通过汇编语言了解程序的实际构成

问题

1. 本地代码的指令中，表示其功能的英语缩写称为什么？

   助记符

2. 汇编语言的源代码转换成本地代码的方式称为什么？

   汇编

3. 本地代码转换成汇编语言的源代码的方式称为什么？

   反汇编

4. 汇编语言的源文件的扩展名，通常是什么格式？

   .asm

5. 汇编语言程序中的段定义指的是什么？

   构成程序的命令和数据的集合组

6. 汇编语言的跳转指令，是在何种情况下使用的？

   将程序流程跳转到其他地址时需要用到跳转指令。在汇编语言中，跳转指令可以实现循环和条件分支。

汇编语言和本地代码是一一对应的

表示其功能的英语缩写单词称为助记符，使用助记符的编程语言成为汇编语言。汇编语言编写的源代码最终也要转换成本地代码才能运行，负责转换工作的程序称为汇编器，转换这一处理本身称为汇编。用汇编语言编写的源代码和本地代码是一一对应的。因而，本地代码也可以反过来转换成汇编语言的源代码，这一过程称为反汇编，持有该功能的逆变换程序称为反汇编程序。

不过，本地代码变换成高级语言源代码的反编译，则要比反汇编要困难许多，几乎是不太可能的，因为高级语言的源代码和本地代码不是一一对应的。

通过编译器输出汇编语言的源代码

大部分C语言编译器，都可以把利用C语言编写的源代码转换成汇编语言的源代码，而不是本地代码。利用该功能，就可以对C语言的源代码和汇编语言的源代码进行比较研究。

汇编语言源文件的扩展名通常用.asm来表示。

不会转换成本地代码的伪指令

汇编语言的源代码，是由转换成本地代码的指令和针对汇编器的伪指令构成的。伪指令负责把程序的构造即汇编的方法只是给汇编器。不过伪指令本身是无法汇编转换成本地代码的。

由伪指令segment和ends围起来的部分，是给构成程序的命令和数据的集合体加上一个名字而得到的，称为段定义。一个程序由多个段定义构成。

group这一伪指令，表示的是把多个段定义汇总成一个新名字的组。

伪指令proc和endp围起来的部分，表示的是过程procedure的范围。在汇编语言中，过程相当于C语言的函数的形式。

伪指令end表示的是源代码的结束。

汇编语言的语法是操作码+操作数

也存在只有操作码，没有操作数的指令

操作码表示的是指令动作，操作数表示的是指令对象。

存在多个操作数时，用逗号分隔。

能够使用何种形式的操作码，是由CPU的种类决定的。

常用的操作码功能：

操作码	操作数	功能
mov	A, B	把B的值赋给A
and	A, B	把A同B的值相加，并将结果赋给A
push	A	把A的值存储在栈中
pop	A	从栈中读取出值，并将其赋给A
call	A	调用函数A
ret	无	将处理返回到函数的调用源

寄存器是CPU中的存储区域。不过，寄存器不仅仅具有存储指令和数据的功能，也有运算功能。

主要寄存器：

寄存器名	名称	主要功能
eax	累加寄存器	运算
ebx	基址寄存器	存储内存地址
ecx	计数寄存器	计算循环次数
edx	数据计数器	存储数据
esi	源基址寄存器	存储数据发送源的内存地址
edi	目标基址寄存器	存储数据发送目标的内存地址
ebp	扩展基址指针寄存器	存储数据存储领域基点的内存地址
esp	扩展栈指针寄存器	存储栈中最高位数据的内存地址

最常用的mov指令

操作数可以指定寄存器、常数、标签，以及方括号围起来的内容。如果指令了没有用方括号围起来的内容，就表示对该值进行处理；如果指令了用方括号围起来的内容，方括号中的值则会被解释为内存地址，然后就会对该内存地址对应的值进行读写操作。

dword ptr（double word pointer）表示的是从指定内存地址读出4字节的数据。

对栈进行push和pop

栈是存储临时数据的区域，它的特点是通过push指令和pop指令进行数据的存储和读出，称为入栈和出栈。push和pop指令都只有一个操作数，这是因为，对栈进行读写的内存地址是由esp寄存器进行管理的。我是怕寄存器的值会自动进行更新，因而程序员就没有必要指定内存地址了。

