第一章 编译

作者：Allen B. Downey

原文：Chapter 1 Compilation

译者：飞龙

协议：CC BY-NC-SA 4.0

1.1 编译语言和解释语言

人们通常把编程语言描述为编译语言或者解释语言。前者的意思是程序被翻译成机器语言，之后由硬件执行；而后者的意思是程序被软件解释器读取并执行。例如，C被认为是编译语言，而Python被认为是解释语言。但是二者之间的界限并不总是那么明显。

首先，许多语言既可以编译执行也可以解释执行。例如，存在C的解释器，和Python的编译器。其次，类似Java的语言混合了这两种方法，它先把程序编译成中间语言，之后在解释器中执行转换后的程序。Java使用了一种叫做“Java 字节码”的中间语言，它类似于机器语言，但是由软件解释器执行，即Java虚拟机（JVM）。

所以，编译执行或解释执行并不是语言的内在特征。尽管如此，在编译语言和解释语言之间有一些普遍的差异。

1.2 静态类型

许多解释语言都支持动态类型，但是编译语言通常限制为静态类型。在静态类型的语言中，你可以通过观察程序，来分辨出每个变量都指向哪种类型。在动态类型的语言中，直到运行起来，你才能知道变量的类型。通常，“静态”指那些在编译时发生的事情，而“动态”指在运行时发生的事情。

例如，在Python中你可以像这样编写函数：

def add(x, y):return x + y

观察这段代码，你不能分辨出x和y所指向的类型。这个函数在运行时可能会调用数次，每次都接受不同类型的值。任何支持加法操作的值都是有效的，任何其它类型的值都会引发异常，或者“运行时错误”。

C中你可以像这样编写同样的函数：

int add(int x, int y) {return x + y;
}

函数的第一行包含了参数及返回值的“类型声明”：x和y都声明为整数，这意味着我们可以在编译时检查加法操作对该类型是否合法（是的）。返回值也声明为整数。

由于这些类型声明，当函数在程序其它位置调用时，编译器就可以检查所提供的参数是否具有正确类型，以及返回值是否使用正确。

这些检查在程序开始运行之前发生，所以可以更快地找到错误。更重要的是，程序永远不会运行的一部分中也可以找到错误。而且，这些检查不必发生于运行期间，这也是编译语言通常快于解释语言的原因之一。

编译时的类型声明也会节省空间。在动态语言中，变量的名称在程序运行时储存在内存中，并且它们通常可由程序访问。例如，在Python中，内建的locals函数返回含有变量名称和值的字典。下面是Python解释器中的一个示例：

>>> x = 5
>>> print locals()
{'x': 5, '__builtins__': <module '__builtin__' (built-in)>,
'__name__': '__main__', '__doc__': None, '__package__': None}

这段代码表明，变量的名称在程序运行期间储存在内存中（以及其它作为默认运行时环境一部分的值）。

在编译语言中，变量的名称只存在于编译时，而不是运行时。编译器为每个变量选择一个位置，并记录这些位置作为所编译程序的一部分[1]。变量的位置被称为“地址”。在运行期间，每个变量的值都储存在它的地址处，但是变量的名称完全不会储存（除非它们由于调试目的被编译器添加）。

[1] 这只是一个简述，之后我们会深入了解更多细节。

1.3 编译过程

作为程序员，你应该对编译期间发生的事情有所认识。如果你理解了这个过程，它会帮助你解释错误信息，调试你的代码，以及避免常见的陷阱。

下面是编译的步骤：

1. 预处理：C是包含“预处理指令”的几种语言之一，它生效于编译之前。例如，#include指令使其它文件的源代码插入到指令所在的位置。

2. 解析：在解析过程中，编译器读取源代码，并构建程序的内部表示，称为“抽象语法树”（AST）。这一阶段的错误检测通常为语法错误。

3. 静态检查：编译器会检查变量和值的类型是否正确，函数调用是否带有正确数量和类型的参数，以及其它。这一阶段的错误检测通常为一些“静态语义”的错误。

4. 代码生成：编译器读取程序的内部表示，并生成机器码或字节码。

5. 链接：如果程序使用了定义在库中的值或函数，编译器需要找到合适的库并包含所需的代码。

6. 优化：在这个过程的几个时间点上，编译器可以修改程序来生成运行更快或占用更少空间的代码。大多数优化都是一些简单的修改，来消除明显的浪费。但是一些编译器会执行复杂的分析和修改。

