4、汇编阶段：汇编器的作用，从汇编代码到机器码(.o/.obj文件)，符号表的生成
好，咱们进入编译的第四站——汇编阶段。
说实话，很多初学者觉得这步没啥好讲的。不就是把汇编代码转成机器码吗？嗯，表面上看确实是这样。但我在项目中踩过几次坑之后才发现，这步要是理解不透，后面链接出问题你根本不知道从哪查起。
4.1 汇编器到底在干什么？
汇编器，说白了就是个翻译官。它把咱们写的汇编指令，一条条翻译成CPU能直接执行的二进制机器码。
你想想看，你在汇编里写了个 mov eax, 0x10，CPU可不认识这串字符。它只认0和1。汇编器的工作就是查指令编码表，把 mov eax, imm32 这个操作码翻译成 0xB8，再把立即数 0x10 拼在后面。
我个人习惯把汇编器的工作分成两大部分：
- 指令翻译：把助记符转成操作码，把寄存器、立即数、内存地址转成对应的二进制编码
- 符号处理：处理标签、变量名，生成符号表，为链接阶段做准备
这里有个关键点——汇编器是逐行翻译的。它不会像编译器那样做全局优化，也不会像链接器那样跨文件分析。它就是个老实人，你给它一行，它翻译一行。
核心认知：汇编器输出的 .o 文件（Linux）或 .obj 文件（Windows），并不是一个完整的可执行程序。它里面还有很多"坑"等着链接器去填。
4.2 从汇编到机器码：一条指令的旅程
咱们拿个具体的例子走一遍。假设你有这么一段汇编代码：
section .text
global _start
_start:
mov eax, 1 ; sys_write 的系统调用号
mov edi, 1 ; 文件描述符 stdout
lea rsi, [msg] ; 字符串地址
mov edx, 13 ; 字符串长度
syscall
section .data
msg db 'Hello, World!', 0汇编器处理 mov eax, 1 时，它会查表找到 mov eax, imm32 的编码是 0xB8，然后后面跟上4字节的立即数 0x00000001。最终生成 B8 01 00 00 00。
但注意 lea rsi, [msg] 这行——msg 是个符号，它的地址现在还不知道！汇编器只能先占个位置，填个临时值，然后在符号表里记一笔："msg 这个符号，在 .data 节区，偏移量是 0"。
为什么会这样？因为汇编器处理的是单个文件。它不知道 msg 这个符号会不会被其他文件引用，也不知道最终加载到内存的哪个地址。这些事，得留给链接器。
我的经验：调试汇编代码时，可以用 objdump -d 查看反汇编结果。你会看到那些未确定的地址被标成了 0x0 或者 R_X86_64_PC32 这样的重定位标记。看到这些标记别慌，说明链接器还没干活呢。
4.3 符号表：汇编器的"通讯录"
符号表，你可以把它理解成汇编器给链接器留的一本通讯录。里面记录了当前文件定义和引用了哪些符号，每个符号在哪个节区，偏移量是多少。
咱们用 readelf -s 看看上面那段代码生成的符号表：
Symbol table '.symtab' contains 7 entries:
Num: Value Size Type Bind Vis Ndx Name
0: 0000000000000000 0 NOTYPE LOCAL DEFAULT UND
1: 0000000000000000 0 SECTION LOCAL DEFAULT 1
2: 0000000000000000 0 SECTION LOCAL DEFAULT 2
3: 0000000000000000 0 SECTION LOCAL DEFAULT 3
4: 0000000000000000 0 NOTYPE GLOBAL DEFAULT 1 _start
5: 0000000000000000 13 OBJECT GLOBAL DEFAULT 3 msg
6: 0000000000000000 0 NOTYPE GLOBAL DEFAULT UND printf注意看几个关键字段：
| 字段 | 含义 | 我的理解 |
|---|---|---|
| Value | 符号的地址或偏移量 | 当前文件内的相对位置，链接后会变成绝对地址 |
| Bind | LOCAL 或 GLOBAL | LOCAL 只在本文件可见，GLOBAL 其他文件也能用 |
| Ndx | 符号所在的节区索引 | UND 表示未定义，需要链接器从别处找 |
