汇编语言基础

发表于 2021/07/17 更新于 2024/11/10

作者 Calvin

11 分钟阅读

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

        
      
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

        
      
$ 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

        
      
$ 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

        
      
int addab(int a, int b){
    return a+b;
}
int main(){
    return addab(2,3);
}

使用gcc编译

        
      
$ 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

        
      
$ 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

        
      
$ 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】

技术

bash ubuntu assembly

本文由作者按照 CC BY 4.0 进行授权

一点背景

寄存器

一个简单的例子

简单的加法

Hello World!

总结

参考

热门标签