c語言編譯系統是什么軟件（c語言手機編程軟件推薦）

在我剛剛進入大學，從零開始學習 C 語言的時候，我就不斷的從學長的口中聽到一個又一個語言，比如 C++、Java、Python、JavaScript 這些大眾的，也有 Lisp、Perl、Ruby 這些相對小眾的。一般來說，當程序員討論一門語言的時候，默認的上下文經常是:“用 xxx 語言來完成 xxx 任務”。所以一直困擾著的我的一個問題就是，為什么完成某個任務，一定要選擇特定的語言，比如安卓開發是 Java，前端要用 JavaScript，iOS 開發使用 Objective-C 或者 Swift。這些問題的答案非常復雜，有的是技術原因，有的是歷史原因，有的會考慮成本，很難得出統一的結論，只能 case-by-case 的分析。這篇文章并非專門解答上述問題，而是希望通過介紹一些通用的概念，幫助讀者掌握分析問題的能力，如果這個概念在實際編程中用得到，我也會舉一些具體的例子。

在閱讀本文前，不妨思考一下這幾個問題，如果沒有頭緒，建議看完文章以后再思考一遍。如果覺得答案顯而易見，恭喜你，這篇文章并非為你準備的:

什么是編譯器，它以什么為分界線，分為前端和后端? Java 是編譯型語言還是解釋型語言，Python 呢? C 語言的編譯器也是 C 語言，那它怎么被編譯的? 目標文件的格式是什么樣的，段表、符號表、重定位表有什么作用? Swift 是靜態語言，為什么還有運行時庫? 什么是 ABI，ABI 不穩定有什么問題? 什么是 WebAssembly，為什么要推出這門技術，用 C++ 代替 JavaScript 可行么? JavaScript 和 DOM API 是什么關系，JavaScript 可以讀寫文件么? C++ 代碼可以自動轉換成 Java 代碼么，任意兩種語言是否可以互轉? 為什么說 Python 是膠水語言，它可以用來開發 iOS/Android 么?

編譯原理

就像數學是一個公理體系，從簡單的公理就能推導出各種高階公式一樣，我們從最基本的 C 語言和編譯說起。

int main(void) { int a = strlen(“Hello world”); // 字符串的長度是 11 return 0; }

相關的介紹編譯過程的文章很多，讀者應該都非常熟悉了，整個流程包括預處理、詞法分析、語法分析、生成中間代碼，生成目標代碼，匯編，鏈接 等。已有的文章大多分析了每一步的邏輯，但很少談實現思路，我會盡量用簡單的語言來描述每一步的實現思路，相信這樣有助于加深記憶。由于主要談的概念和思路，難免會有一些不夠準確的抽象，讀者學會抓重點就行。

預處理是一個獨立的模塊，它放在最后介紹，我們先看詞法分析。

詞法分析

最先登場的是編譯器，它負責前五個步驟，也就是說編譯器的輸入是源代碼，輸出是中間代碼。

編譯器不能像人一樣，一眼就看明白源代碼的內容，它只能比較傻的逐個單詞分析。詞法分析要做的就是把源代碼分割開，形成若干個單詞。這個過程并不像想象的那么簡單。比如舉幾個例子:

int t 表示一個整數，而 intt 只是一個變量名。 int a 表示一個函數而非整數 a，int a 也是一個函數。 a = 沒有具體價值，它可以是一個賦值語句，還可以是 a == 1 的前綴，表示一個判斷。

詞法分析的主要難點在于，前綴無法決定一個完整字符串的含義，通常需要看完整句以后才知道每個單詞的具體含義。同時，C 語言的語法也不簡單，各種關鍵字，括號，逗號，語法等等都會給詞法分析的實現增加難度。

詞法分析的主要實現原理是狀態機，它逐個讀取字符，然后根據讀到的字符的特點轉換狀態。比如這是 GCC 的詞法分析狀態機(引用自《編譯系統透視》):

如果自己實現的話，思路也不難。外面包一個循環，然后各種 switch…case 就完事了。詞法分析應該算是最簡單的一節。

語法分析

經過詞法分析以后，編譯器已經知道了每個單詞，但這些單詞組合起來表示的語法還不清楚。一個簡單的思路是模板匹配，比如有這樣的語句:

int a = 10;

它其實表示了這么一種通用的語法格式:

類型 變量名 = 常量;

所以 int a = 10; 當然可以匹配上這種模式。同理，它不可能匹配 類型 函數名(參數); 這種函數定義模式，因為兩者結構不一致，等號無法被匹配。

語法分析比詞法分析更復雜，因為所有 C 語言支持的語法特性都必須被語法分析器正確的匹配，這個難度比純新手學習 C 語言語法難上很多倍。不過這個屬于業務復雜性，無論采用哪種解決方案都不可避免，因為語法規則的數量就是這么多。

在匹配模式的時候，另一個問題在于上述的名詞，比如 類型、參數，很難界定。比如int 是類型，long long 也是類型，unsigned long long 也是類型。(int a) 可以是參數，(int a, int b) 也是參數，(unsigned long long a, long long double b, int *p) 看起來能把人逼瘋。

下面舉一個簡單的例子來解釋 int a = 10 是如何被解析的，總的思路是歸納與分解。我們把一個復雜的式子分割成若干部分，然后分析各個部分，這樣可以簡化復雜度。對于 int a = 10 來說，他是一個聲明，聲明由兩部分組成，分別是聲明說明符和初始聲明符列表。

聲明 聲明說明符 初始聲明符列表 int a = 10 int a = 10 int fun(int a) int fun(int a) int array[5] int array[5]