| Name | 符号名称 | 就是变量名或函数名 |
这里有个坑，我曾经栽过——全局符号和局部符号的区别。如果你在汇编里用 global 声明了一个符号，它就会出现在符号表里，并且 Bind 是 GLOBAL。其他文件可以通过 extern 引用它。但如果你忘了加 global，默认就是 LOCAL，链接器在其他文件里根本找不到它。
避坑指南：我曾经在一个项目里，把关键函数忘了加 global，结果链接时报"未定义引用"。我查了半小时，最后发现是汇编文件里少写了一个 global 声明。嗯，从那以后我写汇编的第一件事就是检查符号声明。
4.4 重定位表：给链接器的"待办清单"
除了符号表，汇编器还会生成一个重定位表。这个表记录了所有需要链接器帮忙"填空"的位置。
拿上面的 lea rsi, [msg] 来说，汇编器在生成机器码时，会在 msg 地址的位置填上 0x00000000，然后在重定位表里记一笔：
- 位置：.text 节区偏移量 0x12 处
- 类型：R_X86_64_PC32（相对寻址）
- 符号：msg
- 加数：-4（x86_64 的 PC 相对寻址需要减掉指令长度）
链接器拿到这个表后，就知道："哦，在 .text 的 0x12 位置，有个对 msg 的引用，我得把 msg 的最终地址算出来填进去。"
你可以用 readelf -r 查看重定位表：
Relocation section '.rela.text' at offset 0x250 contains 1 entry:
Offset Info Type Sym. Value Sym. Name + Addend
000000000012 000500000002 R_X86_64_PC32 0000000000000000 msg - 44.5 汇编器输出的文件结构
最后，咱们看看 .o 文件里面到底长什么样。用 readelf -h 可以查看 ELF 文件头，但更直观的是看节区分布：
Section Headers:
[Nr] Name Type Address Offset
Size EntSize Flags Link Info Align
[ 0] NULL 0000000000000000 00000000
0000000000000000 0000000000000000 0 0 0
[ 1] .text PROGBITS 0000000000000000 00000040
000000000000001c 0000000000000000 AX 0 0 16
[ 2] .data PROGBITS 0000000000000000 0000005c
000000000000000d 0000000000000000 WA 0 0 4
[ 3] .symtab SYMTAB 0000000000000000 00000070
00000000000000a8 0000000000000018 4 5 8
[ 4] .strtab STRTAB 0000000000000000 00000118
0000000000000023 0000000000000000 0 0 1
[ 5] .rela.text RELA 0000000000000000 00000140
0000000000000018 0000000000000018 3 1 8看到没？.o 文件里不光有代码和数据，还附带了符号表、字符串表、重定位表。这些"额外信息"在最终的可执行文件里是不需要的，但链接器必须靠它们才能完成工作。
小技巧：想快速查看 .o 文件的符号表，用 nm 命令比 readelf 更直观。比如 nm test.o 会直接列出所有符号及其类型。
4.6 本章核心流程图
下面这张图总结了汇编器的工作流程，从汇编代码到 .o 文件的完整路径：
这张图把汇编器的三个核心产出物串起来了。你注意看，机器码节区、符号表、重定位表是并行生成的。汇编器扫一遍代码，同时干三件事——翻译指令、记录符号、标记重定位点。
好了，汇编阶段就聊到这儿。记住一句话：汇编器输出的 .o 文件，是个"半成品"。它里面有完整的机器码，但地址还没定下来。符号表和重定位表就是给链接器留的"施工图纸"。下一阶段，链接器就要拿着这些图纸，把各个 .o 文件拼成一个完整的可执行程序。
一句话总结：汇编器把汇编代码翻译成机器码，同时生成符号表和重定位表。符号表是"通讯录"，重定位表是"待办清单"。这两张表，是链接器能干活的基础。