X86与linux（六）

flyinox

Linux中的汇编语言
在阅读Linux源代码时，你可能碰到一些汇编语言片段，有些汇编语言出现在以.S
为扩展名的汇编文件中，在这种文件中，整个程序全部由汇编语言组成。有些汇编命令出
现在以.c为扩展名的C文件中，在这种文件中，既有C语言，也有汇编语言，我们把出
现在C代码中的汇编语言叫所“嵌入式”汇编。不管这些汇编代码出现在哪里，它在一定
程度上都成为阅读源代码的拦路虎。
尽管C语言已经成为编写操作系统的主要语言，但是，在操作系统与硬件打交道的过
程中，在需要频繁调用的函数中以及某些特殊的场合中，C语言显得力不从心，这时，
繁琐但又高效的汇编语言必须粉墨登场。因此，在了解一些硬件的基础上，必须对相关的
汇编语言知识也所有了解。
读者可能有过在DOS操作系统下编写汇编程序的经历,也具备一定的汇编知识。但是，
在Linux 的源代码中，你可能看到了与Intel的汇编语言格式不一样的形式，这就是
AT&T的386汇编语言。
一、AT&T与Intel汇编语言的比较
我们知道，Linux是Unix家族的一员，尽管Linux的历史不长，但与其相关的很多事
情都发源于Unix。就Linux所使用的386汇编语言而言，它也是起源于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。尽管这两种汇编语言在语法上有一定的差异，但所基
于的硬件知识是相同的，因此，如果你非常熟悉Intel的语法格式，那么你也可以很容
易地把它“移植“到AT&T来。下面我们通过对照Intel与AT&T的语法格式，以便于你把
过去的知识能很快地“移植”过来。
1．前缀
在Intel的语法中，寄存器和和立即数都没有前缀。但是在AT&T中，寄存器前冠以
“％”，而立即数前冠以“$”。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”，而在AT&T中，十六进制立即数前冠以“0x”，表2.2给出几个相应
的例子。
表2.2 Intel与AT&T前缀的区别
Intel语法AT&T语法
mov eax,8 movl $8,%eax
mov ebx,0ffffh movl $0xffff,%ebx
int 80h int $0x80
2. 操作数的方向
Intel与AT&T操作数的方向正好相反。在Intel语法中，第一个操作数是目的操作数，
第二个操作数源操作数。而在AT&T中，第一个数是源操作数，第二个数是目的操作数。由
此可以看出，AT&T 的语法符合人们通常的阅读习惯。
例如：在Intel中， mov eax,[ecx]
在AT&T中，movl (%ecx),%eax
3．内存单元操作数
从上面的例子可以看出，内存操作数也有所不同。在Intel的语法中，基寄存器用“
［］”括起来，而在AT&T中，用“（）”括起来。
例如： 在Intel中，mov eax,[ebx+5]
在AT&T，movl 5(%ebx),%eax
4．间接寻址方式
与Intel的语法比较，AT&T间接寻址方式可能更晦涩难懂一些。Intel的指令格式是
segreg:[base+index*scale+disp]，而AT&T的格式是%segreg:disp(base,index,scale)。其中
index/scale/disp/segreg全部是可选的，完全可以简化掉。如果没有指定scale而指定了
index，则scale的缺省值为1。segreg段寄存器依赖于指令以及应用程序是运行在实模式
还是保护模式下，在实模式下，它依赖于指令，而在保护模式下，segreg是多余的。在
AT&T中，当立即数用在scale/disp中时，不应当在其前冠以“$”前缀，表2.3给出其语
法及几个相应的例子。
表2.3 内存操作数的语法及举例
Intel语法AT&T语法
指令 foo,segreg:[base+index*scale+disp] 指令%segreg:disp(base,index,scale),foo
mov eax,[ebx+20h] Movl0x20(%ebx),%eax
add eax,[ebx+ecx*2h Addl (%ebx,%ecx,0x2),%eax
lea eax,[ebx+ecx] Leal (%ebx,%ecx),%eax
sub eax,[ebx+ecx*4h-20h] Subl -0x20(%ebx,%ecx,0x4),%eax
从表中可以看出，AT&T的语法比较晦涩难懂，因为[base+index*scale+disp]一眼就可
