仿c语言自制编程语言笔记7

x86架构的概要

完成中间代码的生成之后,需要转成汇编语言,也就是代码生成这一步骤.首先了解计算机系统的架构.

计算机系统架构

计算所包含的基本单元分为:

1. cpu
2. 存储器
3. 其他设备
   cpu中含有多个寄存器,寄存器是CPU计算的存储单元,,存储二进制的数据.首先寄存器读取存储器中某个数据,然后计算完毕在写回存储器.

   物理地址和虚拟地址

   由于计算机上有多个进程需要同时占有存储器,为了让所有进程的地址空间都能从0-0xFFFFFFFF,我们将进程空间对应的地址为虚拟地址,虚拟地址通过MMU地址转换映射到物理地址上,物理地址按照单位为页进行分割,一页为4kb或8kb大小,当进程需要新的内存时,会分配新的页给进程.
   x86系列的cpu按照64位和32位划分,即包含两个条件:

• 通用寄存器的宽度为32bit.
• 地址空间的长度32位以上.

指令集架构IA-32

x86系列cpu中的32位cpu的指令集架构为IA-32,也是我们要使用的指令集.首先了解一下其中含有的寄存器:

• 通用寄存器.有eax,ebx,ecx,edx,esi,edi,esp,ebp共8个,用于整数运算和指针处理
• 指令指针,eip,用来存放下一条要执行的代码的地址.
• 标志寄存器,用于保存cpu的运行模式(常见的用户模式内核模式)和表示运算状态
• 浮点数寄存器,存放浮点数的寄存器
• 其他
  我们主要关注通用寄存器和标志寄存器的使用:
  ebp和esp用来操作机器栈帧,esp用来当做栈指针存放栈顶地址的寄存器,其余的6个寄存器可随意使用.
  由于寄存器的数量有限,因此在一条语句生成的临时变量过多时,需要将临时变量压入当前栈中,然后在计算完成后弹出,恢复栈的原来状态.
  一个函数在调用前,首先需要将当前执行代码的地址push进栈,然后将当前%ebp的值push进栈,因为当前%ebp的值保存着调用者函数的栈底,我们需要在调用函数执行完后,代码地址要弹出,这样能返回继续执行代码,函数栈底也要知道才能返回调用前的状态.存放下一条指令的寄存器为指令指针,也称为程序计数器.
  标志寄存器中每一bit用来表示一个标志位,用户可以用的只有状态标志和控制标志,比如说比较标志位用来存放cmp指令的结果,用来做跳转.

  数据的表现形式

  一个整数有32位,如果是有符号整数类型则第一位用来存放正负,1为负,0为正,如果为负数的话后面31位存放的是绝对值的补码.
  一个数的补码计算方式如下:

1. 先按位取反
2. 然后加1
   比如3的补码为011->100->101那么-3在计算机中为11111101(16进制)

基于x86汇编器编程

gnu汇编指令语法包括:

• 指令,有CPU直接运行的指令,例如movl %esp %ebp.
• 汇编伪操作.语法为以.开头,伪操作不是由cpu处理而是由汇编器处理的语句,一般用于目标文件中记录元数据或者设定指令的属性等.例如.string "hello world".text
• 标签,语法为.开头冒号结尾,为汇编伪操作生成的数据或者指令命名的功能,这样就可以在文件的其他地方调用通过标签定义的符号.
• 各种各样的操作数:

1. 立即数 相当于字面量,需要在前面加上$符号,否则会变成直接内存引用.
2. 寄存器 寄存器都已%开头
3. 直接内存引用 直接一个整数字面量表示内存地址.
4. 间接内存引用 间接内存引用格式disp(Base,index,scale),地址为disp+(base+index*scale),其中disp为偏移量.index和scale在数组访问时用到.比如说4(%eax)就是访问eax中值再加4的地址.
   对于寄存器有外加括号的写法,意思是寄存器所含地址上保存的值.
   指令有后缀,例如movb,movw,movl表示操作数的位数为8,16,32位.

