返回专栏
· 10 分钟阅读

源代码、目标代码与机器代码


一、为什么需要区分三种代码?

程序员通常使用高级编程语言编写程序,但 CPU 并不能直接理解 Python、Java、C 或 C++ 等高级语言的语法。

在程序真正运行之前,代码通常需要经过一系列转换,将开发者编写的程序转化为目标平台能够处理的形式。

在这个过程中,会涉及三个重要概念:

  • 源代码(Source Code):程序员编写的原始程序代码。
  • 目标代码(Object Code):编译器或其他编译工具生成的中间产物,通常包含机器指令、数据和符号信息。
  • 机器代码(Machine Code):处理器架构能够直接执行的指令编码。

三者之间并不是简单的一一对应关系。

例如:

  • 一份源代码可能生成多个目标文件。
  • 多个目标文件可以通过链接组合成一个可执行文件。
  • 可执行文件中的机器指令最终由 CPU 执行。
  • 某些语言还会引入字节码、虚拟机指令等额外代码形态。

二、源代码(Source Code)

2.1 什么是源代码?

源代码是程序员使用编程语言编写的程序文本,是软件开发过程中最主要的编辑对象。

例如,使用 C 语言编写一个简单程序:

#include <stdio.h>

int main(void) {
    int a = 10;
    int b = 20;

    int result = a + b;

    printf("%d\n", result);

    return 0;
}

这段代码就是 C 语言源代码。

它包含:

组成 示例 作用
预处理指令 #include 引入头文件等预处理内容
函数定义 main() 定义程序入口函数
变量声明 int a = 10 声明变量及其类型
表达式 a + b 描述计算操作
函数调用 printf() 调用库函数
控制语句 return 控制函数返回

源代码主要面向开发者,强调可读性、可维护性和表达能力。

2.2 源代码的特点

1. 具有较高的可读性

高级语言使用接近人类逻辑的语法表达程序行为。

例如:

result = a + b

开发者可以直接理解其计算含义,而不需要关注 CPU 如何完成加法。

2. 依赖编程语言规范

源代码必须符合对应语言的语法和语义规则。

例如:

int number = 10;

这是合法的 C 语言变量声明。

而在不同语言中,变量声明、类型约束、函数定义等规则可能完全不同。

3. 通常不依赖具体 CPU 指令集

同一份 C 语言源代码,可以通过不同平台的编译器生成面向不同处理器架构的程序。

例如:

  • x86-64
  • ARM64
  • RISC-V

但这并不意味着源代码完全跨平台。操作系统 API、编译器扩展、数据类型大小、系统调用和第三方依赖,都可能影响可移植性。

2.3 源代码不等于可执行程序

源代码通常不能直接被传统 CPU 执行。

例如,下面的 C 语言代码:

int result = 10 + 20;

CPU 不会直接解析 int、变量声明和高级语言表达式。

它需要经过编译等处理,转化为目标平台能够执行的指令。

不过,解释型语言和虚拟机语言的执行模型有所不同。例如,Python 源代码可以由解释器处理,Java 源代码可以编译成字节码,再由 JVM 执行。

三、目标代码(Object Code)

3.1 什么是目标代码?

目标代码是编译工具将源代码编译后生成的程序产物。

在传统的原生编译流程中,目标代码通常以目标文件(Object File)的形式存在。

常见文件扩展名:

平台或格式 常见扩展名
Linux / Unix .o
Windows .obj
macOS .o

例如,使用 GCC 编译 C 语言源文件:

gcc -c main.c -o main.o

这里:

  • main.c:源代码文件。
  • -c:只编译,不执行最终链接。
  • main.o:生成的目标文件。

3.2 目标文件包含什么?

目标文件并不只是机器指令的简单集合。

一个典型的目标文件可能包含以下内容:

组成 作用
机器指令 编译后生成的处理器指令
数据段 已初始化和未初始化的数据相关内容
符号表 记录函数、变量等符号信息
重定位信息 记录需要在链接阶段修正的地址引用
调试信息 支持断点、变量查看和源码定位
文件头 描述文件类型、架构和各个区域的信息

不同目标文件格式的具体组织方式有所不同。

例如:

  • ELF:Linux 等系统常见的可执行文件和目标文件格式。
  • COFF:Windows 及相关工具链使用的目标文件格式基础。
  • Mach-O:macOS 和 iOS 等 Apple 平台使用的文件格式。

3.3 为什么目标代码通常不能直接运行?

目标文件虽然已经包含机器指令,但通常还没有完成程序所需的全部地址解析和依赖整合。

例如,程序调用了一个外部函数:

#include <stdio.h>

int main(void) {
    printf("Hello\n");
    return 0;
}

编译器可以生成调用 printf 的机器指令,但在单独编译 main.c 时,通常还不能确定 printf 最终位于哪个地址。

因此,目标文件中可能保留:

  • 未解析的外部符号。
  • 需要修正的地址引用。
  • 重定位记录。

这些信息需要在后续链接过程中处理。

需要注意,目标文件并不一定全部无法执行。某些平台或工具链支持特殊形式的目标文件,或者目标文件本身就是可执行格式。但在常见的 GCC、Clang 原生编译流程中,.o 文件通常是等待链接的中间产物。

四、机器代码(Machine Code)

4.1 什么是机器代码?

