我们平时所说的程序，在Windows系统上一般是后缀为.exe，双击后即可运行的程序文件；在类Unix系统上，可执行程序没有特定的后缀名，一般输入名称即可执行（shell命令认为输入命令的第一个单词是可执行文件的名字。内置命令在PATH目录下，shell可以直接找到，所以输入名称即可；系统一般无法找到私有可执行文件，所以需要指明路径，如当前目录下执行：./hello）。
可执行程序的内部是一系列二进制形式的计算机指令和数据的集合，CPU可以直接识别，而程序员所接触的一般是高级语言，如C语言。将高级语言转化为低级机器语言指令，并将这些指令按照一定的格式进行打包，并以二进制磁盘文件的格式组成可执行文件的过程称为编译，完成这些过程的工具称为编译器，gcc就是Unix系统常用的编译器。本文针对C语言，并在Linux系统上进行操作演示，以简单阐述编译原理，主要参考书籍为《深入理解计算机系统》。
0 编译过程
在我们初学编程的时候，初次学习的都是HelloWorld程序，这里我们就以一个最简单的例子：hello.c来阐述编译原理，代码如下：
#include <stdio.h>
#define NAME "IguoChan"
int main()
{
/* print */
printf("Hello %s!\n", NAME);
return 0;
}
在Linux系统中输入以下指令，即可得到可执行文件hello，执行后如下：
$ gcc -o hello hello.c && ./hello
Hello IguoChan!
从上貌似可以看出，使用简单的一条指令就可以将高级语言转换为可执行文件，这个过程貌似很简单，其实执行了四个阶段的程序（预处理器、编译器、汇编器和链接器），这些程序一起构成了整个的编译系统，如下图所示：
可以看出，gcc实质上不是一个单独的程序，而是多个程序的集合，因此通常称为工具链。下面，我们将借助gcc工具链对以上过程进行详细描述。
1 预处理（Pre-Processing）
在Linux系统中输入以下指令，预处理器将根据字符#开头的命令，修改原始C程序，并得到另一个C程序，通常以.i作为文件拓展名。
$ gcc -E hello.c -o hello.i && vim hello.i
可以观察到hello.i的内容为：
# 1 "hello.c"
# 1 "<built-in>"
# 1 "<command-line>"
# 1 "hello.c"
# 1 "/usr/include/stdio.h" 1 3 4
# 28 "/usr/include/stdio.h" 3 4
# 1 "/usr/include/features.h" 1 3 4
# 324 "/usr/include/features.h" 3 4
# 1 "/usr/include/x86_64-linux-gnu/bits/predefs.h" 1 3 4
# 325 "/usr/include/features.h" 2 3 4
...
typedef unsigned char __u_char;
typedef unsigned short int __u_short;
typedef unsigned int __u_int;
typedef unsigned long int __u_long;
...
extern int printf (__const char *__restrict __format, ...);
...
# 2 "hello.c" 2
int main()
{
printf("Hello %s!\n", "IguoChan");
return 0;
}
观察以上文件中的信息，大致可以分为以下三类：
1.1 行标记（linemarkes）
# linenum filename flags
此类信息表征的是头文件包含的关系，被称为行标记（linemarkes），其基本形式如上，意思是：以下行起源于filename的linenum行，文件名后有0-4个标志，分别是1-4，含义如下：
1：表示新文件的开始，此时行号应该是1；2：表示回到一个文件（在打开一个新文件后）；3：表示以下文本来自系统头文件，应该禁止某些警告；4：表示应将以下文本视为包含在隐式extern "C"块中；
具体可参考gcc官方的解释。
1.2 各种别名、结构体定义和函数声明等
typedef unsigned char __u_char;
typedef unsigned short int __u_short;
typedef unsigned int __u_int;
typedef unsigned long int __u_long;
这些内容都是在各头文件中的各种定义和声明，1）中即是对头文件进行解析。
1.3 源代码结构主体
int main()
{
printf("Hello %s!\n", "IguoChan");
return 0;
}
在预处理器处理源文件时，会将所有的预处理指令（#开头），譬如上述的文件包含，还有宏定义、条件编译等。NAME宏已经被替换掉，且宏定义行已经被删除（但空行仍然被保留）。除此外，预处理器还会删除所有的注释。
2 编译（Compiling）
在Linux系统中输入以下指令，即可将预处理后的源程序翻译为汇编语言程序，一般以.s作为文件拓展名。
$ gcc -S hello.i -o hello.s && vim hello.s
可以看到hello.s的内容为：
.file "hello.c"
.section .rodata
.LC0:
.string "Hello %s!\n"
.LC1:
.string "IguoChan"
.text
.globl main
.type main, @function
main:
.LFB0:
.cfi_startproc
pushq %rbp
.cfi_def_cfa_offset 16
movq %rsp, %rbp
.cfi_offset 6, -16
.cfi_def_cfa_register 6
movl $.LC0, %eax
movl $.LC1, %esi
movq %rax, %rdi
movl $0, %eax
call printf
movl $0, %eax
leave
ret
.cfi_endproc
.LFE0:
.size main, .-main
.ident "GCC: (Ubuntu/Linaro 4.4.7-1ubuntu2) 4.4.7"
.section .note.GNU-stack,"",@progbits
编译器将预处理完的文件进行一系列的词法分析、语法分析、语义分析及优化后产生汇编代码，这个过程是程序构建的核心部分。上图中main函数包含多条低级的机器语言指令，这些机器语言是汇编语言。汇编语言非常有用，它为不同高级语言的不同编译器提供了通用的输出语言，能看懂汇编语言，也是深入理解计算机系统的基本要求。
3 汇编（Assembling）
接下来，汇编器将hello.s翻译成机器语言指令，把这些指令打包成一种叫做可重定位目标程序的格式，并将结果保存在hello.o中。hello.o是二进制文件，当我们用vim查看时，看到的将是一堆乱码。在Linux中，输入以下指令，可以得到hello.o文件。
$ gcc -c hello.s -o hello.o
4 链接（Linking）
hello程序调用了printf函数，这个函数是标准C库提供的，其函数实现于一个名为printf.o的文件中，而这个文件必须以某种方式合并到我们的hello可执行文件中，链接器就负责这种合并。在Linux中执行以下命令，就可以得到最终的可执行文件。
$ gcc hello.o -o hello
值得注意的是，gcc在链接到标准C库的时候不需要手动链接，而调用其他库时均需要手动链接，譬如调用了libm.so时，需要在命令后加-lm，如下：
$ gcc hello.o -o hello -lm
有关链接的详细内容，可参考我的博客：C语言链接
