編譯器工作過程

原始碼要執行，必須先轉成二進位制的機器碼。這是編譯器的任務。

比如，下面這段原始碼（假定檔名叫做test.c）。

要先用編譯器處理一下，才能執行。

這些命令到底在幹什麼？大多數的書籍和資料，都語焉不詳，只說這樣就可以編譯了，沒有進一步的解釋。

本文將介紹編譯器的工作過程，也就是上面這三個命令各自的任務。我主要參考了alex smith的文章《building c projects》。需要宣告的是，本文主要針對gcc編譯器，也就是針對c和c++，不一定適用於其他語言的編譯。

編譯器在開始工作之前，需要知道當前的系統環境，比如標準庫在**、軟體的安裝位置在**、需要安裝哪些元件等等。這是因為不同計算機的系統環境不一樣，通過指定編譯引數，編譯器就可以靈活適應環境，編譯出各種環境都能執行的機器碼。這個確定編譯引數的步驟，就叫做"配置"（configure）。

這些配置資訊儲存在乙個配置檔案之中，約定俗成是乙個叫做configure的指令碼檔案。通常它是由autoconf工具生成的。編譯器通過執行這個指令碼，獲知編譯引數。

configure指令碼已經盡量考慮到不同系統的差異，並且對各種編譯引數給出了預設值。如果使用者的系統環境比較特別，或者有一些特定的需求，就需要手動向configure指令碼提供編譯引數。

$ ./configure --prefix=/www --with-mysql

原始碼肯定會用到標準庫函式（standard library）和標頭檔案（header）。它們可以存放在系統的任意目錄中，編譯器實際上沒辦法自動檢測它們的位置，只有通過配置檔案才能知道。

編譯的第二步，就是從配置檔案中知道標準庫和標頭檔案的位置。一般來說，配置檔案會給出乙個清單，列出幾個具體的目錄。等到編譯時，編譯器就按順序到這幾個目錄中，尋找目標。

對於大型專案來說，原始碼檔案之間往往存在依賴關係，編譯器需要確定編譯的先後順序。假定a檔案依賴於b檔案，編譯器應該保證做到下面兩點。

（1）只有在b檔案編譯完成後，才開始編譯a檔案。

（2）當b檔案發生變化時，a檔案會被重新編譯。

在確定依賴關係的同時，編譯器也確定了，編譯時會用到哪些標頭檔案。

不同的原始碼檔案，可能引用同乙個標頭檔案（比如stdio.h）。編譯的時候，標頭檔案也必須一起編譯。為了節省時間，編譯器會在編譯原始碼之前，先編譯標頭檔案。這保證了標頭檔案只需編譯一次，不必每次用到的時候，都重新編譯了。

不過，並不是標頭檔案的所有內容，都會被預編譯。用來宣告巨集的#define命令，就不會被預編譯。

預編譯完成後，編譯器就開始替換掉原始碼中bash的標頭檔案和巨集。以本文開頭的那段原始碼為例，它包含標頭檔案stdio.h，替換後的樣子如下。

為了便於閱讀，上面**只擷取了標頭檔案中與原始碼相關的那部分，即fputs和file的宣告，省略了stdio.h的其他部分（因為它們非常長）。另外，上面**的標頭檔案沒有經過預編譯，而實際上，插入原始碼的是預編譯後的結果。編譯器在這一步還會移除注釋。

這一步稱為"預處理"（preprocessing），因為完成之後，就要開始真正的處理了。

預處理之後，編譯器就開始生成機器碼。對於某些編譯器來說，還存在乙個中間步驟，會先把原始碼轉為彙編碼（assembly），然後再把彙編碼轉為機器碼。

下面是本文開頭的那段原始碼轉成的彙編碼。

這種轉碼後的檔案稱為物件檔案（object file）。

物件檔案還不能執行，必須進一步轉成可執行檔案。如果你仔細看上一步的轉碼結果，會發現其中引用了stdout函式和fwrite函式。也就是說，程式要正常執行，除了上面的**以外，還必須有stdout和fwrite這兩個函式的**，它們是由c語言的標準庫提供的。

