编程语言的构建过程

由 Mux 主办的 DEV 全球展示挑战赛：展示你的项目！

本文是“基础课程中学不到的基础知识”系列文章的一部分，旨在帮助渴望深入了解编程和计算机科学的人们。

当我编写第一个程序时，我的导师告诉我，我写的只是源代码。现在，我必须把它翻译成计算机可以理解的语言。这叫做编译。在 Visual Studio 中，只需按下 Ctrl+F5 即可完成编译。这样，你的程序就变成了可执行文件。

他们最初就是这样教我理解程序构建过程的。对于初学者来说，这已经足够解释了。但后来我意识到，当我按下 Ctrl+F5 时，后台会发生一些我们看不到的进程。这些进程我们将在今天的文章中探讨。

你知道吗？按下 Ctrl+F5 时，不同编程语言的处理方式是不同的。你有没有想过为什么用 C++ 编程比用 C# 编程更难？

嗯，我们无法深入探讨最后一个问题的全部细节。这很大程度上与语言设计以及多年来做出的决策有关。但我们会探讨这些语言之间的根本区别。这种区别在于它们的构建过程。

编译成本地代码的语言

这类语言最流行的例子是 C 和 C++。

编译成本地代码是什么意思？

当我们编写程序时，代码会经历多个阶段，最终被转换成机器代码。机器代码是处理器直接执行的代码。更多相关内容，请参阅 本系列之前的文章。

以上是概览。但让我们先来深入了解一下将源代码转换为机器代码的内部过程。

为此，我们将探索使用 C 和 C++ 语言编写程序的过程，因为 C 和 C++ 是使用这种方法最流行的语言。

整个过程包括 4 个步骤——预处理、编译、汇编、链接。

预处理

在 C 和 C++ 程序中，有一些称为预处理器指令的行，它们以# 开头。

预处理器使用这些指令来操作程序文本。例如，有一个`#include`指令。当预处理器遇到该指令时，它会提取指令指定的文件内容，并将其替换到首次遇到该指令的行。我们使用这种方法是为了重用代码，而不是在不同的文件中复制粘贴。

还有其他指令，但本文暂不探讨。一般来说，预处理器会将初始源代码转换为应用了所有文本转换的预处理代码。当然，结果会存储在一个临时文件中，不会覆盖原始文件。该文件将在编译步骤中进一步使用。

编译与汇编

在此步骤中，预处理后的代码将进一步转换为汇编代码。

接下来，另一个程序就派上了用场，它叫做汇编器。它的作用是将汇编代码转换成机器代码。（什么是汇编语言？它是如何工作的？请再查阅一下。）

有些编译器可以直接将源代码翻译成机器代码，因此有可能跳过汇编步骤。但即便如此，也意味着编译器内部集成了汇编器。所以，汇编步骤可能只是隐式执行，但它仍然存在。

生成的机器代码会被打包成一个中间文件，称为目标文件。这些文件包含了来自单个源文件的所有数据。但正如您所知，一个程序中可能包含多个源文件。这意味着，仅靠一个目标文件不足以完成整个程序。这就需要最后一步，即链接。

链接

现在你的项目中已经有了十几个目标文件。这些文件是程序的各个独立模块。最后的链接阶段是将这些模块组合成一个单独的可执行文件。同时，在这个阶段，文件之间的各种依赖关系也会被解析。

例如，如果文件 A 调用了文件 B 中的一个函数，那么文件 A 的目标文件中会有调用该函数的指令。但是，该函数本身的指令并不存在于同一个目标文件中。链接器负责检查该函数是否实际存在于程序的任何其他目标文件中。在本例中，目标文件是文件 B。

基于虚拟机的语言

在这个级别中最流行的语言是 Java 和 C#。

这些语言不会直接编译成特定硬件的本地代码。相反，它们会编译成一种中间语言，然后由虚拟机执行。

虚拟机就像一台运行在你电脑上的模拟计算机。在我们的例子中，它的作用是执行生成的中间代码。它的执行方式是：首先识别运行的硬件类型，然后根据该信息将代码编译成机器的本地代码。

这个过程的理念是，只需为抽象的虚拟机构建一次程序，虚拟机就负责了解底层实际运行的硬件是什么。这样，就能实现平台无关性。

我们看到，在构建编译成本地代码（特别是 C 和 C++）的程序时，我们会经历几个过程。

但在这些语言中，整个构建过程仅限于将源文件编译成中间语言文件。将这些文件转换为计算机本地代码的过程则由虚拟机完成。

口译语言

常见的例子有 JavaScript、Python、Ruby 等。

这些语言完全没有编译过程。用这些语言编写的程序需要通过一个单独的程序——解释器——来执行。解释器逐行执行程序中的指令。相比之下，编译型语言的源代码会被作为一个整体进行分析和执行，而解释型语言则是逐行执行的。

