链接过程控制

绝大部分情况下，我们使用链接器提供的默认链接规则对目标文件进行链接。这在一般情况下是没有问题的，但对于一些特殊要求的程序，比如操作系统内核、BIOS（Basic Input Output System）或一些在没有操作系统的情况下运行的程序（如引导程序Boot Loader，或者嵌入式系统的程序，或者有一些脱离操作系统的硬盘分区软件PQMagic等），以及另外的一些需要特殊的链接过程的程序，如一些内核驱动程序等，它们往往受限于一些特殊的条件，如需要指定输出文件的各个段虚拟地址、段的名称、段存放的顺序等，因为这些特殊的环境，特别是某些硬件条件的限制，往往对程序的各个段的地址有着特殊的要求。

由于整个链接过程有很多内容需要确定：使用哪些目标文件？使用哪些库文件？是否在最终可执行文件中保留调试信息、输出文件格式（可执行文件还是动态链接库）？还要考虑是否要导出某些符号以供调试器、程序本身或其他程序使用等。

操作系统内核，从本质上来讲，它本身也是一个程序。比如Windows的内核ntoskrnl.exe就是一个我们平常看到的PE文件，它的位置位于\WINDOWS\system32\ntoskrnl.exe.很多人误以为Window操作系统的内核很庞大，由很多文件组成。这是一个误解，其实真正的Windows内核就是这个文件。

链接控制脚本

链接器一般都提供多种控制整个链接过程的方法，以用来产生用户所需要的文件。一般链接器有如下三种方法：

  • 使用命令行来给链接器指定参数
  • 将链接指令存放在目标文件里面，编译器经常会通过这种方法向链接器传递指令。比如VISUAL C++编译器会把链接参数放在PE目标文件的.drectve段以用来传递参数。
  • 使用链接控制脚本

由于各个链接器平台的链接控制过程各不相同，我们只能侧重一个平台来介绍。ld链接器的链接脚本功能非常强大，我们接下来以ld作为主要介绍对象。VISUAL C++也允许使用脚本来控制整个链接过程，叫做模块定义文件（Module-Definition File），它们的拓展名一般为.def

ld在用户没有指定链接脚本的时候会使用默认链接脚本。
为了更加精确地控制链接过程，我们可以自己写一个脚本，然后指定该脚本为链接控制脚本。比如可以使用-T参数： $ ld -T link.script

最“小”的程序

为了演示链接的控制过程，我们接着要做一个最小的程序，这个程序的功能是在终端上输出“Hello World！”

  • 首先，经典的helloworld使用了printf 函数，该函数是系统C语言库的一部分。为了使用该函数，我们必须在链接时将C语言与程序的目标文件链接产生最终可执行文件。我们希望小程序能够脱离C语言运行库，使得它成为一个独立于任何库的纯正的程序
  • 其次，经典的helloworld由于使用了库，所以必须有main函数。我们知道一般程序的入口在库的_start，由库负责初始化后调用main函数来执行程序的主体部分。为了不使用main这个我们已经感到厌烦的函数名，小程序使用nomain作为整个程序的入口。
  • 接着，经典的helloworld会产生多个段，为了演示ld链接脚本的控制过程，我们将小程序的所有段都合并到一个叫tinytext的段，注意：这个段是我们任意命名的，是由链接脚本控制链接过程生成的。
char* str = "Hello World!\n";

void print()
{
    asm("movl $13,%%edx \n\t"
        "movl $0,%%ecx \n\t"
        "movl $0,%%ebx \n\t"
        "movl $4,%%eax \n\t"
        "int $0x80    \n\t"
        ::"r"(str):"edx", "ecx", "ebx");
}

void exit()
{
    asm("movl $42,%ebx  \n\t"
        "movl $1,%eax   \n\t"
        "int $0x80    \n\t" );    
}

void nomain()
{
    print();
    exit();
}

这里的print函数使用了Linux的WRITE系统调用，exit函数使用了EXIT系统调用。这里我们使用了GCC内嵌汇编，简单介绍系统调用：系统调用通过0x80中断实现，其中eax为调用号，ebx、ecx、edx等通用寄存器用来传递参数，比如WRITE调用是往一个文件句柄写入数据，如果用C语言来描述它的原型就是：int write(int filedesc, char* buffer, int size);

  • WRITE调用的调用号为4，则eax=4。
  • filedesc表示被写入的文件句柄，使用ebx寄存器传递，我们这里是要往默认终端（stdout）输出，它的文件句柄为0，即ebx=0。
  • buffer表示要写入的缓冲区地址，使用ecx寄存器传递，我们这里要输出字符串str，所以ecx=str。
  • size表示要写入的字节数，使用edx寄存器传递，字符串“Hello World!\n”长度为13字节，所以edx=13。

同理，EXIT系统调用中，ebx表示进程退出码（Exit Code），比如我们平时的main程序中的return数值会返回给系统库，由系统库将该数值传递给EXIT系统调用。这样父进程就可以接收到子进程的退出码。EXIT系统调用的调用号为1，即eax=1。

这里要调用EXIT结束进程是因为如果是普通程序，main()函数结束后控制权返回给系统库，由系统库负责调用EXIT，退出进程。我们这里的nomain()结束后系统控制权不会返回，可能会执行到nomain()后面不正常的指令，最后导致进程异常退出。

我们先不急于使用链接脚本，而先使用普通命令行的方式来编译和链接TinyHelloWorld.c：

$ gcc -c -fno-builtin TinyHelloWorld.c
$ ld -static -e nomain -o TinyHelloWorld TinyHelloWorld.o

