汇编器源码剖析
?本文我們對一匯編器源代碼進行剖析，了解匯編器實現原理，進而我們根據樣例，自己實現一個匯編器。實現自己版本的匯編器放在另一篇中，本文主要是對別人的源碼進行剖析。
???????? 本文源代碼是來自Kevin Lynx的《基于棧的虛擬機的實現》中關于實現一個堆棧虛擬機中附帶了匯編器的實現，源碼下載地址如下：source code。由于本人對匯編器比較感興趣，所以對其進行如下剖析。
???????? 匯編器主要是一個sasm.c源文件。
???????? 其中，一開始定義了一個const char* op_desc[]，op_desc是一個數組，其元素類型是const char*，即op_desc是一個字符串數組，其用于存儲匯編操作符。
/* map to op_type */const char *op_desc[] = {"HALT", "IN", "OUT", "ADD", "SUB", "MUL", "DIV","DUP","LD", "ST", "LDC", "JLT", "JLE", "JGT", "JGE", "JEQ", "JNE", "JMP", 0};? ? ? ? ?下面我們對各個操作符進行逐一介紹：
?
| 操作符 | 操作數個數 | 說明 |
| HALT | 0，HALT | 終止 |
| IN | 0，IN | 從標準輸入中讀入整型值并壓棧 |
| OUT | 0，OUT | 從棧中彈出，從標準輸出 |
| ADD | 0，ADD | 從棧中彈出a，彈出b，計算b+a，并將結果壓入棧中 |
| SUB | 0，SUB | 從棧中彈出a，彈出b，計算b-a，并將結果壓入棧中 |
| MUL | 0，MUL | 從棧中彈出a，彈出b，計算b*a，并將結果壓入棧中 |
| DIV | 0，DIV | 從棧中彈出a，彈出b，計算b/a，并將結果壓入棧中 |
| DUP | 0，DUP | 壓入棧頂值的拷貝 |
| LD | 0，LD | 從棧中彈出地址，并壓入改地址里的整數值 |
| ST | 0，ST | 從棧中彈出值，再彈出地址，并將該值存儲到該地址中 |
| LDC | 1，LDC value | 壓入value |
| JLT | 1，JLT loc | 彈出value，檢測value是否小于0，如果小于，則pc=loc |
| JLE | 1，JLE loc | 彈出value，檢測value是否小于等于0，如果小于等于，則pc=loc |
| JGT | 1，JGT loc | 彈出value，檢測value是否大于0，如果大于，則pc=loc |
| JGE | 1，JGE loc | 彈出value，檢測value是否大于等于0，如果大于等于，則pc=loc |
| JEQ | 1，JEQ loc | 彈出value，檢測value是否等于0，如果等于，則pc=loc |
| JNE | 1，JNE loc | 彈出value，檢測value是否不等于0，如果不等于，則pc=loc |
| JMP | 0，JMP | 不用彈出value，pc=loc |
?
???????? sasm.c文件中包含了sm.h頭文件，sm.h文件中定義了實際的指令op_type，該指令是枚舉類型，op_type與op_desc的對應關系如下：
| op_type | op_desc |
| opHalt | HALT |
| opIn | IN |
| opOut | OUT |
| opAdd | ADD |
| opSub | SUB |
| opMul | MUL |
| opDiv | DIV |
| opDup | DUP |
| opLd | LD |
| opSt | ST |
| opLdc | LDC |
| opJlt | JLT |
| opJle | JLE |
| opJgt | JGT |
| opJge | JGE |
| opJeq | JEQ |
| opJne | JNE |
| opJmp | JMP |
| opInvalid | 無效參數 |
?? ? ? ? ?指令為一個結構體，其定義如下：
typedef struct Instruction{int op;int arg;} Instruction;? ? ? ? ?op為操作符，arg為op對應的操作數，op可能是無參數操作碼，所以arg可能無用。
???????? sasm.c中get_op函數用于更具入參const char* s返回對應的實際的op_type，即是從op_desc到op_type的映射。
/* get op from its string desc */int get_op( const char *s ){int i = 0;for( ; op_desc[i] != 0; ++i ){if( strcmp( op_desc[i], s ) == 0 ){return i;}}return opInvalid;}? ? ? ? ?get_op函數根據const char* s的值，依次檢測與op_desc中的字符串是否匹配，如果匹配則返回對應的索引值，如果不匹配則返回opInvalid，索引值i即是對應于op_type枚舉值。?