机器代码是处理器能够直接执行的指令编码。

它以二进制形式表示,具体编码规则由 CPU 指令集架构(ISA)定义。

例如,x86-64 和 ARM64 使用不同的指令编码规则,即使它们执行相同的计算任务,生成的机器代码通常也不同。

机器代码通常包含:

  • 操作码(Opcode):指定执行什么操作。
  • 操作数(Operand):指定参与操作的数据或位置。
  • 寻址信息:描述如何访问寄存器、内存或其他操作数。

例如,一条机器指令可能表示:

将两个寄存器中的数值相加,并将结果写入目标寄存器

实际机器指令的二进制编码由处理器架构决定。

4.2 机器代码与汇编语言的关系

机器代码和汇编语言表达的是同一层次的处理器指令,但表现形式不同。

对比维度 机器代码 汇编语言
表现形式 二进制字节 助记符和操作数
面向对象 CPU 程序员和汇编器
可读性 较低 相对较高
执行方式 CPU 直接执行 需要汇编成机器代码
指令对应关系 实际指令编码 通常对应一条或多条机器指令编码

例如,下面是一条 x86-64 汇编指令:

mov eax, 10

它表示将数值 10 放入 EAX 寄存器。

对应的机器代码可以用十六进制字节表示:

B8 0A 00 00 00

这里的字节编码与 x86 指令集规则有关。

需要注意:

  • 汇编语言是机器指令的文本化表达。
  • 机器代码是指令的实际编码。
  • 汇编器负责将汇编指令转换为机器代码。
  • 反汇编器可以将机器代码解析为汇编指令。

4.3 机器代码与 CPU 的关系

CPU 执行机器代码时,会按照处理器架构定义的规则完成指令处理。

典型的指令执行过程可以抽象为:

flowchart TB
    A["读取指令<br/>Fetch"] --> B["指令译码<br/>Decode"]
    B --> C["执行指令<br/>Execute"]
    C --> D["访问寄存器或内存"]
    D --> E["写回执行结果"]
    E --> F["继续执行下一条指令"]

    style A fill:#E0F0FE,stroke:#93BCE8,color:#1E4976
    style B fill:#E5F4EC,stroke:#A3CBB5,color:#334155
    style C fill:#F3EDFC,stroke:#C4B2E3,color:#334155
    style D fill:#FFF5DE,stroke:#E8D29A,color:#334155
    style E fill:#E8EDF2,stroke:#B8C3CE,color:#334155
    style F fill:#E0F0FE,stroke:#93BCE8,color:#1E4976
    linkStyle default stroke:#A3B8AC,stroke-width:1.5px

这是便于理解的抽象模型。现代 CPU 可能采用流水线、乱序执行、分支预测和多发射等机制,实际执行过程远比上述步骤复杂。

五、从源代码到机器代码:完整转换过程

在传统原生编译模型中,源代码通常需要经过预处理、编译、汇编和链接等阶段。

5.1 预处理(Preprocessing)

预处理通常发生在 C、C++ 等语言的编译流程中。

主要处理:

  • 宏展开。
  • 头文件包含。
  • 条件编译。
  • 预处理指令处理。

例如:

#include <stdio.h>

#define MAX_SIZE 100

int main(void) {
    int size = MAX_SIZE;
    return 0;
}

预处理后,宏 MAX_SIZE 会被替换为 100,头文件内容也会按照预处理规则展开。

可以使用 GCC 查看预处理结果:

gcc -E main.c -o main.i

5.2 编译(Compilation)

编译器将预处理后的源代码转换为更接近目标处理器的形式。

编译过程通常包含:

  • 词法分析。
  • 语法分析。
  • 语义分析。
  • 中间表示生成。
  • 优化。
  • 目标代码生成。

编译器内部通常会使用中间表示(Intermediate Representation,IR),以便进行分析和优化。

5.3 汇编(Assembly)

汇编阶段将汇编指令转换为机器指令编码,并生成目标文件。

例如:

gcc -c main.s -o main.o

其中:

  • main.s:汇编代码。
  • main.o:目标文件。

5.4 链接(Linking)

链接器将多个目标文件以及所需的库组合起来,处理符号引用和地址重定位,生成最终程序。

例如:

gcc main.o -o app

链接阶段通常涉及:

  • 符号解析。
  • 重定位。
  • 库依赖处理。
  • 节和段的组织。
  • 可执行文件生成。

完整流程如下:

flowchart TB
    A["源代码<br/>main.c"] --> B["预处理<br/>Preprocessing"]
    B --> C["编译<br/>Compilation"]
    C --> D["汇编代码<br/>main.s"]
    D --> E["汇编<br/>Assembly"]
    E --> F["目标文件<br/>main.o"]
    F --> G["链接<br/>Linking"]
    H["其他目标文件与库"] --> G
    G --> I["可执行文件"]
    I --> J["装载到内存"]
    J --> K["CPU 执行机器指令"]

    style A fill:#E0F0FE,stroke:#93BCE8,color:#1E4976
    style B fill:#E5F4EC,stroke:#A3CBB5,color:#334155
    style C fill:#F3EDFC,stroke:#C4B2E3,color:#334155
    style D fill:#E8EDF2,stroke:#B8C3CE,color:#334155
    style E fill:#FFF5DE,stroke:#E8D29A,color:#334155
    style F fill:#E0F0FE,stroke:#93BCE8,color:#1E4976
    style G fill:#F3EDFC,stroke:#C4B2E3,color:#334155
    style H fill:#E5F4EC,stroke:#A3CBB5,color:#334155
    style I fill:#E0F0FE,stroke:#93BCE8,color:#1E4976
    style J fill:#FFF5DE,stroke:#E8D29A,color:#334155
    style K fill:#E5F4EC,stroke:#A3CBB5,color:#334155
    linkStyle default stroke:#A3B8AC,stroke-width:1.5px