这意味着你可以在执行一半程序后才遇到错误，而其他语言中，一个错误就足以阻止整个程序的执行（当然，前提是它是编译错误）。

每种语言都可以编译/解释执行吗？

在本文的初稿中，有人巧妙地指出，一些解释型语言也可以被编译，反之亦然。

所以，回答这个问题——是的，所有可解释的语言都可以被编译，所有可编译的语言也都可以被编译。要理解这一点，我们首先需要更深入地了解编译和解释究竟是什么。

编译意味着我想将语言 X 翻译成语言 Y，如果运行，它将给出与语言 X 相同的结果，但速度更快。

解释执行是指将用语言 X 编写的程序按照该语言定义的规则执行。说白了，就是运行这个程序。

所以本质上，编译和解释都意味着对语言进行转换。正因如此，任何可以编译的语言也都可以解释。

然而，有些语言被称为编译型语言，而另一些语言被称为解释型语言，是因为这些语言传统上是与编译过程一起使用的，并且它们的规则针对编译过程进行了优化。

例如，C++程序的编译是一个缓慢的过程，编译后的性能可以得到显著提升。但如果采用解释执行，同样的规则反而会导致程序运行速度变慢。

另一方面，用解释型语言编写的程序虽然规则使其易于快速解释执行，但如果改为编译执行，性能提升并不明显。例如，将 JavaScript 程序转换为其他语言几乎不会带来任何性能提升。

当然，上述说法也有例外，因为有各种现代技巧可以让你获得编译的一些好处（如 JIT 编译），但就其传统形式而言，这些语言并不适合编译。

那么，为什么选择其中一个而不是另一个呢？

我们已经了解了构建过程中有哪些不同类型的语言。但现在，让我们探讨一下在选择合适的语言来完成我们的工作时，它们之间有什么区别。

易于编码

首先，一个重要的方面是哪种语言更容易上手。而用 C 或 C++ 编程无疑是最难的。我认为，如果你学会了 C 和 C++ 编程，你就能学会任何其他语言。原因在于，它们最接近计算机的本质。正因如此，它们才更贴近我们人类的本性。

另一方面，用 Java 或 C# 编写代码比用 C 或 C++ 编写代码更容易，因为它们会被编译成中间语言，这种中间语言的抽象级别比本地代码更高。此外，虚拟机的辅助功能还能提供更好的错误处理、垃圾回收和其他特性，帮助我们编写更安全的代码。

解释型语言的抽象层次更高，使你能够用更少的代码实现更多功能。

可移植性

计算机科学领域的一大关注点是程序能否在多个平台上运行。对于编译成本地代码的语言来说，情况并非如此，因为生成的代码是针对特定硬件的。如果你想让你的 C 程序同时在 Windows 和 Linux 上运行，你必须针对不同的平台重新编译两次。如果程序使用了平台特定的指令，那么维护起来会更加困难。

另一方面，Java 和 C# 中虚拟机的作用是了解底层硬件，并将代码进一步编译成特定于平台的机器代码。用 Python 或 JavaScript 编写的程序也可以在任何机器上运行，只要机器上有支持这些语言的解释器即可。

表现

这正是编译成本地代码的程序的优势所在。它们无需启动庞大的虚拟机或运行几兆字节的解释器，就能直接运行。

然而，仅仅用 C 语言编写程序并不意味着它就一定比基于虚拟机的语言更快。Java 开发人员可以利用虚拟机在运行时优化代码。而用 C 语言编写程序时，优化程序是开发人员的责任。当然，编译器会帮你完成大部分工作，但在某些情况下，这可能还不够。

例如，如果您编译的 Java 程序运行在四核处理器上，虚拟机可能会检测到这一点并相应地优化您的程序。当然，前提是您创建的是多线程程序。例如，如果您将多个函数标记为异步执行，JVM 可以根据您使用的四核处理器，确定最佳线程数。

在 C 语言中，你必须自己完成前期工作，编写使用四核处理器的具体指令。

所以归根结底，像 C 和 C++ 这样的底层编程语言赋予你优化程序的自由，但优化仍然是你的工作。

记忆

C 和 C++ 在这方面也表现出色。不过，运行虚拟机或解释器时，内存方面会有额外的开销。

对于服务器来说，这可能不是问题，但对于嵌入式设备来说，却是一个重要的限制。例如，如果您想用 Python 对带有 8 KB 外部存储器的微控制器进行编程，则首先需要在设备上嵌入 2 MB 的 Python 解释器。

至于虚拟机类型的语言，虽然有一些版本更加简洁，专为嵌入式环境设计，但编译成本地代码的语言在内存使用方面仍然胜过它们。

结论

现在您了解了我们编写的程序的构建过程的基本原理。

总而言之，从构建过程来看，语言可以分为三种类型：编译成本地代码的语言；编译成中间语言代码或虚拟机代码的语言；以及解释执行的语言。

此外，通过这个简要概述，我们了解了为什么有些语言比其他语言运行速度更快，以及为什么我们会根据不同的目的选择不同的语言。

下次，我们将再次深入程序内部，探索什么是栈和堆，以及我们的程序如何使用它们。