最近查一些文章，涉及到了汇编语言，所以翻出一些资料复习一下。
我们平常学习的编程语言，如 C, C++, Java, C#,Python等等都是高级语言。我们也都知道，机器只能理解执行0101的代码，那高级语言如何转换为机器语言的？
其实高级语言是通过编译器转换为机器语言的，在编译过程中间会生成一个过渡性的语言，叫汇编语言，高级语言屏蔽了实现的细节，如对内存的操作，而汇编语言是低级语言，是通过指令直接对硬件，如CPU的寄存器和内存进行操作的语言，早期的程序员也是直接写汇编语言来控制程序运行，了解汇编语言有助于明白底层的实现，进而可以增加排错能力，以及优化代码。
一点背景
汇编语言是针对CPU设计的，每一种CPU都有自己的汇编指令集，所以针对不同的CPU的汇编语言写法是不一样的，比如 ARM(安卓手机CPU) 和 Intel(常用PC CPU) 他们的指令格式是不一样的。 即便是同一款CPU，指令格式上也可以不一样，常用的有 ATT 汇编格式和 Intel汇编格式。
通常一条汇编指令包含操作码和操作数两部分内容，格式为 操作码(OP) 操作数
如 mov $20 %al 表示将立即数20保存到寄存器 al中去，这个写法是 ATT格式，如果用 Intel汇编代码格式写，那对应的代码就是 MOV AL, 20H
ATT 与 Intel 汇编代码格式：
Intel 汇编格式比较好理解，因为芯片是Intel生产的，他们自然设置了对应的汇编代码格式。
ATT（根据 “AT&T”命名的，AT&T是运营贝尔实验室多年的公司）格式的汇编代码，这是GCC,OBJDUMP等工具的默认格式，贝尔实验室是Unix系统的创建者，Linux 是 Unix 家族的一员，早期Linux所使用的的386汇编语言也是起源于Unix，Unix最初是为PDP－11开发的，曾先后被移植到VAX及68000系列的处理器上，这些处理器上的汇编语言都采用的是AT&T的指令格式。当Unix被移植到i386时，自然也就采用了AT&T的汇编语言格式，而不是Intel的格式。
ATT语法和Intel语法的一些区别
在ATT语法中，寄存器前冠以％，而立即数前冠以$，在Intel的语法中，寄存器和和立即数都没有前缀。
在ATT语法中，十六进制立即数前冠以“0x”，而在Intel的语法中，十六进制和二进制立即数后缀分别冠以h和b
在 Ubuntu GCC 编译器中默认是 ATT 语法，本文也主要以ATT语法来示例。
寄存器
上面的示例代码中，命令 mov $10 %al
是将数字 10 放到寄存器 al 中，那al是指哪个寄存器呢，可以参考下面的图表
下图是 8086 16位寄存器的简要介绍， AX 是累加寄存器，包含高位 AH 和 低位 AL，所以上述命令就是将数字 10 放到 累加寄存器的低位中。
上图是 16 位CPU的架构图，目前大部分的系统都是 64 位的CPU，可以参考下面的表格，第一行表示位数，高位的包含低位
| 63~32 | 31~16 | 15~8 | 7~0 | 说明 |
|---|---|---|---|---|
| %rax | %eax | %ax | %al | ==返回值== |
| %rbx | %ebx | %bx | %bl | Callee Saved |
| %rcx | %ecx | %cx | %cl | 第4个参数 |
| %rdx | %edx | %dx | %dl | 第3个参数 |
| %rsi | %esi | %si | %si | 第2个参数 |
| %rdi | %edi | %di | %di | 第1个参数 |
| %rbp | %ebp | %bp | %bp | Callee Saved |
| %rsp | %esp | %sp | %sp | ==栈指针== |
| %r8 | %r8d | %r8w | %r8b | 第5个参数 |
| %r9 | %r9d | %r9w | %r9b | 第6个参数 |
| %r10 | %r10d | %r10w | %r10b | Caller Saved |
| %r11 | %r11d | %r11w | %r11b | Caller Saved |
| %r12 | %r12d | %r12w | %r12b | Callee Saved |
| %r13 | %r13d | %r13w | %r13b | Callee Saved |
| %r14 | %r14d | %r14w | %r14b | Callee Saved |
| %r15 | %r15d | %r15w | %r15b | Callee Saved |
如 movl $10, %eax 和 mov $10 %ax 是类似的效果，注意 ATT 的 mov 命令后面可以跟字长表示长度 ，字长定义如下 ：
| C声明 | Intel数据类型 | 汇编代码后缀 | 大小（字节） |
|---|---|---|---|
| char | 字节(byte) | b | 1 |
| short | 字(word) | w | 2 |
| int | 双字(double word) | l | 4 |
| long | 四字(quad word) | q | 8 |
| char* | 四字 | q | 8 |
| float | 单精度 | s | 4 |
| double | 双精度 | l | 8 |
一个简单的例子
将下面文件保存为 main.c
1
2
3
int main(){
return 0;
}
使用尝试使用gcc编译生成汇编, gcc -O 的参数是生成原始的汇编的命令，没有这个参数会生成经过优化的汇编命令
