深刻理解编辑过程

源码要运行，必须先转成二进制的机器码。这是编译器的任务。

好比，下面这段源码（假定文件名叫作test.c）。

#include <stdio.h> int main(void) { fputs("Hello, world!\n", stdout); return 0; } 

要先用编译器处理一下，才能运行。

$ gcc test.c $ ./a.out Hello, world! 

对于复杂的项目，编译过程还必须分红三步。

$ ./configure $ make $ make install 

这些命令到底在干什么？大多数的书籍和资料，都语焉不详，只说这样就能够编译了，没有进一步的解释。

本文将介绍编译器的工做过程，也就是上面这三个命令各自的任务。我主要参考了Alex Smith的文章《Building C Projects》。须要声明的是，本文主要针对gcc编译器，也就是针对C和C++，不必定适用于其余语言的编译。

第一步 配置（configure）

编译器在开始工做以前，须要知道当前的系统环境，好比标准库在哪里、软件的安装位置在哪里、须要安装哪些组件等等。这是由于不一样计算机的系统环境不 同样，经过指定编译参数，编译器就能够灵活适应环境，编译出各类环境都能运行的机器码。这个肯定编译参数的步骤，就叫作"配置"（configure）。

这些配置信息保存在一个配置文件之中，约定俗成是一个叫作configure的脚本文件。一般它是由autoconf工具生成的。编译器经过运行这个脚本，获知编译参数。

configure脚本已经尽可能考虑到不一样系统的差别，而且对各类编译参数给出了默认值。若是用户的系统环境比较特别，或者有一些特定的需求，就须要手动向configure脚本提供编译参数。

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

上面代码是php源码的一种编译配置，用户指定安装后的文件保存在www目录，而且编译时加入mysql模块的支持。

第二步 肯定标准库和头文件的位置

源码确定会用到标准库函数（standard library）和头文件（header）。它们能够存放在系统的任意目录中，编译器实际上没办法自动检测它们的位置，只有经过配置文件才能知道。

编译的第二步，就是从配置文件中知道标准库和头文件的位置。通常来讲，配置文件会给出一个清单，列出几个具体的目录。等到编译时，编译器就按顺序到这几个目录中，寻找目标。

第三步 肯定依赖关系

对于大型项目来讲，源码文件之间每每存在依赖关系，编译器须要肯定编译的前后顺序。假定A文件依赖于B文件，编译器应该保证作到下面两点。

（1）只有在B文件编译完成后，才开始编译A文件。

（2）当B文件发生变化时，A文件会被从新编译。

编译顺序保存在一个叫作makefile的文件中，里面列出哪一个文件先编译，哪一个文件后编译。而makefile文件由configure脚本运行生成，这就是为何编译时configure必须首先运行的缘由。

在肯定依赖关系的同时，编译器也肯定了，编译时会用到哪些头文件。

第四步 头文件的预编译（precompilation）

不一样的源码文件，可能引用同一个头文件（好比stdio.h）。编译的时候，头文件也必须一块儿编译。为了节省时间，编译器会在编译源码以前，先编译头文件。这保证了头文件只需编译一次，没必要每次用到的时候，都从新编译了。

不过，并非头文件的全部内容，都会被预编译。用来声明宏的#define命令，就不会被预编译。

第五步 预处理（Preprocessing）

预编译完成后，编译器就开始替换掉源码中bash的头文件和宏。以本文开头的那段源码为例，它包含头文件stdio.h，替换后的样子以下。

extern int fputs(const char *, FILE *); extern FILE *stdout; int main(void) { fputs("Hello, world!\n", stdout); return 0; } 

为了便于阅读，上面代码只截取了头文件中与源码相关的那部分，即fputs和FILE的声明，省略了stdio.h的其余部分（由于它们很是长）。另外，上面代码的头文件没有通过预编译，而实际上，插入源码的是预编译后的结果。编译器在这一步还会移除注释。

