C语言编译与链接过程详解
源文件
main.c
#include <stdio.h>extern int data;
extern int add(int a,int b);int a1;
int a2 = 0;
int a3 = 10;static int b1;
static int b2 = 0;
static int b3 = 20;int main()
{int c1;int c2 = 0;int c3 = 30;static int d1;static int d2 = 0;static int d3 = 40;c1 = data;c2 = add(a1,a2);while(1);return 0;
}
add.c
int data = 3;
int add(int a,int b)
{return a+b;
}
两大过程：编译、链接
一、编译过程：
-
预处理 (.i)
-
处理#开头的预处理指令：#include #define #ifndef #if #else 等等
-
去注释、加行号、生成文件索引等等
命令：gcc -E main.c -o main.i，生成 .i 文件
-
-
编译 (.s)
将 .i 文件编译生成 .s 汇编文件
命令：gcc -S main.i 生成 .s 文件
-
汇编 (.o)
将汇编文件翻译成二进程可重定位文件，即 .o 文件
命令：gcc -c main.s 生成 .o 文件
PS：gcc命令只是一些后台程序的包装，它会根据不同的参数调用其他程序：
-
预编译和编译合并成了一个步骤，使用的是程序cc1，也可以通过如下命令生成.s文件
cc1 hello.c
等同于 gcc -S hello.c -o hello.s
-
汇编器 as
-
链接器 ld
分析二进制可重定位文件
main.c文件
#include <stdio.h>int a1;
int a2 = 0;
int a3 = 10;static int b1;
static int b2 = 0;
static int b3 = 20;int main(void)
{int c1;int c2 = 0;int c3 = 30;static int d1;static int d2 = 0;static int d3 = 40;return 0;
}
编译命令：在64位的机器上编译32位的.o文件
*gcc -m32 -fno-PIC -c .c
-m32指定编译生成32位文件；-fno-PIC去除和位置无关的段（只留下.text .data .bss .comment 等）
1. 读取 elf 文件头
$ readelf -h main.o
ELF 头：Magic： 7f 45 4c 46 01 01 01 00 00 00 00 00 00 00 00 00 类别: ELF32数据: 2 补码，小端序 (little endian)版本: 1 (current)OS/ABI: UNIX - System VABI 版本: 0类型: REL (可重定位文件)系统架构: ARM版本: 0x1入口点地址： 0x0程序头起点： 0 (bytes into file)Start of section headers: 268 (bytes into file)标志： 0x5000000, Version5 EABI本头的大小： 52 (字节)程序头大小： 0 (字节)Number of program headers: 0节头大小： 40 (字节)节头数量： 10字符串表索引节头： 7
(1) 魔数
Magic： 7f 45 4c 46 01 01 01 00 00 00 00 00 00 00 00 00
(2) REL (可重定位文件)
(3) 入口点地址： 0x0
(4) Start of section headers: 268 (bytes into file)
(5) 本头的大小： 52 (字节)
2. 获取 elf 文件的 section headers(段头) 信息 （供链接使用）
$ readelf -S main.o
There are 12 section headers, starting at offset 0x2ec:节头：[Nr] Name Type Addr Off Size ES Flg Lk Inf Al[ 0] NULL 00000000 000000 000000 00 0 0 0[ 1] .text PROGBITS 00000000 000034 000044 00 AX 0 0 1[ 2] .rel.text REL 00000000 00026c 000020 08 I 9 1 4[ 3] .data PROGBITS 00000000 000078 00000c 00 WA 0 0 4[ 4] .bss NOBITS 00000000 000084 000014 00 WA 0 0 4[ 5] .comment PROGBITS 00000000 000084 00002a 01 MS 0 0 1[ 6] .note.GNU-stack PROGBITS 00000000 0000ae 000000 00 0 0 1[ 7] .eh_frame PROGBITS 00000000 0000b0 00003c 00 A 0 0 4[ 8] .rel.eh_frame REL 00000000 00028c 000008 08 I 9 7 4[ 9] .symtab SYMTAB 00000000 0000ec 000140 10 10 14 4[10] .strtab STRTAB 00000000 00022c 000040 00 0 0 1[11] .shstrtab STRTAB 00000000 000294 000057 00 0 0 1
Key to Flags:W (write), A (alloc), X (execute), M (merge), S (strings), I (info),L (link order), O (extra OS processing required), G (group), T (TLS),C (compressed), x (unknown), o (OS specific), E (exclude),p (processor specific)
有12个段头，起始段头偏移为 0x2ec
可以看到每个段的偏移与大小
3. 打印出段的内容
~ $ objdump -s main.omain.o： 文件格式 elf32-i386Contents of section .text:0000 8d4c2404 83e4f0ff 71fc5589 e55183ec .L$.....q.U..Q..0010 14c745ec 00000000 c745f01e 000000a1 ..E......E......0020 00000000 8945f48b 15000000 00a10000 .....E..........0030 000083ec 085250e8 fcffffff 83c41089 .....RP.........0040 45ecebfe E...