/* get the op code arg(operand) count */int get_operand_count( int op ){int ret;switch( op ){case opLdc:case opJlt:case opJle:case opJgt:case opJge:case opJeq:case opJne:case opJmp:ret = 1;break;default:ret = 0;}return ret;}? ? ? ? ?get_operand_count函數返回op需要的操作數個數。操作符的操作數個數可以參考上表列舉的。這里，op對應的操作數個數只有兩種情況：0和1。
void read_asm(){char line[256];char op_str[32];unsigned short op;int arg_c;int arg;unsigned short loc;while( !feof( fp_in ) ){fgets( line, sizeof( line ) - 1, fp_in );sscanf( line, "%d%s", (int*)&loc, op_str );op = (unsigned short) get_op( op_str );arg_c = get_operand_count( op );if( arg_c > 0 ){char *s = strstr( line, op_str );s = &s[strcspn( s, " \t" )+1];arg = atoi( s );}else{arg = 0;}i_mem[loc].op = op;i_mem[loc].arg = arg;}}? ? ? ? ?read_asm函數用于讀取匯編代碼。在讀取匯編代碼的過程中，根據當前行的op_str值和get_op函數得到操作符op，并由get_operand_count函數來決定是否讀取對應的操作數，將讀取的指令復制給的指令結構體。
???????? read_asm包含了兩個字符串處理函數：strstr和strcspn：
| 函數 | 原型 | 功能 | 參考 |
| strstr | char* strstr(char* str1, char* str2); | 從str1中查找是否有字符串str2，如果有則返回str1中str2起始位置的指針；如果沒有，則返回0 | 百度百科 CPLUSPLUS ZHWEN |
| strcspn | size_t strcspn(const char* s1, const char* s2); | 順序在s1中搜尋與s2中字符的第一個相同字符，包括結束符0，如果存在，則返回該字符在s1中出現的位置；如果不存在，則返回s1的長度 | 百度百科 CPLUSPLUS ZHWEN |
? ? ? ? ?關于字符串的函數，還有：strpbrk、strspn、strncmp等。
void output(){int loc = 0;int arg_c;for( ; i_mem[loc].op != opHalt; ++ loc ){char op = (char) i_mem[loc].op;fwrite( &op, sizeof( char ), 1, fp_out ); /* op */arg_c = get_operand_count( op );if( arg_c > 0 ){int arg = i_mem[loc].arg;fwrite( &arg, sizeof( arg ), 1, fp_out ); /* arg */} }}? ? ? ? ?output函數將指令結構體數組中的指令逐個掃描，取操作碼op將其輸出，并根據op由get_operand_count函數得到op對應的操作數個數，如果有操作數，則將對應的操作數輸出。
?
???????? 測試函數：
int main( int argc, char **argv ){if( argc < 2 ){fprintf( stderr, "Usage:%s <filename>\n", argv[0] );exit( -1 );}fp_in = fopen( argv[1], "r" );if( fp_in == 0 ){fprintf( stderr, "Open %s failed\n", argv[1] );exit( -1 );}{char output[256] = { 0 };int l = strcspn( argv[1], "." );strncpy( output, argv[1], l );strcat( output, ".sm" );fp_out = fopen( output, "wb" );if( fp_out == 0 ){fprintf( stderr, "Open %s failed\n", output );exit( -1 );}}read_asm();output();fclose( fp_in );fclose( fp_out );return 0;}? ? ? ? ?main函數先檢測argc，截取argv[1]的文件名，并補上.sm后綴名，.sm文件是二進制文件，用于虛擬機的執行。輸入輸出文件都沒問題后，調用read_asm和output函數將匯編代碼輸入，在輸入的過程中利用get_op函數將匯編代碼轉換為二進制代碼，然后利用output函數將二進制代碼輸出到文件中。最后，將輸入輸出文件都關閉。
?
?????????總結
???????? 本文是對一匯編器源碼進行了剖析，代碼中的數據結構主要是：
???????? op_desc：字符串數組，定義了匯編代碼的指令字符串
???????? op_type：枚舉類型，標識實際的指令，由于是枚舉類型，其值為0、1、2、……，指令本身的值即為0、1、2、……
???????? Instruction：指令結構體，用來定義一個指令結構體數組。其包含兩個元素：op和arg，op表示操作符，arg表示操作數，由于op最多只有一個操作數，所以arg滿足要求。
???????? 代碼中的一些函數：
???????? get_op：根據字符串形式的匯編代碼得到實際的指令值int型，實際也對應于枚舉類型的op_type。
???????? get_operand_count：根據實際的指令碼op得到其對應的操作數個數。
???????? read_asm：讀取匯編代碼，在讀取匯編代碼的過程中將其轉換為對應的二進制代碼，一個指令碼占1個字節，如果有參數，其參數占4個字節大小。將指令碼和操作數保存到Instruction結構體數組i_mem。
???????? out_put：將i_mem中的指令，如果指令有操作數，則將操作數一并輸出。
???????? main：檢測參數是否合法，如果合法且輸入輸出文件無誤，則將匯編代碼讀入并轉化，并將二進制代碼輸出到文件中。
?
???????? 以上是對該匯編器的源碼剖析，接下來我們按照匯編器的實現原理，編寫一個自己的匯編器，另外對反匯編器的源碼進行學習，并實現一個自己版本的反匯編器。
總結
