linux下汇编语言开发总结

汇编语言是直接对应系统指令集的低级语言，在语言越来越抽象的今天，汇编语言并不像高级语言那样使用广泛，仅仅在驱动程序，嵌入式系统等对性能要求苛刻的领域才能见到它们的身影。但是这并不表示汇编语言就已经没有用武之地了，通过阅读汇编代码，有助于我们理解编译器的优化能力，并分析代码中隐含的低效率，所以能够阅读和理解汇编代码也是一项很重要的技能。因为我平时都是在linux环境下工作的，这篇文章就讲讲linux下的汇编语言。

一、汇编语法风格

汇编语言分为intel风格和AT＆T风格，前者被Microsoft Windows/Visual C++采用，Linux下，基本采用的是AT＆T风格汇编，两者语法有很多不同的地方。

1. 寄存器访问格式不同。在 AT&T 汇编格式中，寄存器名要加上 '%' 作为前缀；而在 Intel 汇编格式中，寄存器名不需要加前缀。例如：

AT&T	Intel
pushl %eax	push eax

2. 立即数表示不同。在 AT&T 汇编格式中，用 '$' 前缀表示一个立即操作数；而在 Intel 汇编格式中，立即数的表示不用带任何前缀。例如：

AT&T	Intel
pushl $1	push 1

3. 操作数顺序不同。在 Intel 汇编格式中，目标操作数在源操作数的左边；而在 AT&T 汇编格式中，目标操作数在源操作数的右边。例如：

AT&T	Intel
addl $1, %eax	add eax, 1

4. 字长表示不同。在 AT&T 汇编格式中，操作数的字长由操作符的最后一个字母决定，后缀'b'、'w'、'l'分别表示操作数为byte、word和long；而在 Intel 汇编格式中，操作数的字长是用 "byte ptr" 和 "word ptr" 等前缀来表示的。例如：

AT&T	Intel
movb val, %eax	mov al, byte ptr val

5. 寻址方式表示不同。在 AT&T 汇编格式中，内存操作数的寻址方式是

section:disp(base, index, scale)

而在 Intel 汇编格式中，内存操作数的寻址方式为：

section:[base + index*scale + disp]

由于 Linux 工作在保护模式下，用的是 32 位线性地址，所以在计算地址时不用考虑段基址和偏移量，而是采用如下的地址计算方法：

disp + base + index * scale

由此分为以下几种寻址方式：

	Intel	AT＆T
内存直接寻址	seg_reg: [base + index * scale + immed32]	seg_reg: immed32 (base, index, scale)
寄存器间接寻址	[reg]	(%reg)
寄存器变址寻址	[reg + _x]	_x(%reg)
立即数变址寻址	[reg + 1]	1(%reg)
整数数组寻址	[eax*4 + array]	_array (,%eax, 4)

二、IA32寄存器

1．通用寄存器

顾名思义，通用寄存器是那些你可以根据自己的意愿使用的寄存器，但有些也有特殊作用，IA32处理器包括8个通用寄存器，分为3组

1) 数据寄存器

EAX 累加寄存器，常用于运算;在乘除等指令中指定用来存放操作数，另外,所有的I/O指令都使用这一寄存器与外界设备传送数据。

EBX 基址寄存器，常用于地址索引

ECX 计数寄存器，常用于计数；常用于保存计算值，如在移位指令,循环(loop)和串处理指令中用作隐含的计数器.
EDX 数据寄存器，常用于数据传递。

2) 变址寄存器

ESI 源地址指针

EDI 目的地址指针

3) 指针寄存器

EBP为基址指针(Base Pointer)寄存器，存储当前栈帧的底部地址。

ESP为堆栈指针(Stack Pointer)寄存器，一直记录栈顶位置，不可直接访问，push时ESP减小，pop时增大。

2. 指令指针寄存器

EIP 保存了下一条要执行的指令的地址，每执行完一条指令EIP都会增加当前指令长度的位移，指向下一条指令。用户不可直接修改EIP的值，但jmp、call和ret等指令也会改变EIP的值，jmp将EIP修改为目的指令地址，call修改EIP为被调函数第一条指令地址，ret从栈中取出（pop）返回地址存入EIP。

三、函数调用过程

函数调用时的具体步骤如下：

1. 调用函数将被调用函数参数入栈，入栈顺序由调用约定规定，包括cdecl，stdcall，fastcall，naked call等，c编译器默认使用cdecl约定，参数从右往座入栈。

2. 执行call命令。

call命令做了两件事情，一是将EIP寄存器内的值压入栈中，称为返回地址，函数完成后还要到这个地址继续执行程序。然后将被调用函数第一条指令地址存入EIP中，由此进入被调函数。

3. 被调函数开始执行，先准备当前栈帧的环境，分为3步

pushl %ebp 保存调用函数的基址到栈中，

movl %esp, %ebp 设置EBP为当前被调用函数的基址指针，即当前栈顶

subl $xx, %esp 为当前函数分配xx字节栈空间用于存储局部变量

4. 执行被调函数主体

5. 被调函数结束返回，恢复现场，第3步的逆操作，由leave和ret两条指令完成，

leave 主要恢复栈空间，相当于

movl %ebp, %esp 释放被调函数栈空间

popl %ebp 恢复ebp为调用函数基址

ret 与call指令对应，等于pop %EIP，

6. 返回到调用函数，从下一条语句继续执行

我们来看两个具体例子，第一个求数组和，

int ArraySum(int *array, int n){
  int t = 0;
  for(int i=0; i<n; ++i) t += array[i];
  return t;
}

int main() {
  int a[5] = {1, 2, 3, 4, 5 };
  int sum = ArraySum(a, 5);
  return sum;
}

