汇编打怪升级（1）：基础知识

计算机程序与汇编语言

如我们所了解的，程序的本质是输入/输出的过程，包罗万象又绝非偶然。正如我们生活中无时无刻都在输入/输出。眼观、耳闻、鼻嗅、指触等都是接受输入信息的方式，然后经过大脑或身体本能的处理，产生输出——最后做出各式行动。只不过这些过程已自然而然、浑然一体，因此不易察觉。

计算机程序，自然地符合人们对世界做出响应的方式，接收一段信息的输入，经过特定的处理，产生输出，更进一步地，在特定的环境下，输出将会有不同的解释。如同电影桥段“掷杯为号”，这样的输入，可能最终输出是发出了脆响，杯子也碎了，然后“涌现五百刀斧手”，或是“跳出个人：‘对不起，我是卧底’”。

使用数学语言描述，是 y=f(x)，x是输入，f()是处理，y是输出。y=f(x) 既可以抽象地描述我们观察世界的方式，也可以描述计算机中最核心的部件——CPU的核心功能——计算。

CPU工作本质.png

对于CPU而言，它的工作与内存密不可分，大可以说，CPU只认识内存。内存中即存放了f()的处理代码，又存放了输入数据X，还存放了经过f(x)处理都的数据y。

观察这个过程，可以发现：

需要有访问某段内存地址的方法，这样可以找到f()、x
需要有方式能读出f()、x包含的信息
需要有执行各类运算的方式，这样就可以执行f()
需要有方式能存入y

无论程序多复杂，实际运行的过程不外如是。这些需要都可以由机器码来编写机器指令来完成，但是，仅有“0”和“1”构成的机器码，无论是阅读上还是书写上，对人类太不友好。于此，就有了汇编语言，以符合人类阅读与书写的方式，来协助完成对底层执行的逻辑控制。 最后，汇编语言 + 编译器 -> 机器码 = 所编写的程序的具体处理过程。

现在，我们以8086CPU为操作环境，学习要窥探汇编语言思想，所要具备的基础知识。如无特殊说明，均指环境为8086。

寄存器

考虑最简单的运算 c = a + b ，a与b为参与运算的因子，c则作为结果。虽然 a与b 可以来自于内存，但参与计算本身的信息的存储位置，应于它的来源位置无关，因此，需要额外的地方来存储这一部分信息。

为了保证运算本身能完好执行，而需要的存储信息的存储部件，就是寄存器。现在 a 可以放在寄存器1 而 b可以放在寄存器2 中。再如，a与b的来源的寻找依据，c的去处的依据，这些信息同样都可以在寄存器中。

在8086中有14个寄存器来帮助完成运算工作，每个寄存器都有各自的名字，以不同的功用可以分为段寄存器、专用寄存器、通用寄存器 和 指针寄存器，待到使用时，进一步说明。

每个寄存器为16位，即可以表示16个二进制的信息。为了方便阅读，信息内容以16进制来表示，如 "0010 0101 0110 1100 B" = “256C H”，“B”表示这是一个二进制数，“H”表示这是一个16进制数。

总线

是否有想过，为什么计算机内的信息要以二进制来表示？

答案与传播信息的电子元件有关。一根导线，可以以某一极短时间内的高低电平来分别表示“0”和“1”。当电伏达到某个阈值时为高电平即1，某则为低电平即0。大可以很不严谨地理解为，通电了就是1，没有通电就是0。因此一根导线在某个极短的时间段内只能代表两种状态中的一个。那么观察一段时间，我们可以得到的信息可能就是“1 0 0 1”。

当然，为了效率，可以一次是使用多跟导线进行观察

多条导线传输的数据.png

像上面，一次就可以得到信息 “1001 1101” 。

这些信息本身是无意义的，而当我们制定了规则之后，不同的信息值就有了含义。如同有时我们制定暗号，1代表打游戏，2代表没空，3代表出门等等。

那么，对于将所有存储部件都当做是内存的CPU来说，就通过总线来与CPU交换信息

CPU中的总线.png

其中：

地址总线：可以对存储单元寻址。
数据总线：可以向目标存储单元读写数据。
控制总线：决定了对CPU外部器件的控制能力。

如果有10根地址总线，就说地址总线的宽度为10，那么它一次传输的数据，就有 2^10 = 1024 种可能性。

存储器

对于拥有存储能力的存储部件，都可以将它视为存储器。在存储器中，会将存储区域，等量地划分为若干个存储单元，每个存储单元可以存储8个二进制信息，也是1Byte，即字节。

