一个C语言程序的生命是从源文件开始的，这种高级语言的形式更容易被人理解。然而，要想在操作系统上运行程序，每条C语句都必须被翻译为一系列的低级机器语言指令。最后，这些指令按照可执行目标文件的格式打包，并以二进制文件的形式存放起来。
我们首先回顾编译原理的基础知识，然后以经典著作The C Programming Language中的第一个程序hello world为例，讲解Linux下默认编译器GCC（版本5.4.0）的编译过程。
1.编译原理
编译器的作用是读入以某种语言（源语言）编写的程序，输出等价的用另一种语言（目标语言）编写的程序。编译器的结构可分为前端（Front end）和后端（Back end）两部分。前端是机器无关的，其功能是把源程序分解成组成要素和相应的语法结构，通过这个结构创建源程序的中间表示，同时收集和源程序相关的信息，存放到符号表中；后端则是机器相关的，其功能是根据中间表示和符号表信息构造目标程序。
编译过程可大致分为下面5个步骤，如图11所示。
（1）词法分析（Lexical analysis）：读入源程序的字符流，输出为有意义的词素（Lexeme）；
（2）语法分析（Syntax analysis）：根据各个词法单元的第一个分量来创建树型的中间表示形式，通常是语法树（Syntax tree）；
（3）语义分析（Semantic analysis）：使用语法树和符号表中的信息，检测源程序是否满足语言定义的语义约束，同时收集类型信息，用于代码生成、类型检查和类型转换；
（4）中间代码生成和优化：根据语义分析输出，生成类机器语言的中间表示，如三地址码。然后对生成的中间代码进行分析和优化；
（5）代码生成和优化：把中间表示形式映射到目标机器语言。
图1 编译过程
2.GCC编译过程
首先我们来看GCC的编译过程，hello.c的源代码如下。
在编译时添加“-save-temps”和“–verbose”编译选项，前者用于将编译过程中生成的中间文件保存下来，后者用于查看GCC编译的详细工作流程，下面是几条最关键的输出。
可以看到，GCC的编译主要包括四个阶段，即预处理（Preprocess）、编译（Compile）、汇编（Assemble）和链接（Link），如图2所示，该过程中分别使用了cc1、as和collect2三个工具。其中cc1是编译器，对应第一和第二阶段，用于将源文件hello.c编译为hello.s；as是汇编器，对应第三阶段，用于将hello.s汇编为hello.o目标文件；链接器collect2是对ld命令的封装，用于将C语言运行时库（CRT）中的目标文件（crt1.o、crti.o、crtbegin.o、crtend.o、crtn.o）以及所需的动态链接库（libgcc.so、libgcc_s.so、libc.so）链接到可执行hello。
图2 GCC的编译阶段
3.预处理阶段
GCC编译的第一阶段是预处理，主要是处理源代码中以“#”开始的预处理指令，比如“#include”、“#define”等，将其转换后直接插入程序文本中，得到另一个C程序，通常以“.i”作为文件扩展名。在命令中添加编译选项“-E”可以单独执行预处理：
hello.i文件的内容如下所示。
通过观察我们可以得知预处理的一些处理规则，如下。
4.编译阶段
GCC编译的第二阶段是编译，该阶段将预处理文件进行一系列的词法分析、语法分析、语义分析以及优化，最终生成汇编代码。在命令中添加编译选项“-S”，操作对象可以是源代码hello.c，也可以是预处理文件hello.i。实际上在GCC的实现中，已经将预处理和编译合并处理。
GCC默认使用AT&T格式的汇编语言，添加编译选项“-masm=intel”可以将其指定为我们熟悉的intel格式。编译选项“-fno-asynchronous-unwind-tables”则用于生成没有cfi宏的汇编指令，以提高可读性。hello.s文件的内容如下所示。
值得注意的是，生成的汇编代码中函数printf()被替换成了puts()，这是因为当printf()只有单一参数时，与puts()是十分类似的，于是GCC的优化策略就将其替换以提高性能。
5.汇编阶段
GCC编译的第三阶段是汇编，汇编器根据汇编指令与机器指令的对照表进行翻译，将hello.s汇编成目标文件hello.o。在命令中添加编译选项“-c”，操作对象可以是hello.s，也可以从源代码hello.c开始，经过预处理、编译和汇编直接生成目标文件。
此时的目标文件hello.o是一个可重定位文件（Relocatable File），可以使用objdump命令来查看其内容。
此时由于还未进行链接，对象文件中符号的虚拟地址无法确定，于是我们看到字符串“hello,world.”的地址被设置为0x0000，作为参数传递字符串地址的rdi寄存器被设置为0x0，而“call puts”指令中函数puts()的地址则被设置为下一条指令的地址0xe。
6.链接阶段
GCC编译的第四阶段是链接，可分为静态链接和动态链接两种。GCC默认使用动态链接，添加编译选项“-static”即可指定使用静态链接。这一阶段将目标文件及其依赖库进行链接，生成可执行文件，主要包括地址和空间分配（Address and Storage Allocation）、符号绑定（Symbol Binding）和重定位（Relocation）等操作。
链接操作由链接器（ld.so）完成，结果就得到了hello文件，这是一个静态链接的可执行文件（Executable File），其包含了大量的库文件，因此我们只将关键部分展示如下。
可以看到，通过链接操作，对象文件中无法确定的符号地址已经被修正为实际的符号地址，程序也就可以被加载到内存中正常执行了。