以看出其含义，而disp(base,index,scale)则不可能做到这点。
这种寻址方式常常用在访问数据结构数组中某个特定元素内的一个字段，其中，
base为数组的起始地址，scale为每个数组元素的大小，index为下标。如果数组元素还
是一个结构，则disp为具体字段在结构中的位移。
5．操作码的后缀
在上面的例子中你可能已注意到，在AT&T的操作码后面有一个后缀，其含义就是
指出操作码的大小。“l”表示长整数（32位），“w”表示字（16位），“b”表示字节
（8位）。而在Intel的语法中，则要在内存单元操作数的前面加上byte ptr、 word ptr,
和dword ptr，“dword”对应“long”。表2.4给出几个相应的例子。
表2.4 操作码的后缀举例
Intel语法AT&T语法
Mov al,bl movb %bl,%al
Mov ax,bx movw %bx,%ax
Mov eax,ebx movl %ebx,%eax
Mov eax, dword ptr [ebx] movl (%ebx),%eax
二、 AT&T汇编语言的相关知识
在Linux源代码中，以.S为扩展名的文件是“纯”汇编语言的文件。这里，我们结合
具体的例子再介绍一些AT&T汇编语言的相关知识。
1．GNU汇编程序GAS（GNU Assembly和连接程序
当你编写了一个程序后，就需要对其进行汇编（assembly）和连接。在Linux下有两
种方式，一种是使用汇编程序GAS和连接程序ld，一种是使用gcc。我们先来看一下GAS
和ld:
GAS把汇编语言源文件（.o）转换为目标文件（.o），其基本语法如下：
as filename.s -o filename.o
一旦创建了一个目标文件，就需要把它连接并执行，连接一个目标文件的基本语法
为：
ld filename.o -o filename
这里 filename.o是目标文件名，而filename 是输出(可执行) 文件。
GAS使用的是AT&T的语法而不是Intel的语法，这就再次说明了AT&T语法是Unix
世界的标准，你必须熟悉它。
如果要使用GNC的C编译器gcc，就可以一步完成汇编和连接，例如：
gcc -o example example.S
这里，example.S是你的汇编程序，输出文件（可执行文件）名为example。其中，扩
展名必须为大写的S，这是因为，大写的S可以使gcc自动识别汇编程序中的C预处理命
令，像#include、#define、#ifdef、 #endif等，也就是说，使用gcc进行编译，你可以在
汇编程序中使用C的预处理命令。
2. AT&T中的节（Section）
在AT&T的语法中，一个节由.section关键词来标识，当你编写汇编语言程序时，
至少需要有以下三种节：
.section .data： 这种节包含程序已初始化的数据，也就是说，包含具有初值的那些变
量，例如：
hello : .string "Hello world!\n"
hello_len : .long 13
.section .bss：这个节包含程序还未初始化的数据，也就是说，包含没有初值的那些变
量。当操作
系统装入这个程序时将把这些变量都置为0，例如：
name : .fill 30 # 用来请求用户输入名字
name_len : .long 0 # 名字的长度 (尚未定义)
当这个程序被装入时，name 和 name_len都被置为0。如果你在.bss节不小心给一个
变量赋了初值，这个值也会丢失，并且变量的值仍为0。
使用.bss比使用.data的优势在于，.bss节不占用磁盘的空间。在磁盘上，一个长整数
就足以存放.bss节。当程序被装入到内存时，操作系统也只分配给这个节4个字节的内存
大小。
注意：编译程序把.data和.bss在4字节上对齐（align），例如，.data总共有34字
节，那么编译程序把它对其在36字节上，也就是说，实际给它36字节的空间。
.section .text ：这个节包含程序的代码，它是只读节，而.data 和.bss是读／写节。
3．汇编程序指令（Assembler Directive）
上面介绍的.section就是汇编程序指令的一种，GNU汇编程序提供了很多这样的指令
（directiv），这种指令都是以句点（.）为开头，后跟指令名（小写字母），在此，我
们只介绍在内核源代码中出现的几个指令（以arch/i386/kernel/head.S中的代码为例）。
（1）ascii "string"...
