Linux - AT&T汇编基础

我就是我 2024-04-19 13:42 0阅读 0赞

在linux内核的源代码中，以汇编语言编写的程序或程序段，有两种不同的形式。  
第一种事完全的汇编代码，这样的代码采用.s作为文件的后缀。事实上，尽管是完全的汇编代码，现代的汇编工具也吸收了C语言的长处，也在汇编之前加上了一趟预处理，而预处理之前的文件则以.s为后缀。此类（.s）文件也和C程序一样，可以使用\#include、\#ifdef等等成分，而数据结构也一样可以在.h的文件中加以定义。

第二种是嵌在C程序中的汇编语言片断。虽然在ANSI的C语言标准中并没有关于汇编片段的规定，事实上各种实际使用的C编译中都作了这方面的扩充，而 GNU的C编译gcc也在这方面作了很强的扩充。

在DOS/windows领域中，386汇编语言都采用Intel定义的语句格式。可是，在Unix领域中，采用的却是由AT&T定义的格式。

AT&T的汇编与Intel的汇编主要有以下的区别：  
在Intel格式中大多使用大写字母，而在AT&T格式中都使用小写字母。  
在AT&T格式中，寄存器名要加上“%”作为前缀 ，而在Intel格式中不带前缀。  
在AT&T的386汇编语言中，指令的源操作数的顺序与在Intel的386汇编语言中正好相反。  
在AT&T格式中，访问指令的操作数的宽度有操作码名称的最后一个字母（操作码的后缀决定）。用作操作码后缀的字母有b（8位）。 w（16位）和1（32位）。 而在Intel格式中，则是在表示内存单元的操作数前面加上“BYTE PTR”“WORD PTR”，“DWORD PTR”来表示。  
在AT$T格式中，直接操作数要加上“$”作为前缀 ，而在Intel格式中则不带前缀。  
在AT$T格式中，绝对转移和调用指令jump/call的操作数要加上“\*”作为前缀 ，而在intel格式则不带。  
远程的转移指令和子程序调用指令的操作码名称，在AT$T格式中为“ljump”和“lcall”, 而在intel格式中，则为“JMP FAR”和“CALL FAR”当转移和调用的目标为直接操作数时，两种不同的表示如下：  
　CALL FAR SECTION:OFFSET(Intel 格式)  
　JMP FAR SECTION:OFFSET(Intel 格式)  
　lcall $section,$offset (AT$T格式)  
　lcall $secton,$offset (AT$T格式). 与之相应的远程返回指令，则为：  
　RET FAR STACK\_ADJUST (Intel 格式)  
　Lret $stack\_adjust (AT$T 格式)  
间接寻址的一般格式，两者的区别如下：  
　SECTION :\[BASE+INDEX\*SCALE+DISP\](Intel 格式)  
　Section: disp(base,index,scale)(AT$T 格式)  
　当需要在C语言的程序中嵌入一段汇编语言程序时，可以使用gcc提供的“asm”语句功能。  
　　一般而言，往C代码中插入汇编语言的代码片要比“纯粹”的汇编语言代码复杂的多，因为这里有个怎样分配使用寄存器，怎样与C代码中的变量结合的问题。为了这个目的，必须对所用的汇编语言作更多的扩充，增加对汇编工具的指导作用。其结果是其语法实际上变成了既不同于汇编语言，也不同于C语言的某种中间语言。

插入C代码的一个汇编语言代码片段可以分为四个部分，以“：”号加以分隔，其一般形式为：指令部： 输出部：输入部：损坏部

1:第一部分就是汇编代码本身，其格式和在汇编语言中使用基本相同。这一部分称为“指令部”，是必须有的，而其他部分可视具体情况而省略 。当将汇编语言代码片段嵌入到C代码中时，操作数与C代码中的变量如何结合显然是个问题。Gcc采用的策略是：程序员提供具体的指令，而对寄存器的使用则一般只提供一个“样板”和一些约束条件，而把到底如何与变量结合的问题留给了gcc和gas处理.