函数调用机制

形参中位于后面的数值先入栈，这是C语言的规定。

在汇编语言中，函数名表示的是函数所在的内存地址。

虽然通过两次pop指令也可以实现湛清里，不过采用esp寄存器加8的方式会更有效率。

push和pop必须以4字节为单位对数据进行入栈和出栈处理，长度小于4字节的数据也占用了4字节的栈区域。

编译器有最优化功能。最优化功能是编译器在本地代码上费劲功夫实现的，其目的是让编译后的程序运行速度更快、文件更小。

函数内部的处理

CPU拥有的寄存器是由数量限制的。在函数调用前，调用源有可能已经在使用寄存器了。因而，在函数内部利用的寄存器，要尽量返回到函数调用前的状态。为此，我们就需要将其暂时保存在栈中，然后 再在函数处理完毕之前出栈，使其返回到原来的状态。

在C语言中，函数的返回值必须通过eax寄存器返回，这也是规定。不过，eax寄存器无需还原到原始状态。

函数的参数是通过栈来传递的，返回值是通过寄存器来返回的。

始终确保全局变量用的内存空间

C语言中，在函数外部定义的变量称为全局变量，在函数内部定义的变量称为局部变量。

初始化的全局变量会被汇总到名为_DATA的段定义中；没有初始化的全局变量会被汇总到名为_BSS的段定义中；指令会被汇总到名为_TEXT的段定义中。

标签表示的是相对于段定义起始位置的位置。编译后的函数名和变量名会附加一个下划线，这也是Borland C++的规定。

dd（define double word）表示的是由两个长度为2的字节领域（word），也就是4字节的意思。

db（define byte）表示有1个长度是1字节的内存空间，db 4 dup(?)就是4字节的内存空间，但值尚未确定。

临时确保局部变量用的内存空间

局部案例是临时保存在寄存器和栈中的。函数内部利用的栈，在函数处理完毕后会恢复到初始状态，因此局部变量的值也就被销毁了，而寄存器也可能会被用于其他目的。

寄存器先时就使用寄存器，寄存器空间不足时就使用栈。局部变量利用寄存器，是Borland C++编译器最优化的运行结果。旧的编译器没有类似的最优化功能，局部变量就可能会仅仅使用栈。至于使用哪个寄存器则要由编译器来决定。这种情况下，寄存器只是被单纯地用于存储变量的值，和其本身的角色没有任何关系。

循环处理、条件分支的实现方法

C语言的for语句是通过在括号中指定循环计数器的初始值、循环的继续条件、循环计数器的更新来进行循环处理的。与此相对，在汇编语言的源代码汇总，循环是通过比较指令cmp和跳转指令jl来实现的。

与mov指令相比，xor指令的处理速度更快。

汇编语言中比较指令的结果，会存储在CPU的标志寄存器中。不过，标志寄存器的值，程序是无法直接参考的。实际上，汇编语言有多个跳转指令，这些跳转指令会根据标志寄存器的值来判定是否需要跳转。

虽然大部分的C语言参考书中都写着“为了便于理解程序的结构，应尽量避免使用无条件分支的goto语句”，不过，在汇编语言这一领域中，如果不使用相当于goto语句的jmp指令，就无法实现循环和条件分支。

了解程序运行方式的必要性

多线程处理的Bug，如果没有调查过汇编语言的源代码，即对程序的实际运行方式不了解的话，是很难找到其原因的。

为了避免这种Bug，我们可以采用以函数或C语言源代码的行为单位来禁止线程切换的锁定方法。通过锁定，在特定范围内的处理完成之前，处理不会被切换到其他函数中。

现在基本上没有人用汇编语言来编写程序了。因为C语言等高级编程语言用1行就可以完成的事，汇编语言需要多行，效率很低。不过，汇编语言的经验还是很重要的。因为借助汇编语言，我们可以更好地了解计算机的机制。特别是对专业程序员来说，至少要有一次使用汇编语言的经验。