编译成汇编代码

gcc -std=c99 -S -o sum.s sum.c

gcc加入了很多汇编器和连接器用到的指令，与我们讨论的内容无关，简化汇编代码如下：

ArraySum:
    pushl    %ebp
    movl    %esp, %ebp   
    subl    $16, %esp  //分配16字节栈空间
    movl    $0, -8(%ebp)  //初始化t
    movl    $0, -4(%ebp)  //初始化i
    jmp    .L2
.L3:
    movl    -4(%ebp), %eax
    sall    $2, %eax  //i<<2, 即i*4, 一个int占4字节
    addl    8(%ebp), %eax  //得到array[i]地址，array+i*4
    movl    (%eax), %eax   //array[i]
    addl    %eax, -8(%ebp) //t+=array[i]
    addl    $1, -4(%ebp)
.L2:
    movl    -4(%ebp), %eax   
    cmpl    12(%ebp), %eax  //比较i<n
    jl    .L3
    movl    -8(%ebp), %eax //return t; 默认eax存函数返回值
    leave
    ret

main:
.LFB1:
    pushl    %ebp
    movl    %esp, %ebp
    subl    $40, %esp       
    movl    $1, -24(%ebp) //初始化a[0]
    movl    $2, -20(%ebp) //初始化a[1]
    movl    $3, -16(%ebp) //初始化a[2]
    movl    $4, -12(%ebp) //初始化a[3]
    movl    $5, -8(%ebp)   //初始化a[4]
    movl    $5, 4(%esp)    //5作为第二个参数传给 ArraySum
    leal    -24(%ebp), %eax  //leal产生数组a的地址
    movl    %eax, (%esp)   //作为第一个参数传给ArraySum
    call    ArraySum
    movl    %eax, -4(%ebp)  //返回值传给sum
    movl    -4(%ebp), %eax  //return sum
    leave
    ret

栈变化过程如下：

linux下汇编语言开发总结

执行call指令前执行call指令后

从图中可以看出

1. 数组连续排列，用move指令逐个赋值，读取数组元素方法是，用leal得到数组首地址，再计算偏移量

2. 参数从右往左入栈

3. gcc为了保证数据是严格对齐的，分配的空间大于使用的空间，有部分空间是浪费的

下面这个例子说明了struct结构的实现方法，

struct Point{
  int x;
  int y;
};
void PointInit(struct Point *p, int x, int y){
  p->x = x;
  p->y = y;
}

int main() {
  struct Point p;
  int x = 10;
  int y = 20;
  PointInit(&p, x, y);
  return 0;
}

编译成汇编代码，简化如下：

PointInit:
    pushl    %ebp
    movl    %esp, %ebp
    movl    8(%ebp), %eax    //p的地址
    movl    12(%ebp), %edx  //x
    movl    %edx, (%eax)      //p->x=x
    movl    8(%ebp), %eax
    movl    16(%ebp), %edx  //y
    movl    %edx, 4(%eax)    //p->y=y
    popl    %ebp
    ret

main:
    pushl    %ebp
    movl    %esp, %ebp
    subl    $28, %esp
    movl    $10, -8(%ebp)  //x=10
    movl    $20, -4(%ebp)  y=20
    movl    -4(%ebp), %eax
    movl    %eax, 8(%esp)
    movl    -8(%ebp), %eax
    movl    %eax, 4(%esp)
    leal    -16(%ebp), %eax  //取p地址&p
    movl    %eax, (%esp)
    call    PointInit
    movl    $0, %eax
    leave
    ret

栈图就不画了，可以清楚地看出struct跟数组类似，连续排列，通过相对位移访问struct的成员，p->y与*(p+sizeof(p->x))有一样的效果。

四、disassemble和objdump

在linux下有两个跟汇编有重要关系的命令，一个是objdump，另一个是gdb中的disassemble。

objdump帮助我们从可执行文件中反汇编出汇编代码，从而逆向分析工程。

objdump -d sum

部分汇编代码如下

080483b4 <ArraySum>:
 80483b4:    55                       push   %ebp
 80483b5:    89 e5                    mov    %esp,%ebp
 80483b7:    83 ec 10                 sub    $0x10,%esp
 80483ba:    c7 45 f8 00 00 00 00     movl   $0x0,-0x8(%ebp)
 80483c1:    c7 45 fc 00 00 00 00     movl   $0x0,-0x4(%ebp)
 80483c8:    eb 12                    jmp    80483dc <ArraySum+0x28>
 80483ca:    8b 45 fc                 mov    -0x4(%ebp),%eax
 80483cd:    c1 e0 02                 shl    $0x2,%eax
 80483d0:    03 45 08                 add    0x8(%ebp),%eax
 80483d3:    8b 00                    mov    (%eax),%eax
 80483d5:    01 45 f8                 add    %eax,-0x8(%ebp)
 80483d8:    83 45 fc 01              addl   $0x1,-0x4(%ebp)
 80483dc:    8b 45 fc                 mov    -0x4(%ebp),%eax
 80483df:    3b 45 0c                 cmp    0xc(%ebp),%eax
 80483e2:    7c e6                    jl     80483ca <ArraySum+0x16>
 80483e4:    8b 45 f8                 mov    -0x8(%ebp),%eax
 80483e7:    c9                       leave  
 80483e8:    c3                       ret

disassemble可以显示调试程序的汇编代码，用法如下

disas 反汇编当前函数

disas sum 反汇编sum函数

disas 0x801234 反汇编位于地址 0x801234附近的函数

disas 0x801234 0x802234 返汇编指定范围内函数

reference：

http://zh.wikipedia.org/wiki/%E6%B1%87%E7%BC%96

http://www.ibm.com/developerworks/cn/linux/l-assembly/

秒客网

linux下汇编语言开发总结

相关文章