这一步称为"预处理"（Preprocessing），由于完成以后，就要开始真正的处理了。

第六步 编译（Compilation）

预处理以后，编译器就开始生成机器码。对于某些编译器来讲，还存在一个中间步骤，会先把源码转为汇编码（assembly），而后再把汇编码转为机器码。

下面是本文开头的那段源码转成的汇编码。

.file "test.c" .section .rodata .LC0: .string "Hello, world!\n" .text .globl main .type main, @function main: .LFB0: .cfi_startproc pushq %rbp .cfi_def_cfa_offset 16 .cfi_offset 6, -16 movq %rsp, %rbp .cfi_def_cfa_register 6 movq stdout(%rip), %rax movq %rax, %rcx movl $14, %edx movl $1, %esi movl $.LC0, %edi call fwrite movl $0, %eax popq %rbp .cfi_def_cfa 7, 8 ret .cfi_endproc .LFE0: .size main, .-main .ident "GCC: (Debian 4.9.1-19) 4.9.1" .section .note.GNU-stack,"",@progbits 

这种转码后的文件称为对象文件（object file）。

第七步 链接（Linking）

对象文件还不能运行，必须进一步转成可执行文件。若是你仔细看上一步的转码结果，会发现其中引用了stdout函数和fwrite函数。也就是说，程序要正常运行，除了上面的代码之外，还必须有stdout和fwrite这两个函数的代码，它们是由C语言的标准库提供的。

编译器的下一步工做，就是把外部函数的代码（一般是后缀名为.lib和.a的文件），添加到可执行文件中。这就叫作链接（linking）。这种经过拷贝，将外部函数库添加到可执行文件的方式，叫作静态链接（static linking），后文会提到还有动态链接（dynamic linking）。

make命令的做用，就是从第四步头文件预编译开始，一直到作完这一步。

第八步 安装（Installation）

上一步的链接是在内存中进行的，即编译器在内存中生成了可执行文件。下一步，必须将可执行文件保存到用户事先指定的安装目录。

表面上，这一步很简单，就是将可执行文件（连带相关的数据文件）拷贝过去就好了。可是实际上，这一步还必须完成建立目录、保存文件、设置权限等步骤。这整个的保存过程就称为"安装"（Installation）。

第九步 操做系统链接

可执行文件安装后，必须以某种方式通知操做系统，让其知道可使用这个程序了。好比，咱们安装了一个文本阅读程序，每每但愿双击txt文件，该程序就会自动运行。

这就要求在操做系统中，登记这个程序的元数据：文件名、文件描述、关联后缀名等等。Linux系统中，这些信息一般保存在/usr/share /applications目录下的.desktop文件中。另外，在Windows操做系统中，还须要在Start启动菜单中，创建一个快捷方式。

这些事情就叫作"操做系统链接"。make install命令，就用来完成"安装"和"操做系统链接"这两步。

第十步 生成安装包

写到这里，源码编译的整个过程就基本完成了。可是只有不多一部分用户，愿意耐着性子，从头至尾作一遍这个过程。事实上，若是你只有源码能够交给用 户，他们会认定你是一个不友好的家伙。大部分用户要的是一个二进制的可执行程序，马上就能运行。这就要求开发者，将上一步生成的可执行文件，作成能够分发 的安装包。

因此，编译器还必须有生成安装包的功能。一般是将可执行文件（连带相关的数据文件），以某种目录结构，保存成压缩文件包，交给用户。

第十一步 动态链接（Dynamic linking）

正常状况下，到这一步，程序已经能够运行了。至于运行期间（runtime）发生的事情，与编译器一律无关。可是，开发者能够在编译阶段选择可执行 文件链接外部函数库的方式，究竟是静态链接（编译时链接），仍是动态链接（运行时链接）。因此，最后还要提一下，什么叫作动态链接。

前面已经说过，静态链接就是把外部函数库，拷贝到可执行文件中。这样作的好处是，适用范围比较广，不用担忧用户机器缺乏某个库文件；缺点是安装包会 比较大，并且多个应用程序之间，没法共享库文件。动态链接的作法正好相反，外部函数库不进入安装包，只在运行时动态引用。好处是安装包会比较小，多个应用 程序能够共享库文件；缺点是用户必须事先安装好库文件，并且版本和安装位置都必须符合要求，不然就不能正常运行。

现实中，大部分软件采用动态链接，共享库文件。这种动态共享的库文件，Linux平台是后缀名为.so的文件，Windows平台是.dll文件，Mac平台是.dylib文件。

（文章完）