GCC和ld的参数意义如下：

  • -fno-builtin GCC编译器提供了很多内置函数（Built-in Function），它会把一些常用的C库函数替换成编译器的内置函数，以达到优化的功能。exit()函数也是GCC的内置参数之一，所以我们要使用-fno-builtin参数来关闭GCC内置函数功能
  • -static 这个参数表示ld将使用静态链接的方式来链接陈旭，而不是使用默认的动态链接的方式
  • -e nomain 表示该程序的入口函数为nomain，这个参数就是将ELF文件头的e_entry成员赋值成nomain函数的地址。
  • -o TinyHelloWorld 表示指定输出可执行文件名为TinyHelloWorld。

我们得到一个ELF可执行文件，运行后能正确打印“Hello World！”。当我们用objdump或readelf查看时，会发现它有4个段。
鉴于这些段的属性如此相似，原则上讲，我们可以把它们合并到一个段里面，该段的属性是可执行、可读的，包括程序的数据和指令。为了达到这个目的，我们必须使用ld链接脚本来控制链接过程。

使用ld链接脚本

链接控制脚本程序使用一种特殊的语言写成，即ld的链接脚本语言，这种语言并不复杂，只有为数不多的几种操作。
无论是输出文件还是输入文件，它们的主要数据就是文件中的各种段，我们把输入文件中的段成为输入段（Input Sections），输出文件中段成为输出段（Output Sections）。简单来讲，控制链接过程无非是控制输入段如何变成输出段，比如哪些输入端要合并一个输出段，哪些输入段要丢弃；指定输出段的名字、装载地址、属性，等等。
我们先来看看TinyHelloWorld.lds（一般链接脚本以lds作为拓展名ld script）:

ENTRY(nomain)
SECTIONS
{
    . = 0x08048000 + SIZEOF_HEADERS;
    tinytext : { *(.text)  *(.data)  *(.rodata) }
    /DISCARD/ : { *(.comment) }
}
  • 第一行指定了程序的入口
  • 后面的SECTIONS命令一般是链接脚本的主体，这个命令指定了各种输入段到输出段的变换，SECTIONS后面紧跟着的一堆大括号里面包含了SECTIONS变换规则，其中有三条语句，每条语句一行。第一条是赋值语句，后面两条是段转换规则。含义分别是：
    • 将当前虚拟地址设置成0x08048000 + SIZEOF_HEADERS，SIZEOF_HEADERS为输出文件的文件头大小。“.”表示当前虚拟地址。
    • 所有输入文件中的名字为“.text”、“.data”或“.rodata”的段依次合并到输出文件的“tinytext”
    • 将所有输入文件中的名字为“.comment”的段丢弃，不保存到输出文件中

通过以下命令行启用该链接控制脚本：

$ gcc -c -fno-builtin TinyHelloWorld.c
$ ld -static -T TinyHelloWorld.lds -o TinyHelloWorld TinyHelloWorld.o

我们得到一个ELF可执行文件，运行后能正确打印“Hello World！”。当我们用objdump或readelf查看时，会发现程序除了tinytext之外居然还有其他3个段：段名字符串表（.shstrtab）、符号表（.symtab）和字符串表（.strtab）。在默认情况下，ld链接器在产生可执行文件时会产生这3个段。对于可执行文件来说，符号表和字符串表是可选的，但是段名字符串表为用户保存段名，所以它是必不可少的。
你可以通过ld的-s参数禁止链接器产生符号表，或者用strip命令来去除程序中的符号表。

有人专门研究了如何得到一个最小的ELF可执行文件，最后成果是最小的ELF可执行文件为45个字节。这个程序的功能是以42为进程退出码正常退出进程，没有任何输入和输出。上面的TinyHelloWorld也是以这个特殊的值42作为退出码。

追溯42这个奇怪的数字来源，可能因为《银河系漫游指南》里面的终极电脑给出的关于生命、宇宙级万物的终极答案是42。

ld链接脚本语法简介

ld链接器的链接脚本语法继承于AT&T链接器命令语言的语法，风格有点像C语言，它本身并不复杂。链接脚本由一系列语句组成，语句分两种，一种是命令语句，另外一种是赋值语句。之所以说像C语言，主要有如下几点相似之处：

  • 语句之间使用分好作为分割符。
  • 表达式与运算符
  • 注释和字符引用 使用/* */作为注释。脚本文件中使用到的文件名、格式名或段名等凡是包含分好或其他分隔符的，都要使用双引号将该名字全称引用起来，如果文件名包含引号则无法处理。

赋值语句比较简单，命令语句一般的格式是由一个关键字和紧跟其后的参数所组成的。

其中SECTIONS语句比较复杂，它又包含了一个赋值语句及一些SECTIONS语句所特有的映射规则。其他命令语句都比较简单，毕竟SECTIONS负责指定链接过程的段转换过程，这也是链接的最核心和最复杂的部分。

常用的命令语句如下：

这里只是大概提及几个常用的命令语句格式，更多的命令语句的意义及它们的格式请参照ld的使用手册。

SECTIONS命令语句最基本格式为：

SECTIONS
{
    ...
    secname : { contents }
    ...
}
  • secname表示输出段的段名，secname后面必须由一个空格符，后面紧跟着冒号和一对大括号。
  • 大括号里面的contents描述了一套规则和条件，它表示符合这种条件的输入段将合并到这个输出段中。
  • 输出段名的命名方法必须符合输出文件格式的要求。
  • 有一个特殊的段名叫“/DISCARD/”，如果使用这个名字作为输出段名，那么所有符合条件的输入段都将被丢弃。
  • contents中可以包含若干个条件，每个条件之间以空格隔开，它们是或者（||）的关系。
  • 条件的写法：filename(sections) ， 均支持正则表达式。
posted @ 2019-03-27 19:29  睿阳  阅读(451)  评论(0)  编辑  收藏  举报