hpp等C++源代码文件
  • 输出：预处理后的纯C++代码文件（后缀通常为.i，Windows下为.ii）

核心操作（无代码编译，仅文本处理） ​

  1. 宏替换：完全替换#define定义的宏（包括宏函数），比如#define PI 3.14会把代码中所有PI替换为3.14，#define MAX(a,b) ((a)>(b)?(a):(b))会展开所有MAX调用。
  2. 头文件包含：处理#include指令，将头文件（如<iostream>、"myheader.h"）的内容递归嵌入到当前文件中（这也是头文件重复包含需要#pragma once或头文件保护的原因）。
  3. 条件编译：处理#if/#ifdef/#ifndef/#else/#elif/#endif，保留符合条件的代码，删除不符合的代码块（比如#ifdef DEBUG会只保留调试模式的代码）。
  4. 移除注释：删除所有//（单行注释）和/* */（多行注释），编译器不需要注释信息。
  5. 辅助标记：添加#line指令记录原始文件的行号和文件名（方便后续报错时定位到原代码）。

示例命令（仅执行预处理） ​

bash
# GCC：将test.cpp预处理为test.i，不执行后续步骤
gcc -E test.cpp -o test.i

阶段2：编译（Compilation） ​

负责组件 ​

编译器前端（Compiler Frontend），GCC中对应cc1plus（专门处理C++的编译器核心），Clang/LLVM中是AST生成与优化组件。

输入/输出 ​

  • 输入：预处理后的.i文件
  • 输出：汇编语言源代码文件（后缀为.s，跨平台但指令集相关，如x86/ARM汇编）

核心操作（高级语言→汇编语言，最复杂的阶段） ​

这个阶段是把人类可读的C++代码翻译成CPU能理解的汇编指令，分为5个子步骤：

  1. 词法分析：将代码拆分为最小的语法单元（Token），比如int a = 5 + 3;会被拆成int（关键字）、a（标识符）、=（运算符）、5（常量）、+（运算符）、3（常量）、;（分隔符）。
  2. 语法分析：根据C++语法规则，将Token组装成抽象语法树（AST），检查语法错误（比如少分号、括号不匹配、if后少大括号），语法错误会直接终止编译。
  3. 语义分析：检查代码的“逻辑正确性”，比如：
  • 变量未定义就使用（int b = a;但a没定义）；
  • 类型不匹配（int c = "hello";）；
  • 函数调用参数数量/类型错误（printf("%d", "test");）；
  • 构建符号表（记录变量、函数的类型、作用域、存储位置）。
  1. 中间代码优化：将AST转换为“三地址码”（如t1 = 5 + 3; a = t1;），并做基础优化：
  • 常量折叠（int d = 2+3;直接优化为int d = 5;）；
  • 死代码删除（删除永远不会执行的代码，如if(false) { ... }）；
  • 常量传播（int e = 10; int f = e;优化为int f = 10;）。
  1. 汇编代码生成：将优化后的中间代码翻译成对应CPU架构的汇编指令（比如x86的mov、add、call指令）。

示例命令（仅执行预处理+编译） ​

bash
# GCC：生成test.s汇编文件，不执行汇编和链接
gcc -S test.i -o test.s

阶段3：汇编（Assembly） ​

负责组件 ​

汇编器（Assembler），GCC中对应as程序，Windows下是masm/nasm。

输入/输出 ​

  • 输入：.s汇编语言文件
  • 输出：目标文件（Object File），后缀为.o（Linux/macOS）或.obj（Windows），是二进制文件但不可直接执行。

核心操作（汇编指令→机器码） ​

  1. 指令翻译：将汇编指令（如mov eax, 5）翻译成对应CPU的机器码（二进制数，如0xB8 0x05 0x00 0x00 0x00）。
  2. 生成符号表：记录目标文件中：
  • 已定义的符号（比如本文件的全局函数void func()、全局变量int g_val）；
  • 引用的外部符号（比如调用了printf、其他文件的extern int val）。
  1. 生成重定位表：记录未确定地址的符号（比如printf的地址在汇编阶段还不知道），为后续链接阶段做准备。

示例命令（仅执行汇编） ​

bash
# GCC：将test.s汇编为test.o目标文件
gcc -c test.s -o test.o

# 也可以直接从.cpp生成.o（预处理+编译+汇编）
gcc -c test.cpp -o test.o

阶段4：链接（Linking） ​

负责组件 ​

链接器（Linker），GCC中对应ld程序，Windows下是link.exe，macOS下是ld64。

输入/输出 ​

  • 输入：一个/多个.o/.obj目标文件 + 依赖的库文件（静态库.a/.lib、动态库.so/.dll）
  • 输出：可执行文件（Linux：ELF格式，Windows：PE格式.exe，macOS：Mach-O格式）或库文件。

核心操作（合并目标文件+解析依赖） ​

链接是解决“跨文件依赖”的关键阶段，核心分2步：

  1. 符号解析：找到每个外部符号的定义位置，比如：
  • 你的代码调用了printf，链接器会在标准库（libc.so/msvcrt.lib）中找到printf的实现；
  • 你的代码调用了另一个文件utils.cpp中的add()函数，链接器会在utils.o中找到add的定义。
  1. 重定位：根据符号的实际内存地址，修改目标文件中的机器码——把原来的“占位地址”替换为真实地址（比如把call printf的占位地址替换为printf在内存中的实际地址）。

链接的两种方式 ​

  • 静态链接：将用到的静态库（.a/.lib）中的代码直接复制到可执行文件中。优点：运行时不依赖外部库；缺点：可执行文件体积大，库更新后需要重新编译。
  • 动态链接：不复制库代码，仅在可执行文件中记录动态库（.so/.dll）的名称和符号地址。运行时由动态链接器（Linux：ld-linux.so，Windows：ntdll.dll）加载动态库。优点：可执行文件小，多个程序共享同一个库；缺点：运行时必须有对应的动态库。

示例命令（链接生成可执行文件） ​

bash
# GCC：将test.o链接为可执行文件test（默认动态链接libc）
gcc test.o -o test

# 静态链接libc（生成独立可执行文件）
gcc test.o -static -o test_static

# 链接数学库（libm.so）
gcc test.o -lm -o test_with_math

总结（关键点回顾） ​

  1. 核心四阶段：预处理（文本替换）→ 编译（C++→汇编）→ 汇编（汇编→机器码）→ 链接（合并目标文件+解析符号）。
  2. 核心组件：预处理器(cpp)、编译器前端(cc1plus)、汇编器(as)、链接器(ld)（GCC工具链）。
  3. 关键文件：.i（预处理）→ .s（汇编源码）→ .o/.obj（目标文件）→ 可执行文件/库文件。

理解这个流程能帮你定位编译错误（比如预处理错误是宏/头文件问题，编译错误是语法/语义问题，链接错误是符号未定义/重复定义），也能理解静态/动态库的本质差异。