Contents of section .data:0000 0a000000 14000000 28000000 ........(...
Contents of section .comment:0000 00474343 3a202855 62756e74 7520372e .GCC: (Ubuntu 7.0010 352e302d 33756275 6e747531 7e31382e 5.0-3ubuntu1~18.0020 30342920 372e352e 3000 04) 7.5.0.
Contents of section .eh_frame:0000 14000000 00000000 017a5200 017c0801 .........zR..|..0010 1b0c0404 88010000 20000000 1c000000 ........ .......0020 00000000 44000000 00440c01 00471005 ....D....D...G..0030 02750043 0f03757c 06000000 .u.C..u|....
4. 读取 .o 文件符号表
~ $ objdump -t main.o
main.o： 文件格式 elf32-littleSYMBOL TABLE:
00000000 l df *ABS* 00000000 main.c
00000000 l d .text 00000000 .text
00000000 l d .data 00000000 .data
00000000 l d .bss 00000000 .bss
00000004 l O .bss 00000004 b1
00000008 l O .bss 00000004 b2
00000004 l O .data 00000004 b3
00000008 l O .data 00000004 d3.1881
0000000c l O .bss 00000004 d2.1880
00000010 l O .bss 00000004 d1.1879
00000000 l d .note.GNU-stack 00000000 .note.GNU-stack
00000000 l d .eh_frame 00000000 .eh_frame
00000000 l d .comment 00000000 .comment
00000004 O *COM* 00000004 a1
00000000 g O .bss 00000004 a2
00000000 g O .data 00000004 a3
00000000 g F .text 00000044 main
00000000 *UND* 00000000 data
00000000 *UND* 00000000 add
标出了每个符号处于那个段，占多大内存，其中 a1 标记为 *COM* 表示它是弱符号（未初始化的非静态全局变量，可能其他文件里也定义了同名的）
data 和 add 这两个符号被标记为 *UND* ，表示未定义的符号，在本文件中找不到定义，链接时会从其他文件中寻找
5. 根据 section headers(段头) 信息，画出二进制可重定位文件的组成（.o文件）
可以发现bss段和comment段的起始卫视相同，但实际计算得出bss段在.o文件中并没有存储，但是符号表中对bss段有记录。
得出结论：bss段保存的都是未初始化 / 初始化为0的全局变量，和未初始化 / 初始化为0的静态局部变量，所以他们的默认值都为0 ，故为了节省.o文件的空间，无需存储，但是需要在符号表中记录，在最后执行可执行文件后，将bss段的符号存到虚拟地址空间中。
二、链接过程：
在64位x86机器上编译-链接生成32位目标文件和可执行文件的命令
编译：gcc -m32 -fno-PIC -c *.c
手动链接：ld -e main -melf_i386 *.o -o run生成如下文件：$ lsadd.c add.o main.c main.o run
PS：
-m32指定编译生成32位文件；
-fno-PIC去除和位置无关的段（只留下.text .data .bss .comment 等）
-e 指定程序入口，-e后跟着符号即可，也可以把add函数作为程序入口，即 -e add
-melf_i386指定链接生成32位的，x86架构的可执行文件
链接过程的本质主要是将多个目标文件“粘”在一起，实质上拼合的是目标文件之间对地址的引用，即函数名和全局变量
符号表就是.o文件的一个段，symtab，查看符号表命令
readelf -s main.o
objdump -t main.o
nm main.o
符号表中包含什么，主要关注1和2：
-
- 定义在本目标文件中的全局符号，例如变量名、函数名等
-
- 引用的其他目标文件中的符号，没有在本文件中定义，一般叫做外部符号
-
- 段名，如 “.text”, “.data” 等
-
- 局部符号，只在编译单元内部可见，调试器可以使用这些符号来分析程序或崩溃时的核心转储文件，链接过程中链接器往往忽略它们
$ objdump -t main.omain.o： 文件格式 elf32-i386SYMBOL TABLE:
00000000 l df *ABS* 00000000 main.c
00000000 l d .text 00000000 .text
00000000 l d .data 00000000 .data
00000000 l d .bss 00000000 .bss
00000004 l O .bss 00000004 b1
00000008 l O .bss 00000004 b2
00000004 l O .data 00000004 b3
00000008 l O .data 00000004 d3.1877