聲明說明符比較簡單，它其實是若干個類型的串聯:

聲明說明符 = 類型 + 類型的數組(長度可以為 0)

而且我們知道若干個類型連在一起又變成了聲明說明符，所以上述等式等價于:

聲明說明符 = 類型 + 聲明說明符(可選)

再嚴謹一些，聲明說明符還可以包括 const 這樣的限定說明符，inline 這樣的函數說明符，和 _Alignas 這樣的對齊說明符。借用書中的公式，它的完整表達如下:

成功解析語法以后，我們會得到抽象語法樹(AST: Abstract Syntax Tree)。以這段代碼為例:

int fun(int a, int b) { int c = 0; c = a + b; return c; }

它的語法樹如下:

語法樹將字符串格式的源代碼轉化為樹狀的數據結構，更容易被計算機理解和處理。但它距離中間代碼還有一定的距離。

生成中間代碼

以 GCC 為例，生成中間代碼可以分為三個步驟:

語法樹轉高端 gimple 高端 gimple 轉低端 gimple 低端 gimple 經過 cfa 轉 ssa 再轉中間代碼

簡單的介紹一下每一步都做了什么。

語法樹轉高端 gimple

這一步主要是處理寄存器和棧，比如 c = a + b 并沒有直接的匯編代碼和它對應，一般來說需要把 a + b 的結果保存到寄存器中，然后再把寄存器賦值給 c。所以這一步如果用 C 語言來表示其實是:

int temp = a + b; // temp 其實是寄存器 c = temp;

另外，調用一個新的函數時會進入到函數自己的棧，建棧的操作也需要在 gimple 中聲明。

高端 gimple 轉低端 gimple

這一步主要是把變量定義，語句執行和返回語句區分存儲。比如:

int a = 1; a++; int b = 1;

會被處理成:

int a = 1; int b = 1; a++;

這樣做的好處是很容易計算一個函數到底需要多少棧空間。

此外，return 語句會被統一處理，放在函數的末尾，比如:

if (1 > 0) { return 1; } else { return 0; }

會被處理成:

if (1 > 0) { goto a; } else { goto b; } a: return 1; b: return 0;

低端 gimple 經過 cfa 轉 ssa 再轉中間代碼

這一步主要是進行各種優化，添加版本號等，我不太了解，對于普通開發者來說也沒有學習的必要。

中間代碼的意義

其實中間代碼可以被省略，抽象語法樹可以直接轉化為目標代碼(匯編代碼)。然而，不同的 CPU 的匯編語法并不一致，比如 AT&T與Intel匯編風格比較 這篇文章所提到的，Intel 架構和 AT&T 架構的匯編碼中，源操作數和目標操作數位置恰好相反。Intel 架構下操作數和立即數沒有前綴但 AT&T 有。因此一種比較高效的做法是先生成語言無關，CPU 也無關的中間代碼，然后再生成對應各個 CPU 的匯編代碼。

生成中間代碼是非常重要的一步，一方面它和語言無關，也和 CPU 與具體實現無關?？梢岳斫鉃橹虚g代碼是一種非常抽象，又非常普適的代碼。它客觀中立的描述了代碼要做的事情，如果用中文、英文來分別表示 C 和 Java 的話，中間碼某種意義上可以被理解為世界語。

另一方面，中間代碼是編譯器前端和后端的分界線。編譯器前端負責把源碼轉換成中間代碼，編譯器后端負責把中間代碼轉換成匯編代碼。

LLVM IR 是一種中間代碼，它長成這樣:

define i32 @square_unsigned(i32 %a) { %1 = mul i32 %a, %a ret i32 %1 }

生成目標代碼

目標代碼也可以叫做匯編代碼。由于中間代碼已經非常接近于實際的匯編代碼，它幾乎可以直接被轉化。主要的工作量在于兼容各種 CPU 以及填寫模板。在最終生成的匯編代碼中，不僅有匯編命令，也有一些對文件的說明。比如:

.file “test.c” # 文件名稱 .global m # 全局變量 m .data # 數據段聲明 .align 4 # 4 字節對齊 .type m, @objc .size m, 4 m: .long 10 # m 的值是 10 .text .global main .type main, @function main: pushl %ebp movl %esp, %ebp …

匯編

匯編器會接收匯編代碼，將它轉換成二進制的機器碼，生成目標文件(后綴是 .o)，機器碼可以直接被 CPU 識別并執行。從目標代碼可以猜出來，最終的目標文件(機器碼)也是分段的，這主要有以下三個原因:

分段可以將數據和代碼區分開。其中代碼只讀，數據可寫，方便權限管理，避免指令被改寫，提高安全性。 現代 CPU 一般有自己的數據緩存和指令緩存，區分存儲有助于提高緩存命中率。 當多個進程同時運行時，他們的指令可以被共享，這樣能節省內存。

段分離我們并不遙遠，比如命令行中的 objcopy 可以自行添加自定義的段名，C 語言的 __attribute((section(段名)))__ 可以把變量定義在某個特定名稱的段中。

對于一個目標文件來說，文件的最開頭(也叫作 ELF 頭)記錄了目標文件的基本信息，程序入口地址，以及段表的位置，相當于是對文件的整體描述。接下來的重點是段表，它記錄了每個段的段名，長度，偏移量。比較常用的段有:

.strtab 段: 字符串長度不定，分開存放浪費空間(因為需要內存對齊)，因此可以統一放到字符串表(也就是 .strtab 段)中進行管理。字符串之間用