編譯器的下一步工作，就是把外部函式的**（通常是字尾名為.lib和.a的檔案），新增到可執行檔案中。這就叫做連線（linking）。這種通過拷貝，將外部函式庫新增到可執行檔案的方式，叫做靜態連線（static linking），後文會提到還有動態連線（dynamic linking）。

make命令的作用，就是從第四步標頭檔案預編譯開始，一直到做完這一步。

表面上，這一步很簡單，就是將可執行檔案（連帶相關的資料檔案）拷貝過去就行了。但是實際上，這一步還必須完成建立目錄、儲存檔案、設定許可權等步驟。這整個的儲存過程就稱為"安裝"（installation）。

可執行檔案安裝後，必須以某種方式通知作業系統，讓其知道可以使用這個程式了。比如，我們安裝了乙個文字閱讀程式，往往希望雙擊txt檔案，該程式就會自動執行。

這些事情就叫做"作業系統連線"。make install命令，就用來完成"安裝"和"作業系統連線"這兩步。

寫到這裡，原始碼編譯的整個過程就基本完成了。但是只有很少一部分使用者，願意耐著性子，從頭到尾做一遍這個過程。事實上，如果你只有原始碼可以交給使用者，他們會認定你是乙個不友好的傢伙。大部分使用者要的是乙個二進位制的可執行程式，立刻就能執行。這就要求開發者，將上一步生成的可執行檔案，做成可以分發的安裝包。

所以，編譯器還必須有生成安裝包的功能。通常是將可執行檔案（連帶相關的資料檔案），以某種目錄結構，儲存成壓縮檔案包，交給使用者。

正常情況下，到這一步，程式已經可以執行了。至於執行期間（runtime）發生的事情，與編譯器一概無關。但是，開發者可以在編譯階段選擇可執行檔案連線外部函式庫的方式，到底是靜態連線（編譯時連線），還是動態連線（執行時連線）。所以，最後還要提一下，什麼叫做動態連線。

前面已經說過，靜態連線就是把外部函式庫，拷貝到可執行檔案中。這樣做的好處是，適用範圍比較廣，不用擔心使用者機器缺少某個庫檔案；缺點是安裝包會比較大，而且多個應用程式之間，無法共享庫檔案。動態連線的做法正好相反，外部函式庫不進入安裝包，只在執行時動態引用。好處是安裝包會比較小，多個應用程式可以共享庫檔案；缺點是使用者必須事先安裝好庫檔案，而且版本和安裝位置都必須符合要求，否則就不能正常執行。

現實中，大部分軟體採用動態連線，共享庫檔案。這種動態共享的庫檔案，linux平台是字尾名為.so的檔案，windows平台是.dll檔案，mac平台是.dylib檔案。

關注「linux愛好者」

編譯器的工作過程

日期 2014年11月11日 原始碼要執行，必須先轉成二進位制的機器碼。這是編譯器的任務。比如，下面這段原始碼 假定檔名叫做test.c include int main void 要先用編譯器處理一下，才能執行。gcc test.c a.out hello,world 對於複雜的專案，編譯過程還必...

編譯器的工作過程

日期 2014年11月11日 原始碼要執行，必須先轉成二進位制的機器碼。這是編譯器的任務。比如，下面這段原始碼 假定檔名叫做test.c include int main void 要先用編譯器處理一下，才能執行。gcc test.c a.out hello,world 對於複雜的專案，編譯過程還必...

編譯器的工作過程

原始碼要執行，必須先轉成二進位制的機器碼。這是編譯器的任務。比如，下面這段原始碼 假定檔名叫做test.c include int main void 要先用編譯器處理一下，才能執行。gcc test.c a.out hello,world 對於複雜的專案，編譯過程還必須分成三步。configure...