該主題預設在類unix作業系統中進行討論

gcc編譯器可通過不同的引數，生成不同階段的編譯檔案，比如，我們想生成可執行檔案，就用gcc -o；要生成目的碼.o，就用gcc -c；要生成彙編程式碼.s，就用gcc -S，

程式編譯的順序是，編譯器先根據.c原始檔產生.s彙編檔案，然後彙編器會把.s轉換成目標檔案.o，最後由連結器將.o檔案與unix庫函式合併，產生可執行檔案。

當我們得到.o時，還可以用objdump -d  *.o，對目標檔案進行反彙編，螢幕會打印出十六進位制與彙編檔案的對應解釋。

以上說的都是操作方法，接下來的幾章我們將淺析組合語言的內幕。

首先來看組合語言的基礎知識

一：資料格式

由於計算機經歷從16位機擴充套件到32位機的過程，intel沿用的以前的屬於，即將16位（即2位元組）定義為“字”，32位定義為“雙字”。而8位仍成為“位元組”，用符號表示如下：

        字：w   16位

    雙字：l     32位

    位元組：b    8位

單精度：s    8位

雙精度：l     32位

組合語言在操作上沿用了這樣的命名方式，比如資料傳送命令movl，我們就能看出這是對32位4位元組的操作

二：暫存器

組合語言簡單說就是遊走於暫存器、儲存器之間進行運算和操作的語言，因此暫存器的概念是至關重要的。

下面是整數暫存器示意圖：

31                                         15                                 7                             0

從示意圖來看，八個暫存器中，每個暫存器都是32位，每個暫存器都有直接引用前16位的暫存器標識，比如%esi的前16位暫存器可以用%si來直接訪問。同樣的道理，%bh、%bl還可以直接訪問%bx的高八位和第八位。

還有，%esp預設是棧指標，%ebp是幀指標，這些在後面講還有論述。

三：運算元指示符

常見運算元指示符有$、Imm、()，s

• $後面跟一個整數，表示“立即數”，類似C語言裡的常量數，如我們要把一個5賦給一個暫存器， 在語句中用$5表示；
• Imm稱為立即數偏移，顧名思義，是在定址時進行地址偏移的
• ()類似間接定址，類似C語言裡的“*”
• s伸縮因子，必須是1、2、4、8

通過下面這個例子方便理解：

假設下面五個地址代表的儲存器中分別儲存這五個值：

一下是三個暫存器所儲存的值：

當彙編語句中引用如下運算元所表示的值、對應的暫存器、以及分析如下：

倒數第二個例子比較有意思，很容易看成0xFC+4=0xFF，算數沒過關吧，嚯嚯，正確的應該是0xFC+4=0x100，而地址0x100裡面存的是0xFF，哇咔咔。

組合語言指令基礎

一：資料傳送指令mov

注意，組合語言的賦值語句順序和C語言是相反的。

mov實質上有兩種操作，一種是值傳送，比如movl  $4, %eax，意思是把4這個數值傳送（覆蓋）給暫存器eax，也可以mov %edx, %eax實現暫存器之間的數值傳遞

另一種是將物件理解成地址，並根據這個地址找到相應的儲存器位置，讀出裡面的值並傳送，即間接定址 。還是以上面儲存器中的值為例，執行movl：

movl  (%eax), %ecx    //  間接定址，先獲取暫存器eax裡的值0x100，得到儲存器0x100裡的值0xFF。再賦給暫存器ecx

movl  4(%eax), %ecx  //同上，先獲取4+0x100=0x104的值，再到儲存器0x104中取出0xAB，最後賦值給ecx

下面的例子是複雜的間接定址，可以參照上面的表格分析事例：

movl  257(%ecx, %edx, 2) ， %ecx  //  257 + 0x1 + 0x3*2 = 0x108，然後將0x108中的值0x13賦給暫存器ecx

通過上面兩條語句，暫存器ecx裡的值先賦成0xFF，再賦成0xAB，最後覆蓋成0x13。

二：棧指標%esp和幀指標%ebp

指令pushl %ebp，是壓棧，將%ebp裡的值壓入棧中，而棧指標是%esp，即棧頂，於是該語句等價於

subl  $4, %esp    //將棧指標的值減4——棧底是高地址，逐個往低地址擴充套件，所以要減4

movl %ebp, (%esp)    //將%ebp裡的值，賦給新的棧指標中的地址所表示的儲存空間

指令pop %ebp，是出棧，將%esp裡的地址對應的空間中的值賦值給%ebp，等價於這樣兩條指令：

movl (%esp), %ebp

addl  $4, %esp

……彙編裡（暫存器）的 操作只有兩種可能，將暫存器裡的值理解成儲存空間後，要麼往空間裡塞資料，要麼從空間裡把資料取出來……

%ebp和%eax兩個暫存器常被用於函式操作,比如將如下C程式碼對應到彙編程式碼：

int exchange(int *xp, int y)    // movl  8(%ebp), %eax ——%ebp偏置8得到第一個形參xp，存放在%eax

{                                  // movl  12(%ebp), %edx ——%ebp偏置12得到第二個形參y，存放在%edx

    int x = *xp;             // movl  (%eax), %ecx ——%eax儲存的地址儲存的值賦值給x，x區域性變數由%ecx臨時儲存

    *xp = y;                  // movl  %edx, (%eax) ——將y的值賦值給%eax間接引用的*xp

    return x;                // movl  %ecx, %eax ——返回值也由儲存第一個形參的%eax儲存

}

至於為什麼如此分配暫存器，以後有機會討論過程連結時再細講。

三：特殊mov

假設%dh=AB， %eax=12345678

movb      %dh，%al        //  %eax=123456AB

movsbl   %dh，%eax    //   %eax=FFFFFFAB

movzbl    %dh，%eax    //   %eax=000000AB

movb好理解，按照位元組來賦值，al是eax的低位，所以從78變成AB

賦值給%eax，剩下三個自己如何處理呢？

movsbl類似於算術擴充套件，要保留符號位，因此剩下位全置1

movzbl類似於邏輯擴充套件，因此剩下的全置0。

我查了半天也沒查到sbl和zbl的命名出處，自我理解是，b和l的解釋就像本文開頭表上說的那樣，代表單位元組和4位元組，兩個命令都是執行從單位元組傳送資料到四位元組。而s和z是區分剩下的三個位元組的處理策略。這裡可以舉個很簡單的例子：

char cC；

unsigned char uC；

int  *cP；

unsigned int  *uP；

……cC和uC賦值……；

*cp=（char  ）uC；//movzbl  %al  %edx  ……單位元組無符數轉四位元組有符數

*uP=（unsigned char ）cC；//movsbl  %al  %edx   ……單位元組有符數轉四位元組無符數

上面這個例子很典型，當單位元組無符數強轉四位元組有符數時，無符數原本沒有帶符號位資訊，因此在轉成有符數時，其餘三個位元組位就用’0‘來填充，用movzbl。

                                    當單位元組有符數強轉四位元組無符數時，有符數原本是帶有符號位資訊的，因此在轉成無符數時，其餘三個位元組也要保留符號，用movsbl。

movzbl的操作是百分之百填充’0‘的，而movsbl則不一定。如果被操作的有符數本身就是正數，則符號擴展出來也還是是’0‘，只有被操作有符數本身是負數時，才會出現“1”填充。