0000000c l O .bss 00000004 d2.1876
00000010 l O .bss 00000004 d1.1875
00000000 l d .note.GNU-stack 00000000 .note.GNU-stack
00000000 l d .eh_frame 00000000 .eh_frame
00000000 l d .comment 00000000 .comment
00000004 O *COM* 00000004 a1
00000000 g O .bss 00000004 a2
00000000 g O .data 00000004 a3
00000000 g F .text 00000016 main
1. 合并所有 .o 文件的段
如上图所示，text段合并，data段合并，bss段合并的同时，需要将弱符号转化为强符号（或者弱符号被强符号替换），bss段大小增加
并且发现链接后，生成的可执行文件的每个段都分配了内存地址（虚拟内存）
2. 合并符号表、符号解析、重定位
- 合并符号表
可以看出，可执行文件的符号表就是将多个.o文件的符号表简单的合并起来
- 符号解析
将弱符号（*COM*）转化为强符号
在其他文件中找到本文件中未定义的符号（*UND*）
- 重定位
为符号分配虚拟内存地址，符号的地址是根据段的地址加上自身的偏移计算的
可执行文件分析
1. 查看文件头
$ readelf -h run
ELF 头：Magic： 7f 45 4c 46 01 01 01 00 00 00 00 00 00 00 00 00 类别: ELF32数据: 2 补码，小端序 (little endian)版本: 1 (current)OS/ABI: UNIX - System VABI 版本: 0类型: EXEC (可执行文件)系统架构: Intel 80386版本: 0x1入口点地址： 0x80480a1程序头起点： 52 (bytes into file)Start of section headers: 4676 (bytes into file)标志： 0x0本头的大小： 52 (字节)程序头大小： 32 (字节)Number of program headers: 3节头大小： 40 (字节)节头数量： 9字符串表索引节头： 8
入口点地址：0x80480a1。
2. 查看段信息
$ readelf -S run
There are 9 section headers, starting at offset 0x1244:节头：[Nr] Name Type Addr Off Size ES Flg Lk Inf Al[ 0] NULL 00000000 000000 000000 00 0 0 0[ 1] .text PROGBITS 08048094 000094 000051 00 AX 0 0 1[ 2] .eh_frame PROGBITS 080480e8 0000e8 00005c 00 A 0 0 4[ 3] .data PROGBITS 0804a000 001000 000010 00 WA 0 0 4[ 4] .bss NOBITS 0804a010 001010 000018 00 WA 0 0 4[ 5] .comment PROGBITS 00000000 001010 000029 01 MS 0 0 1[ 6] .symtab SYMTAB 00000000 00103c 000170 10 7 14 4[ 7] .strtab STRTAB 00000000 0011ac 000059 00 0 0 1[ 8] .shstrtab STRTAB 00000000 001205 00003f 00 0 0 1
每个段都分配了虚拟地址。
3. 查看 program headers
$ readelf -l runElf 文件类型为 EXEC (可执行文件)
Entry point 0x80480a1
There are 3 program headers, starting at offset 52程序头：Type Offset VirtAddr PhysAddr FileSiz MemSiz Flg AlignLOAD 0x000000 0x08048000 0x08048000 0x00144 0x00144 R E 0x1000LOAD 0x001000 0x0804a000 0x0804a000 0x00010 0x00028 RW 0x1000GNU_STACK 0x000000 0x00000000 0x00000000 0x00000 0x00000 RW 0x10Section to Segment mapping:段节...00 .text .eh_frame 01 .data .bss 02
二进制可重定位文件只有 “section headers”，只有可执行文件里有 “program headers”，“program headers” 中显示了各个段的虚拟地址、对齐字节（一页4K)
按段的属性合并，只读（text+rodata)、可读可写（data+bss）等等
使用 readelf -l main 查看ELF的 “Segment” （供装载使用）
PS：因为我们是自己链接的，没有链接C库，所以段里的内容比较少
* 如果直接运行 gcc main.c -o main，则会默认链接C库，查看可执行文件的每个段时就有很多内容了
* 可执行文件是被 execve 加载到进程中的
* 可执行文件之所以可以运行，因为其指定了入口地址（main）、program headers（指定加载的虚拟地址）
* 描述 “Segment” 的结构叫 ”程序头” ，它描述了ELF文件该如何被操作系统映射到进程的虚拟空间。
