并非注解： C语言编译器到底干了什么？

C语言编译器到底干了什么？ #

所有的IDE都隐藏了你按下“ run ”后编译器所做的一切，如果你是一名对编译器的MAGIC感兴趣的C语言初学者，这篇文章希望可以初步解答你的疑惑。

C语言编译器的核心工作就是把你写的源代码（.c 文件）变成计算机可以直接运行的机器码（可执行文件）。这个过程大致分为 四大阶段：预处理、编译、汇编、链接。

一、预处理 #

  • 输入：源代码文件 .c，就是你自己写的部分

  • 输出：经过处理的源代码（扩展了头文件、宏等）

  • 做什么：

    • 处理 #include，把头文件内容直接拷贝进来。
    • 处理宏定义 #define，把宏替换为具体的代码。
    • 处理条件编译指令 #if、#ifdef、#endif 等，这个一般不怎么用。

    我们举个例子：

#include <stdio.h>
#define PI 3.14

int main() {
    printf("%f\n", PI);
    return 0;
}

经过预处理，编译器会把 <stdio.h> 的内容和 PI 替换好，然后得到完整的 C 代码。

二、编译（Compilation） #

  • 输入：预处理后的源代码

  • 输出：汇编代码（.s 文件）

  • 步骤：

    1.词法分析（Lexical Analysis）： #

    把代码分解成“单词”，称为 token，比如 int、main、( 等。

    int main() {
    int x = 5 + 3;
    return x;
}
    • 目标：把源代码拆成 最小单元 token
    • token 类型可以是关键字、标识符、运算符、常量等

    分析结果示例：

    Token类型
    int关键字
    main标识符
    (左括号
    )右括号
    {左大括号
    int关键字
    x标识符
    =运算符
    5常量
    +运算符
    3常量
    ;分号
    return关键字
    x标识符
    ;分号
    }右大括号

    2.语法分析（Parsing） #

    检查语法是否正确，把 token 组合成 语法树（AST）。

    • 目标：根据 C 语言语法，把 token 组合成 语法树（AST, Abstract Syntax Tree）
    • AST 反映程序的结构和逻辑

    语法树大概就长下面这个样：

    FunctionDefinition
├── ReturnType: int
├── FunctionName: main
└── Body
    ├── Declaration
    │   ├── Type: int
    │   ├── Name: x
    │   └── Init
    │       └── BinaryOp
    │           ├── Left: 5
    │           ├── Operator: +
    │           └── Right: 3
    └── ReturnStatement
        └── Variable: x

    解释：

    • FunctionDefinition 表示函数定义
    • Declaration 表示变量声明
    • BinaryOp 表示二元运算 5 + 3
    • ReturnStatement 表示返回语句

    3.语义分析（Semantic Analysis） #

    检查类型是否匹配，函数是否调用正确等。

    4.生成中间代码 #

    一些编译器会生成与机器无关的中间表示（IR）。编译器可以通过这个阶段做优化，而不依赖具体 CPU 架构。

    5.优化（Optimization） #

    进行代码优化，比如消除冗余、循环优化等。

    6.生成汇编代码 #

    把 IR 转换为汇编语言（与具体 CPU 架构有关）。

    这里拿x86平台的举个例子

    6.1 赋值语句

    int x = 10;
int y = 20;
x = x + y;

    对应汇编代码，这里做了一点简化：

    mov DWORD PTR [rbp-4], 10    ; x = 10
mov DWORD PTR [rbp-8], 20    ; y = 20
mov eax, DWORD PTR [rbp-4]   ; eax = x
add eax, DWORD PTR [rbp-8]   ; eax = eax + y
mov DWORD PTR [rbp-4], eax   ; x = eax

    解释：

    • mov：数据传送（赋值）
    • add：加法运算
    • [rbp-4] 和 [rbp-8] 是栈上变量 x 和 y 的地址

    6.2条件判断

    int x = 5;
if (x > 0) {
    x = x - 1;
}

    对应汇编（简化版）：

    mov eax, DWORD PTR [rbp-4]   ; eax = x
cmp eax, 0                    ; 比较 x 和 0
jle .L1                       ; 如果 x <= 0 跳到 .L1
sub DWORD PTR [rbp-4], 1      ; x = x - 1
.L1:

    解释：

    • cmp：比较两个数
    • jle：条件跳转（less or equal）
    • 条件成立时执行 sub，否则跳过

    6.3循环

    int i;
for (i = 0; i < 5; i++) {
    // 循环体，这里简单做 x = x + i;
    x = x + i;
}

    对应汇编（简化版）：

    mov DWORD PTR [rbp-12], 0     ; i = 0
.L2:
cmp DWORD PTR [rbp-12], 5     ; 比较 i 和 5
jge .L3                       ; i >= 5 跳出循环
mov eax, DWORD PTR [rbp-4]    ; eax = x
add eax, DWORD PTR [rbp-12]   ; eax = eax + i
mov DWORD PTR [rbp-4], eax    ; x = eax
add DWORD PTR [rbp-12], 1     ; i++
jmp .L2                        ; 回到循环开始
.L3:

    解释：

    • .L2 / .L3：循环和跳转标签
    • jmp：无条件跳转
    • cmp + jge：循环条件判断

三、汇编 #

  • 输入：汇编代码 .s

  • 输出：目标文件 .o（机器码，但尚未链接）

  • 做什么：

    • 把汇编代码转成机器码（二进制指令）。
    • 为变量、函数生成符号表，但还不确定地址（地址由链接器决定）。

    在 汇编阶段，每个变量和函数都会生成一个 符号（symbol），记录在符号表里：

    名称（变量名、函数名）、类型（int、函数等）、大小（4字节、8字节…）、相对位置/段名（比如栈偏移、.data段偏移），此时符号只是一个标签或占位符，而不是确切的物理地址。

  • 特点：

    • 每个 .c 文件会生成一个对应的 .o 文件。
    • .o 文件可以独立编译，不需要完整项目。

四、 链接（Linking） #

  • 输入：多个 .o 文件 + 库文件（比如 stdio）
  • 输出：可执行文件（就是你电脑最后能运行的文件，windows就是.exe）
  • 做什么：
    • 把不同 .o 文件中的符号（函数、全局变量）对应起来。
    • 给函数和变量分配实际地址。
    • 将需要的库函数（比如 printf）的代码加入到最终可执行文件。
  • 结果：
    • 生成最终可执行文件，可以直接运行。

小结 #

至此，我们大概梳理了一遍 C 编译器在幕后做的事情：从源代码的预处理、编译、汇编，到链接器生成可执行文件，再到运行时栈和堆上的内存布局。

需要注意的是，这里只是一个 比较粗浅的讲解，省略了许多底层优化、指令集差异和复杂的链接过程。如果你希望深入理解 C 编译器的工作原理和内存管理机制，可以试着阅读下面这些书籍：

  1. 《编译原理（龙书）》——Alfred V. Aho
  2. 《深入理解计算机系统（CS:APP）》——Randal E. Bryant & David R. O’Hallaron
Edit this page