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
$ gcc -Og -S -o main.s main.c
$ cat main.s
.file "main.c"
.text
.globl main
.type main, @function
main:
.LFB0:
.cfi_startproc
movl $0, %eax
ret
.cfi_endproc
.LFE0:
.size main, .-main
.ident "GCC: (Ubuntu 7.5.0-3ubuntu1~18.04) 7.5.0"
.section .note.GNU-stack,"",@progbits
上述代码中 .file 大部分为汇编的描述代码，不会生成具体机器指令，我们可以忽略， 简化上面的汇编代码如下
.global main
main:
movq $0, %rax
ret
稍微解释下这段代码， .global main 是告诉汇编器， main 为主要入口， movq $0, %rax 是指将立即数 0 移到累加寄存器 rax，rax也是返回数寄存器，程序最后的运行结果就放在这个寄存器中。 ret 就是 return 的缩写，是退出程序。
这段代码主要功能就是返回一个运行结果 0 ，然后退出。
我们将上述汇编代码保存为 testmain.s ，然后使用 gcc 来编译输出可执行文件
1
2
3
4
$ gcc -o testmain testmain.s
./testmain
$ echo $? # 查询运行结果
0
我们可以将上述 movq $0 改成其他数字如 movq $10 ，重新编译测试结果，会发现最终结果也会改变。
简单的加法
上面的代码，我们直接操作了累加寄存器设置了返回值，这一节我们仍然使用 c 反汇编来看一下加法的实现。
将下面文件保存为 testaddab.c
1
2
3
4
5
6
int addab(int a, int b){
return a+b;
}
int main(){
return addab(2,3);
}
使用gcc编译
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
$ gcc -Og -S -o testaddab.s testaddab.c
$ cat testaddab.s
.file "testaddab.c"
.text
.globl addab
.type addab, @function
addab:
.LFB0:
.cfi_startproc
leal (%rdi,%rsi), %eax
ret
.cfi_endproc
.LFE0:
.size addab, .-addab
.globl main
.type main, @function
main:
.LFB1:
.cfi_startproc
movl $3, %esi
movl $2, %edi
call addab
rep ret
.cfi_endproc
.LFE1:
.size main, .-main
.ident "GCC: (Ubuntu 7.5.0-3ubuntu1~18.04) 7.5.0"
.section .note.GNU-stack,"",@progbits
# 输出可执行文件
$ gcc -o testaddab testaddab.s
$ ./testaddab # 执行程序
$ echo $? # 查看执行结果
简化上面的编码如下，保存为 testadd.s：
.global addab
addab:
leal (%rdi,%rsi), %eax
ret
.global main
main:
movl $3, %esi
movl $2, %edi
call addab
rep ret
重复上面的编译步骤，我们会得到如下结果
1
2
3
4
$ gcc -o testadd testadd.s
$ ./testadd
$ echo $?
5
我们可以看到 movl 将 3，和 2 分别放到寄存器 esi 和 edi， 然后调用函数 leal ，注意 lea 是 intel 的指令 (Load effect address ) 也就是取有效地址的意思，可以用它在实现快速的加法以及简单的乘法。
Hello World!
下面我们写一段 hello world，和其他高级语言不一样，因为CPU只能做数值运算，而 hello world 涉及到显示，也就是IO，所以我们必须调用操作系统的函数来完成文本的输出， 将下面文件保存到 helloworld.s
.section .data
message:
.ascii "hello world!\n"
length = . - message
.section .text
.global main
main:
movq $1, %rax
movq $1, %rdi
lea message(%rip), %rsi
movq $length, %rdx
syscall
movq $60, %rax
xor %rdi, %rdi
syscall
编译执行
1
2
3
$ gcc -o helloworld helloworld.s
$ ./helloworld
Hello World!
总结
汇编语言是针对硬件直接编程的语言，命令的格式为 操作码 操作数
汇编语法有 ATT 和 Intel 之分
可以通过操作寄存器设置程序的返回值
需要显示字符，需要调用系统函数 syscall
参考
https://www.cs.virginia.edu/~evans/cs216/guides/x86.html
【全文完】