   传输指令

• mov 单纯的1对1的传输
• push,pop 压栈和出栈
• lea 加载地址
• movsx,movzx 伴随有符号扩展/零扩展的数据传输
  mov指令后面带有两个操作对象,可以为寄存器,内存,立即数.第一个操作对象为源,第二个为目标.内存的读取方法一般可以通过立即数或者寄存器寻址例如(%eax)
  push指令后可以加寄存器或者立即数,将操作对象的值压入栈顶.
  pop后加一个寄存器,表示将栈顶值弹出到寄存器内.
  lea后加上内存和寄存器,表示将内存的地址直接加载到寄存器,而不是寻址后加载.与mov不同.

算数运算

• add
• sub
• imul 有符号乘法
• idiv 有符号除法
• div 无符号除法
• inc 自增
• dec 自减
• neg 取反
  add 将第一个操作数和第二个操作数相加,并将结果写入第二操作数.
  sub 将第二个操作数减去第一个然后写入第二个操作数.
  imul 将第二个操作数乘上第一个保存到第二个操作数中,不推荐使用无符号mul指令.
  div后面只能加上一个操作数用来做除数,由于被除数的位宽必须为除数的倍,被除数固定为%eax和%edx拼接而成,一个保存高32位,一个保存低32位,除法的商保存在%eax余数保存在%edx中.
  cltd指令是用来对寄存器edx进行零扩展的指令,为了让32位数据与32位数据相除,对edx需要零扩展.
  下面是一个对栈上两个变量做除法的例子:

  movl -12(%ebp),%ecx
  movl -8(%ebp),%eax
  cltd
  idivl %ecx

inc,dec指令是用来将后面的操作数的值加1减1
neg指令是用来将操作数的符号反转.

位运算指令

• and 按位与
• or 按位或
• xor 按位异或
• not 按位取反
• sar 算数右移
• sal 算数左移
• shr 逻辑右移

流程控制

• jmp 无条件跳转
• jz,jnz,je,jne 条件跳转
• cmp 数据比较
• test 数据的非0检查
• sete,setne,setg,setge,setl,setle 获取eflags寄存器中的各个标志位
• call 函数调用
• ret 从子程序返回
  jmp+立即数或者寄存器,常用的是jmp+一个符号,符号是有标签定义的,例如:

  	movl $1,%eax	#if语句的then部分
  	jmp end_if0	#跳转结尾
  else0:
  	movl $4,%eax
  end_if0:
  	push %eax

所以中间代码中的Jump节点可以直接转成jmp指令.

条件跳转指令例如jnz+立即数or寄存器,如果标志寄存器ZF为零,程序计数器pc跳转到后面操作数的地址,ZF位由cmp指令操作,cmp比较两个数是否相等,相等置1.
比如说if(x==y)then的语句可以转成:

	movl &x,%eax
	movl &y,%edx
	cmp %eax,%edx
	jnz if_else0
	#...
if_else0:
	#...

先说一下cmp指令,cmp指令比较两个操作数的差(第2个-第1个)然后根据结果来设定标志位:

• CF 进位或借位置1
• ZF 比较结果为0置1(相等)
• OF 溢出位
• SF 为负数时置1

操作数的关系	CF	ZF	OF
1<2	0	0	SF
1==2	0	1	0
1>2	1	0	not SF

test比较两个操作数的逻辑与,根据结果设置标志寄存器eflags中的标志位,test指令本质上和and指令相同,但不会改变操作数的值.
test指令一般用来检查某个位是否被置位.
那么eflags中的标志位如何读取,根据指令sete来读取.sete+操作数,将对应标志位的值置入寄存器或内存.

• sete,setne 对应ZF
• seta,setae 对应CF
  setcc指令通常和cmp一起用,在cmp指令调用后利用setcc获取数据比较的结果,例如用cmp指令比较eax寄存器和ecx寄存器的值之后,调用sete指令获取比较结果.
  call指令,可以调用由第一个操作数指定的函数,一般是用符号来写成call f的形式.call指令可分解成两步:

  	pushl $next_insn	#先将下一条指令地址压入栈
  	jmp 第1操作数
  next_insn:
  	#...

ret指令用于从子函数返回,也等价于popl %eip,弹出call指令下一条指令的地址.同时函数返回值通过寄存器%eax来保存.

