[科技]一段 C 语言和汇编的对应分析

　　最近网易云课堂开放了一节叫 Linux内核分析 的课程。一直对操作系统和计算机本质很感兴趣，于是进去看了下，才第一堂课，老师就要求学生写一篇关于课时1的博客作为作业。对于这种新颖的作业形式，笔者相当惊讶。好吧，作为任务，还是完成一下吧，刚好需要消化一下。本文将会按照要求，将一段C语言代码编译成汇编，并给予分析和自己的思考。

　　本文作者周平，原创作品转载请注明出处

　　首先对会涉及到的一些CPU寄存器和汇编的基础知识罗列一下：

　　16位、32位、64位的CPU寄存器名称有所不同，比如指令地址寄存器 ip ，在16位中叫 ip ，32位中叫 eip ，64位叫 rip

　　32位的汇编指令通常以 l 结尾，比如 movl 相当于 mov 的含义

　　ebp : 堆栈基地址 寄存器，这个寄存器保存的是当前执行绪的 栈底地址

　　esp : 堆栈栈顶 寄存器，这个寄存器保存的是当前执行绪的 栈顶地址

　　eip : 指令地址 寄存器，这个寄存器保存的是指令所在的地址，CPU会不断的根据 eip 所指向的指令去内存取指令并执行，并自行累加取下一条指令逐条执行。 eip 无法直接赋值， call 、 ret 、 jmp 等指令可以起到修改eip 的作用

　　% 用于直接寻址寄存器， $ 用于表示立即数。 movl $8, %eax 表示把立即数 8 存到 eax 中

　　() 用于内存间接寻址，比如 movl $10, (%esp) 表示将立即数 10 保存到 esp 所指向的内存地址中

　　8(%ebp) 表示先找到 ebp 所指向的地址值 +8 后得到的地址

　　栈地址值是向下增长的，即栈顶从高地址向低地址移动

　　准备工作

　　准备一段C代码：

int g(int x) {  return x+5; } int f(int x) {  return g(x); } int main(void) {  return f(10)+1; } 

	　　使用 实验楼 环境



	 

　　编译成汇编代码

　　使用如下命令编译上面的c代码

gcc -S -o main.s main.c -m32

　　去掉不重要的部分后，得到：

　　汇编代码结果为：

g:  pushl %ebp  movl %esp, %ebp  movl 8(%ebp), %eax  addl $5, %eax  popl %ebp  ret f:  pushl %ebp  movl %esp, %ebp  subl $4, %esp  movl 8(%ebp), %eax  movl %eax, (%esp)  call g  leave  ret main:  pushl %ebp  movl %esp, %ebp  subl $4, %esp  movl $10, (%esp)  call f  addl $1, %eax  leave  ret

　　分析

　　具体的逐步分析，这里就省了，老师课上讲的很详细了，这里主要是要进行思考和归纳。

　　首先，我们看到3个C函数对应生成了3个部分的汇编代码，分别用函数名作为标号隔开了

int g(int x) -> g: int f(int x) -> f: int main(void) -> main:

　　我们知道程序是从 main 函数开始执行的，那么当程序被加载并运行时，上面的汇编代码会被加载到内存的某一个区域。而且，CPU中的很多寄存器都会初始化，当然其中最重要的是 eip ，因为 eip 是指向下一条将要执行的命令所在的内存地址，所以此时的 eip 应该指向 main 标号下的 pushl %ebp ：

main: eip ->  pushl %ebp

　　程序开始执行…

　　我们捆绑着看，首先先看这两条：

ushl %ebp movl %esp, %ebp

　　再观察一下整个代码，有没有发现不仅仅是 main 函数，函数 f 和 g 的开头也是这两个指令。分析一下，不难得出，这两条指令是指 将当前栈基地址压栈后，重新将基地址定位到栈顶 ，这个含义其实是保存好当前的基地址，重新开始一个新的栈。由于函数可以调函数， 这里的当前基地址，实际上是上一个函数的栈基地址 。例如，在 f 函数中的这两句指令，实际上保存的是 main 函数的栈基地址。

　　接着来分析两句：

subl $4, %esp movl $10, (%esp)

　　对照C代码不难发现，这是 参数进栈 ，将立即数 10 ，保存到栈顶(esp所指向的内存地址是栈顶)。而在 f 函数中也可以发现类似的语句：

subl $4, %esp movl 8(%ebp), %eax movl %eax, (%esp)

　　所以，我们可以得出结论是，在调用函数前需要把参数逐个压栈，而压栈的顺序根据笔者的测试是从右向左的。

　　接着调用 call 指令，跳转到 f 函数，我们知道 call 指令等同于下面的伪代码：

pushl %eip+1 movl %eip f

　　即把 call 指令的后一条指令进栈后，将 eip 赋值为目标函数的第一个指令地址。这样做显而易见：当所调用的函数结束后，需要返回当前函数继续执行，所以必须要保存下一条指令，否则回来的时候就找不到了。

　　来到 f 函数，首先是保存main函数的栈基地址，然后需要调用 g 函数，于是需要参数先进栈：

subl $4, %esp movl 8(%ebp), %eax movl %eax, (%esp)

　　这里重点思考一下， f 函数是如何获得main函数传递过来的参数的，我们看到

movl 8(%ebp), %eax

　　为什么参数是从 8(%ebp) 中获得的呢?我们知道 8(%ebp) 表示的是以ebp为基准向栈底回溯8个字节得到，为什么是8个字节呢?

　　回想一下，在 main 函数中完成了参数进栈后做了两件事情：

　　由于 call f 指令的作用， call f 下一条指令的地址被压栈了，这占用率 4 个字节

　　进入 f 函数后，立即将 main 函数的栈基地址进栈了，而且将 ebp 靠向了栈顶 esp ，这又占用了 4 个字节

　　于是通过 8(%ebp) 可以找到前一个函数的第一个整型参数的值。

　　一张图告诉你怎么回事：

　　看过了进入函数，调用函数的过程，再看一下函数是如何退出的。观察 main 和 f 不难发现，退出函数使用的是如下指令

leave ret

　　leave 指令相当于如下指令：

movl %ebp, %esp popl %ebp

　　第一条语句是将 esp 重置到 ebp ，可以理解为清空当前函数所使用的栈

　　第二条语句是将栈顶值赋值给 ebp ，并弹出，栈顶值是什么呢?通过上面的分析不难发现，此时的栈顶值实际上是前一个函数的栈基地址，所以第二条语句的意思就是把 ebp 恢复到前一个函数的栈基地址

　　接着 ret 就是相当于，恢复指令指向：

popl %eip

　　为什么g函数没有leave呢?因为g函数内部没有任何的变量声明和函数调用栈一直都是空的，所以编译器优化了指令

　　总结

　　最后，通过这个例子，总结一下函数调用的过程：

　　进入函数：

　　当前栈基地址压栈(当前栈基地址实际上是前一个函数的栈基地址)

　　调用其他函数：

　　参数从右到左进栈

　　下一条指令地址进栈

　　退出函数：

　　栈顶 esp 归位，回到本函数的 ebp

　　基地址回退到上一个函数的基地址

　　eip 退回到上一个函数即将要执行的那条语句的地址上