.ascii 表示零个或多个（用逗号隔开）字符串，并把每个字符串（结尾不自动加
“0“字节）中的字符放在连续的地址单元。
还有一个与.ascii类似的.asciz，z代表“0“，即每个字符鱛______c_串结尾自动加一个”0“
字节，例如：
int_msg:
.asciz "Unknown interrupt\n"
（2）.byte 表达式
.byte表示零或多个表达式（用逗号隔开），每个表达式被放在下一个字节单元。
（3）.fill 表达式
形式：.fill repeat , size , value
其中，repeat、size 和value都是常量表达式。Fill的含义是反复拷贝size个字节。
Repeat可以大于等于0。size也可以大于等于0，但不能超过8，如果超过8，也只取8。把
repeat个字节以8个为一组，每组的最高4个字节内容为0，最低4字节内容置为value。
Size和 value为可选项。如果第二个逗号和value值不存在，则假定value为0。如
果第一个逗号和size不存在，则假定size为1。
例如，在Linux初始化的过程中，对全局描述符表GDT进行设置的最后一句为：
.fill NR_CPUS*4,8,0 /* space for TSS's and LDT's */
因为每个描述符正好占8个字节，因此，.fill给每个CPU留有存放4个描述符的位
置。
（4）.globl symbol
.globl使得连接程序（ld）能够看到symbl。如果你的局部程序中定义了symbl，那
么，与这个局部程序连接的其他局部程序也能存取symbl，例如：
.globl SYMBOL_NAME(idt)
.globl SYMBOL_NAME(gdt)
定义idt和gdt为全局符号。
（5）quad bignums
.quad表示零个或多个bignums（用逗号分隔），对于每个bignum，其缺省值是8字
节整数。如果bignum超过8字节，则打印一个警告信息；并只取bignum最低8字节。
例如，对全局描述符表的填充就用到这个指令：
.quad 0x00cf9a000000ffff /* 0x10 kernel 4GB code at 0x00000000 */
.quad 0x00cf92000000ffff /* 0x18 kernel 4GB data at 0x00000000 */
.quad 0x00cffa000000ffff /* 0x23 user 4GB code at 0x00000000 */
.quad 0x00cff2000000ffff /* 0x2b user 4GB data at 0x00000000 */
（6）rept count
把.rept指令与.endr指令之间的行重复count次，例如
.rept 3
.long 0
.endr
相当于
.long 0
.long 0
.long 0
（7）space size , fill
这个指令保留size个字节的空间，每个字节的值为fill。size 和fill都是常量表达式。
如果逗号和fill被省略，则假定fill为0，例如在arch/i386/bootl/setup.S中有一句：
.space 1024
表示保留1024字节的空间，并且每个字节的值为0。
（8）.word expressions
这个表达式表示任意一节中的一个或多个表达式（用逗号分开），表达式的值占两个
字节，例如：
gdt_descr:
.word GDT_ENTRIES*8-1
表示变量gdt_descr的置为GDT_ENTRIES*8-1
（9）.long expressions
这与.word类似
（10）.org new-lc , fill
把当前节的位置计数器提前到new-lc（new location counter）。new-lc或者是一个
常量表达式，或者是一个与当前子节处于同一节的表达式。也就是说，你不能用.org横跨
节：如果new-lc是个错误的值，则.org被忽略。.org只能增加位置计数器的值，或者让其
保持不变；但绝不能用.org来__________让位置计数器倒退。
注意，位置计数器的起始值是相对于一个节的开始的，而不是子节的开始。当位置计
数器被提升后，中间位置的字节被填充值fill（这也是一个常量表达式）。如果逗号和
fill都省略，则fill的缺省值为0。
例如：.org 0x2000
ENTRY(pg0)
表示把位置计数器置为0x2000，这个位置存放的就是临时页表pg0。


本文来自ChinaUnix博客，如果查看原文请点：http://blog.chinaunix.net/u3/96958/showart_1952752.html