存储器.png

每一个存储单元，都拥有一个逻辑编号，这样，就可以根据编号寻找到目的存储单元。

当然，存储容量可以有多种等价的表示方式，每种单位间的换算为

1TB = 1024GB
1GB = 1024MB
1MB = 1024KB
1KB = 1024B
1B = 8Bit

现在，观察CPU与内存间交换信息，如读取一个数据的过程就可以表现为：

从存储器上读写.png

CPU通过地址总线发所能信息，寻找位于X地址上的存储单元
CPU通过控制总线，向内存发送读写命令
内存通过数据总线，将X地址上的数据 Y 发送给CPU

总观来看，地址总线找到信息的位置，数据拿到位置上的数据，而控制总线决定找到哪个存储部件。实际上，在CPU的视角里，所有与它通过总线相关联的存储设备都被视为内存，并从内存的某个地方拿到数据输入，进行运算，最后输出到内存的某个地方。CPU全程只参与计算，最终结果是什么含义，并不关心，就由存储设备本身自行解释。就像CPU往显卡上输出了数据，显卡器件自己知道要在屏幕上显示什么内容。

寻址

如果地址总线的宽度的表达范围 = 存储器的存储单元编号个数，地址总线就能容易地寻到任意的地址。但是8086中，一个存储器的寻址范围，可能需要20位总线才能找到所有地址。那么宽度为16的地址总线，怎样查找20位的内容呢。

16位的寻址范围为 0 ~ FFFF，20位的表示范围为 0 ~ F FFFF。在16进制数的表示下，一个20位的二进制比16位的二进制多了一个16进制位。

可以使用合成的方式来寻址，引入了概念：物理地址 = 段地址 + 偏移地址。

物理地址的表示.png

段地址与偏移地址的共同表达形式，让同一物理地址拥有不同的表示方式。如同起点与终点有100米，“如果我站在起点处，我只需要走100米就可以到达终点” 与 “如果我站在距起点50米处，我只需要走50米就可以到达终点”，都能找到终点在哪。

回到CPU寻址上，对于段地址 A，偏移地址 B，物理地址 = A * 16 + B。例如寻址 F FFFF时， A=F000和B=FFFF是一种表达方式，X=FFF0和Y=00FF也是一种表达方式。

这样，地址总线第一次的数据是段地址，第二次的数据是偏移地址，这样就能寻址了。

内存结构

存储器对于CPU来说都是内存，存储器本身可以简单地分为RAM(随机存储器)和ROM(只读存储器)。在汇编的视角上，RAM区域是任由我们使用的，但是ROM只能读写。原因在于，主板上ROM保存了BIOS(基本输入输出系统)的内容，通电后先运行里边的程序，它是一切的开始，并且是与外部器件连接的重要媒介。因此，里边的内容不应被改写。

认识一些寄存器

AX、BX、CX、DX：这个寄存器为一般寄存器，他们存于计算过程的中间数据的存储。同时为了兼容，每个16位的寄存器，可以进一步地分割为两个8位的寄存器。以 AX 为例，AX 可以进一步分为 AH 和 AL 分别表示 AX 的高8位和低8位。
CS与IP：段寄存器CS指明了程序代码的开始位置，任意时刻，CPU认为CS指向的位置为代码的开始位置。特别注意，我们现在是直接操作并参与计算过程和内存的访问过程的，没有通过操作系统进行操作时的约束，因此，需要有段寄存来指明某块内存区域的功用，在操作系统上时它已为我们屏蔽了这份信息并做了保护。IP寄存器则指明了下一个命令的开始位置，那么，程序的下一个命令的开始位置 = CS的值 * 16 + IP的值。
DS：段寄存器DS指明了数据段的位置，当要向内存单元读写信息时，读写的物理地址 = DS的值 * 16 + 输出的偏移地址。
SS和SP：内存中可以划分一段区域来完成栈的存储过程，段寄存器SS表示了这段区域的起始位置，专用寄存器SP表示了偏移范围，即栈顶位置 = SS的值 * 16 + SP的值。需要注意的是，栈的增长是向低位地址方向增长的，如 SP = 0012H 时，向栈中 push 2Byte 的数据，那么SP = 0012H - 0002H = 0010H 。栈头指向了更低位的地址单元。