通常当你运行gcc时，它会执行上述所有步骤，并且生成一份可执行文件。例如，下面是一个小型的C语言程序：

#include <stdio.h>
int main()
{printf("Hello World\n");
}

如果你把它保存在名为hello.c的文件中，你可以像这样编译并运行它：

$ gcc hello.c
$ ./a.out

通常，gcc将可执行代码储存在名为a.out的文件中（它原本代表汇编器的输出，即“assembler output”）。第二行运行了这个可执行文件。./前缀告诉shell在当前目录中寻找它。

使用-o选项来为可执行文件提供一个更好的名字，通常是个不错的注意。

$ gcc hello.c -o hello
$ ./hello

1.4 目标代码

-c选项告诉gcc编译程序并生成机器码，但是不链接它们或生成可执行文件：

$ gcc hello.c -c

执行结果是名为hello.o的文件，其中o代表“目标代码”（object code），它就是编译后的程序。目标代码并不是可执行代码，但是它可以链接到可执行文件中。

nm UNIX命令可以读取目标文件并生成关于它所定义和所使用的名称的信息。例如：

$ nm hello.o
0000000000000000 T mainU puts

输出显示，hello.o定义了main名称，并使用了puts函数，它代表“输出字符串”（put string）。在这个例子中，gcc通过将printf替换掉执行了优化，它是一个复杂的大型函数。而puts相对来说比较简单。

你可以使用-O选项来控制gcc优化的程度。通常，它执行非常细微的优化，可以使调试更加容易。-O1选项会开启最为普通和安全的优化。更高的数值开启需要长时间编译的高级优化。

理论上，优化除了加速运行之外，不应改变程序的行为。但是如果你的程序中有微妙的bug，你可能会发现，优化会使bug出现或消失。在开发新的代码时，关闭优化通常是一个不错的注意。一旦程序正常运行并通过了适当的测试，你可以开启优化，并确保测试仍然能够通过。

1.5 汇编代码

和-c选项类似。-S告诉gcc编译程序并生成汇编代码，它通常为机器代码的可读形式。

$ gcc hello.c -S

执行结果是名为hello.s的文件，它可能看起来是这样：

        .file        "hello.c".section     .rodata
.LC0:.string      "Hello World".text.globl       main.type        main, @function
main:
.LFB0:.cfi_startprocpushq %rbp.cfi_def_cfa_offset 16.cfi_offset 6, -16movq %rsp, %rbp.cfi_def_cfa_register 6movl $.LC0, %edicall putsmovl $0, %eaxpopq %rbp.cfi_def_cfa 7, 8ret.cfi_endproc
.LFE0:.size        main, .-main.ident       "GCC: (Ubuntu/Linaro 4.7.3-1ubuntu1) 4.7.3".section     .note.GNU-stack,"",@progbits

gcc通常为你所运行的机器生成代码，所以对我来说它生成x86汇编代码，运行在Intel、AMD和许多其它处理器上面。如果你运行在不同的架构上，你会看到不同的代码。

1.6 预处理

在编译过程中再往前退一步，你可以使用-E选项来只运行预处理器：

$ gcc hello.c -E

执行结果就是预处理器的输出。这个例子中，它含有来自stdio.h的被包含代码，和stdio.h所包含的所有文件，还有这些文件所包含的所有文件，以及其它。在我的机器上，共计800行代码。因为几乎每个C语言程序都会包含stdio.h，这800行代码经常会被编译。如果你像大多数C程序那样也包含了stdlib.h，结果会变成多于1800行代码。

1.7 理解错误

既然我们知道了编译过程的步骤，理解错误消息就变得十分容易。例如，如果#include指令中出现了一个错误，你会从预处理器处得到一个错误：

hello.c:1:20: fatal error: stdioo.h: No such file or directory
compilation terminated.

如果有语法错误，你会从编译器处得到一个错误：

hello.c: In function 'main':
hello.c:6:1: error: expected ';' before '}' token

如果你使用了没有在任何标准库中定义的函数，你会从链接器处得到一个错误：

/tmp/cc7iAUbN.o: In function `main':
hello.c:(.text+0xf): undefined reference to `printff'
collect2: error: ld returned 1 exit status

id是UNIX链接器的名称，这样命名是因为“装载”（loading）是编译过程中的另一个步骤，它和链接关系密切。

一旦程序运行起来，C会执行非常少的运行时检测，所以你会看到极少的运行时错误。如果你发生了除零错误，或者执行了其它非法的浮点操作，你会得到“浮点数异常”。而且，如果你尝试读写内存的不正确位置，你会得到“段错误”。