六星经典CSAPP-笔记(3)程序的机器级表示

IA32机器码以及汇编代码都与原始的C代码有很大不同，因为一些状态对于C程序员来说是隐藏的。例如包含下一条要执行代码的内存位置的程序指针(program counter or PC)以及8个寄存器。还要注意的一点是：汇编代码的ATT格式和Intel格式。ATT格式是GCC和objdump等工具的默认格式，在CSAPP中一律使用这种格式。而Intel格式则通常会在Intel的IA32架构文档以及微软的Windows技术文档中碰到。两者的主要区别有：

此外，作为16位处理器架构的遗留产物，如今的指令依旧用word指2个字节16位，而用double word指4个字节。所以指令中通常使用B、W、L表示操作数是1、2、4个字节的指令，例如数据移动指令的三个版本movb、movw、movl。

这一章通过学习程序的机器级底层表示，学会阅读底层代码。为什么逆向工程很难？因为源代码与编译后的代码往往不是一一对应的。编译器会引入源代码中不存在的新变量，同时为了节约寄存器的使用，编译器也经常将多个值映射到一个寄存器。对于循环来说，通过观察寄存器是如何在循环前初始化，在循环内的更新和条件检测以及循环后的使用，能够得到一些线索。

第一章的笔记中我们看到，程序执行的很大一部分时间都是在将数据挪来挪去的。所以处理器支持只使用寄存器的1、2、4个字节，同时并且支持多种寻址方式。如下图右半边的表格中所示，这样我们就可以灵活地从内存中加载数据到寄存器，或者将寄存器中的值保存到内存。

虽然看起来有些眼花缭乱，但实际上最基本的形式就是最后一种：Imm(Eb, Ei, s)=Imm+R[Eb]+R[Ei]*s (R[X]指寄存器X的值)。一共四个参数控制寻址，看起来有些过于灵活，那就让我们想象一下它的应用场景。先不考虑Imm，那么最典型的应用就是访问数组中某个数据项。假如数组为int x[4]，则此时Eb就是数组的首地址，相当于x，而Ei就是要访问数据项的下标，而s就是数组中数据类型的长度。例如我们要访问x[3]，那么就相当于(x, 3, sizeof(int))=x+3*4。用C语言来写就是*(x+3)，因为C语言自动按照指针的类型长度进行移动(编译器自动生成正确的代码)，所以我们并不用自己计算偏移量乘以sizeof(int)，但这都是后话了。那再加上Imm又能有何种应用场景，其实很简单，就是访问struct中的数组中的某一项。如下图所示，直接一条指令就能访问到结构中的数组中的某一项。

下面是一些最常见的汇编指令及其含义：

有符号转成无符号整数时，我们期望着编译器能将负数变成0，正数保留不变，长过最大长度的正数赋值成TMax。然而实际上相同长度的整数转换其实只是简单拷贝，什么都不做。并且当同时需要长度转换和类型转换时，C语言首先进行长度转换。长度转换后两个整数就都变成相同长度了，所以我们只需关注不同长度整数间的扩展和截断是如何进行的：

因为有符号整数在大部分机器上都是用反码进行编码的，对反码进行有符号扩展是不会改变其值的，在第二章中有过证明。反码就是这样神奇！0有唯一表示，并且有符号扩展时值还不变！关键就在于：高位扩展出一个1后，-2w+2w-1=-2w-1，还是等于扩展前的原值。

第二章笔记中曾说过位运算和逻辑运算的两个区别，一是逻辑运算的眼中只有TRUE和FALSE，非0的不管是几都会被看做TRUE。而第二个区别就是逻辑运算的短路效果。那为什么逻辑运算会短路？因为逻辑运算是用jmp实现的。在汇编语言中，逐一判断条件表达式中的各个部分的真假，当某一部分判断出结果就直接跳转了。正因为逻辑运算是决定朝哪里运行，而不像位运算得出一个最终结果，所以汇编语言可以用跳转实现，所以就产生了高级语言中短路的性质。

其实局部变量是直接存储在寄存器的，大部分情况下都会一直在寄存器中，而不会落地到内存。例如第7部分中的函数swap_add()，函数运行时栈帧(内存)实际上没有保存任何局部变量。整个函数的局部变量和逻辑都在寄存器和ALU中执行完成。

在以下情况，局部变量会被保存在内存中(栈上)：

下面来看一个函数调用的例子，深入学习代码底层是如何运行的。

caller()代码如下：

swap_add()代码如下：

编译器生成的代码会遵守一定的规则，这样在执行各种跳转、函数调用时才不会发生数据覆盖等问题，从而使程序正确的运行。