认识字单元

除了存储单元来表示单位外，有事为了需要，还会使用字单元来表示一个存储单位，一个字单元占2个存储单元。

字单元.png

我们阅读一个数的习惯是从高位往低位阅读，如寄存器AX上的值也是按照 “1234” 的顺序来进行阅读。一个寄存器的数据容量刚好是一个字单元的容量，在存储时，寄存器的高位内容存在内存地址高位处，寄存器的低位内容存储在内存地址低位处，如 AH = 12 存在位置1，AL = 34存于位置0，位置0和位置1组成了一个2字单元。

认识汇编指令

汇编语言的初衷，是为了更好地使用机器指令完成计算工作。对于每条机器指令，对会有对应的汇编指令对应。

考虑一个操作，将寄存器BX的内容送到AX中：

机器指令：1000 1001 1101 1000
汇编指令：mov ax,bx

对比查看，机器指令哪以理解并容易出错，密密麻麻的0与1对于要编写与阅读的人而言无异于灾难。汇编指令使用符号来助记更符合人类习惯。

容易想见，汇编语言就是使用汇编指令构建出的程序过程。对于下面的内容，我们会使用到的指令有：

mov：表达将内容从一个地方移动到另一个地方。
add：表示将某些内容做加法，然后存在某个地方。
sub：表示将某些内容做减法，然后存在某个地方。
jmp：表示无条件跳转到某个位置。

每一种命令都有各自支持的各式，在使用到时加以说明。

环境安装

有了上面的知识，可以更直观地观察CPU的计算工作了。现在，我们需要安装8086环境以编写汇编。

可以用虚拟机安装 window2000，也可以去 DOSBox官网下载对应的模拟器，然后自行安装所需要的插件。 Mac下可以参考 Mac下安装DOSBOX 。

安装完后，如果是虚拟机，按照：

开始 ->  运行 ->  command 
就可以唤起DOS窗口
输入 debug 进入目标界面

如果是DOSBox，运行，按照：

输入 “mount c  ‘你任意选的一个路径’ " 来挂载作为DOSBox的工作盘
输入 “c:” 进入这个挂载的路径
输入 “debug” 进入目标页面

Debug命令

在Debug页面下，有一些高频的命令可以查看寄存器与内存信息，并在后续使用时进一步说明：

R：查看、改变CPU寄存器的值
D：查看目标内存中的内容
E：改写目标内存中的内容
U：将目标内存中的内容，翻译成汇编指令
T：执行一条机器指令
A：将输入的汇编指令，翻译成机器指令，并写到内存中

r查看、改变寄存器内容

输入 r 查看寄存器情况

--输入r查看寄存器情况.jpg

前两行输出列出了当前所有寄存器上的值内容。红线部分为 CS：IP ，前面说过这两个寄存器表示了下一个指令的开始位置，段地址=073F，偏移地址=0100 ，后面均以这样的方式来描述一个地址。后面的0000是指所指向的命令的机器码，并在蓝线部分显示它对应的机器指令。

// 改写ax的值
输入 rax
输入 1200

// 查看寄存器情况
输入 r

--r改写ax的值.jpg

可以看到已经生效，其他的寄存器也可以以相同的方式使用Debug命令改写。

d 常看内存中的内容

输入d1000:0 查看内存地址上的内容

--D查看内存地址上的内容.jpg

上面的命令访问物理地址 10000H开始的内容，在没有指明范围的情况下，默认显示128个存储单元的内容。左边为地址信息，中间为对应的机器码（每行16个存储单元），右边为对应的ASCII码翻译。（我的图上的内存可以认为是没有什么内容的，因为我使用的是DOSBox并挂载到了一个干净的目录。）