程序调用约定

esp寄存器总是指向栈顶,ebp总是指向当前函数栈的栈底.在调用一个函数的开头一般要创建该函数的栈帧:

call func
pushl %ebp #压入当前函数的帧指针地址
movl $esp, %ebp	#把esp(栈顶)寄存器的值给ebp(栈底)
subl $8, %esp	#下拉栈顶,分配子函数的栈

在结尾处的处理:

movl %ebp,%esp	#栈顶回收
popl %ebp	#弹出父函数的栈底地址
ret

调用的完整过程是:

1. 下拉栈顶,然后把要传入的参数从右往左顺序push进栈
2. 调用call func语句
3. 准备栈帧
4. 执行func的代码
5. 释放栈帧
6. 调用ret
7. 释放push的参数地址,即上拉栈顶
   寄存器还可以分成两种,调用者寄存器和被调用者寄存器,在发生函数调用时将前者类型的寄存器中的值强制保存,这样在子函数中就可以直接使用这些寄存器,而后者是在被调用函数的开始将要使用的寄存器的值保存下来.前者适合保存一些临时变量,后者适合保存一些生命周期较长的数据.

• caller-save eax,ecx,edx,esp
• callee-save ebx,ebp,esi,edi

x86汇编对象的类

我们生成的汇编代码有三种类型:

1. 程序本身
   程序本身有四种情况:是一个标签,一个汇编伪操作,一条指令,一个注释.
   那么需要编写表示每种情况的类:

   Assembly
   	Comment
   	Directive	//伪操作
   	Instruction
   	Label
   AssemblyCode	//用来管理这些类的实例列表

2. 表示指令的操作数
   包括:立即数,寄存器,内存引用

   Operand
   	ImmediateValue
   	MemoryReference
   		DirectMemoryReference
   		IndirectMemoryReference
   	Register
   	AbsoluteAddress

3. 表示字面量的类

   Literal
   	IntegerLiteral
   	Symbol
   		NamedSymbol	//例如源代码里定义的函数
   		UnnamedSymbol	//伪操作生成的.;例如`.LC0`

如何生成汇编对象

CodeGenerator类中用来添加一个汇编对象的方式如下:
as.mov(imm(0),edx());
对应的汇编代码为:
movl $0,%edx
用来返回一个寄存器实例的方法有:

ax()	%eax
bx()	%ebx
cx()	%ecx
dx()	%edx
ax(t)	保存类型t大小的ax寄存器

一个寄存器的类中需要有区分寄存器的名称的枚举类型,用一个RegisterClass枚举类,含有8个对象.还需要一个asm.type,来表示需要寄存器的多少位.比如char就是INT8.

表示立即数和引用

总共有如下方法:

• imm(long num) 用来返回一个整数num的值(ImmediateValue类型,$num)
• imm(Symbol sym) 返回一个符号sym的值(ImmediateValue类型,$num)
• mem(Symbol sym) 符号sym的直接地址引用(sym)
• mem(Register reg) 根据寄存器reg返回间接引用地址
• mem(long off,Register reg) 根据偏移量和寄存器reg返回间接引用地址(off(reg))

指令生成

是AssemblyCode类的方法,总共有如下几个方法:

• mov(Register s,Register d)
• mov
• mov
• push
• pop
• add
• sub
• imul
• call(Symbol sym) 使用call指令调用函数sym,函数是一个NamedSymbol
• jmp(Label lab) 标签用来跳转,函数的Symbol用来调用
  这些方法都会在一个该类的指令列表中添加一个Instruction类对象.

表示汇编伪操作,标签和注释

首先是伪操作的部分,我们需要用到三个伪操作分别是:

• _file(String name) 使用汇编伪操作.file声明当前的文件名
• _globl(Symbol sym) .globl能使得sym成为全局变量
• _section(String sect) .section切换到sect代码片段
  标签和注释:
• label(Symbol sym) 输出定义了符号sym的标签
• label(Label label) 输出定义了和标签label同样符号的标签
• comment(String str) 输出注释.
  在汇编中跳转的目标有两种,一种是函数入口和字符串常量,属于NamedSymbol,还有一种是后期加入的标签,也就是.xxx:的形式,适用于while,if这些.

赏

谢谢你请我吃糖果