比如，可以输入 “d1000:0 f”，这样就指定限制从物理地址 10000H 开始共16个存储单元的内容

--d显示16个存储单元的内容.jpg

e 改写内存中的内容

输入 e1000:0 12 00 'hello world' 00 34

e的命令格式为 “e段地址：偏移地址以空格隔开的字符串货数值”，命令执行后，从10000H出开始写入内容。

输入 d1000:0 查看内存中的内容

--e改写内存中的内容.jpg

已经生效。

a 将输入的汇编指令翻译成机器码，并写入内存

机器指令都有对应的汇编指令，但机器码是难以记忆的，可以使用a命令来以汇编命令的形式一次向内存中写入多个命令

输入 a1000:10
mov bx,ax
mov bl,ah
// 查看写入的内容
输入d1000:10

mov 寄存器1，寄存器2 命令的含义，是将寄存器2的内容移动到寄存器1上，mov命令支持的格式为：

mov 寄存器1，寄存器2 ：将寄存器2的内容移动到寄存器2
mov 寄存器，数据：将数据移动到寄存器上
mov 寄存器内存单元：将内存单元的内容移动到寄存器上
mov 内存单元，寄存器：将寄存器上的内容移动到内存单元上
mov 段寄存器，寄存器：将寄存器上的内容移动到段寄存器上

--a向内存中写入命令.jpg

a命令已将输入的汇编指令翻译成对应的机器码，写入到物理地址10010H开始的内存上。

u 命令查看目标内存的机器码对应的汇编指令

输入 u1000:10 查看刚才以 a命令写入的汇编指令

--u查看汇编指令.jpg

如果不指定数量的话，u命令默认翻译16条机器指令。可以看到物理地址 10010H 和 10012H 开始的机器码内容就是刚才我们以 a 命令写入的汇编指令。

t 执行下一条执行

要执行指令时，CPU会执行 CS：IP处指向的指令。当前CS：IP并没有指向我们以a命令写入的指令处。

输入 -r // 查看寄存器信息
输入 rcs
1000
输入 rip
10
输入 -r // 查看寄存器信息

--t改写命令指向处.jpg

CS：IP已指向我们写入的 "mov bx, ax" 指令，绿线处也显示出了对应的内容

输入 r 查看寄存器情况
输入 t 执行指令
输入 t 执行指令

--t执行指令.jpg

蓝箭头为每个指令执行后 BX 的值改变情况，红箭头为每个命令执行后 IP 自动改变偏移值指向下一命令的情况。

第一个命令 “mov bx, ax” 是将 ax 的值移动到 bx ，bx 的值由 0000 变成了 1200。第二个命令 “mo bl, ah” 是将 al(ax高8位的值)，移动到 bl(bx的低8位)上，al=12，因此命令指令后 bx 从 1200 变成了 1212。

总结

文章主要说明了在学习汇编语言前，所应掌握的基础知识，包括：

在计算机中，信息以0和1的二进制存储，为了方便阅读，可以以更高的进制位如16进制进行转换。
每个存储单元占8个二进制，即1字节。每个字单元占2个存储单元。
每个机器指令，有对应的汇编指令来表示，更贴近人类阅读，书写习惯。
CPU的工作，是完成 y=f(x)，为了完成工作，需要有存储设备来记录程序、数据源、计算结果。而在计算过程中，需要寄存器来保存中过程中的必要的辅助信息。
每个寄存机占16位，通用寄存器可以进一步地分割为两个8位的寄存器。
CPU与内存以总线来交换信息，总线的信息传输能力取决于总线线宽。
借助Debug的窗口命令，可以查阅内存与寄存器的情况，以观察CPU的计算过程。

当前，如想先行实验，其他的命令可自行查询。

文章大部分知识点来自于《汇编语言》第四版—— 王爽，第1-3章

参考

《汇编语言》第四版—— 王爽，第1-3章