2:在指令部中，数字加上前缀%，如%0、%1等等，表示需要使用的寄存器的样板操作数 。可以使用的此类操作数的总数取决于具体CPU中通用寄存器的数量。这样，指令部中用到了几个不同的这种操作数，就说明有几个变量需要与寄存器结合，由gcc和gas在编译和汇编时根据后面的约束条件自行变通处理。由于这些样板操作数也使用“%”前缀，在涉及到具体的寄存器时就要在寄存器名前面加上两个“%”符 ，以免混淆。

3：紧接在指令部后面的是“输出部”，用以规定对输出变量如何结合的约束条件。每个这样的条件称为一个“约束”。必要是输出部可以有多个约束，互相以逗号分隔。每个输出约束以“＝”号开始 ，然后是一个字母表示对操作数类型的说明，然后是关于变量结合的约束 。凡是与输出部中说明的操作数相结合的寄存器或操作数本身，在执行嵌入的汇编代码后均不保留执行之前的内容，这就给gcc提供了调度这些寄存器的依据。

4：输出部后面是“输入部”。输入约束的格式和输出约束相似，但不带“＝”号 。如果一个输入约束要求使用寄存器，则在预处理时gcc会为之分配一个寄存器，并自动插入必要的指将操作数即变量的值装入该寄存器。与输入部中说明的操作数结合的寄存器或操作数本身，在执行嵌入汇编代码后也不保留执行之前的内容。

在有些操作中，除用于输入数据操作和输出数的寄存器以外，还要将若干个寄存器用于计算或操作的中间结果。这样，这些寄存器原有的内容就损坏了，所以要在损坏部队操作的副作用加以说明，让gcc采取相应的措施。

操作数的编号从输出部的第一个约束（序号为0）开始，顺序数下来，每个约束记数一次。在指令部中引用这些操作或分配用于这些操作数的寄存器时，就在序号前面加上一个“%”号。在指令部中引用一个操作数时总是把它当作一个32位的“长字”， 但是对其实施的操作，则根据需要也可以是字节操作或是字操作。对操作数进行的字节操作时也允许明确指出是对哪一个字节的操作，此时在%与序号之间插入一个“b”表示最低字节，插入一个“h”表示次低字节。

表示约束调节的字母有很多：  
“m”“v”“o” 表示内存单元  
“r” 表示任何寄存器  
“q” 表示寄存器eax,ebx,ecx,edx之一  
“i”和“h” 表示直接操作数  
“E”和“F” 表示浮点数  
“g”表示任意  
“a”，“b”，“c”，“d” 分别表示寄存器eax,ebx,ecx,edx  
“S”和“D” 分别表示寄存器esi,edi  
“I”  表示常数（0至31）

此外，如果一个操作数要求使用与前某个约束中所要求的是同一个寄存器，那就把与那个约束相对应的操作数标号放在约束条件中。在损坏部常常会以 “memory”为约束条件，表示操作完成后内存中的内容已有改变，如果原来某个寄存器（也许在本次操作汇总并未使用到）的内容来自内存，则现在科能已经不一致。

还要注意，当输出部为空，即没有输出约束时，如果有输入约束存在，则必须保留分隔标记“：”号。  
备注:(举例)  
一　基本语法  
语法上主要有以下几个不同.  
★ 寄存器命名原则  
AT&T: %eax Intel: eax

★源/目的操作数顺序  
AT&T: movl %eax,%ebx Intel: mov ebx,eax

★常数/立即数的格式  
AT&T: movl $\_value,%ebx Intel: mov eax,\_value  
把\_value的地址放入eax寄存器  
AT&T: movl $0xd00d,%ebx Intel: mov ebx,0xd00d

★ 操作数长度标识  
AT&T: movw %ax,%bx Intel: mov bx,ax

★寻址方式  
AT&T: immed32(basepointer,indexpointer,indexscale)  
Intel: \[basepointer + indexpointer\*indexscale + imm32)

linux工作于保护模式下，用的是32位线性地址，所以在计算地址时不用考虑segment:offset的问题．上式中的地址应为：  
imm32 + basepointer + indexpointer\*indexscale

下面是一些例子：  
★直接寻址  
AT&T: \_booga　; \_booga是一个全局的C变量  
注意加上$是表示地址引用，不加是表示值引用．  
注：对于局部变量，可以通过堆栈指针引用．  
Intel: \[\_booga\]

★寄存器间接寻址  
AT&T: (%eax)  
Intel: \[eax\]

★变址寻址  
AT&T: \_variable(%eax)  
Intel: \[eax + \_variable\]

AT&T: \_array(,%eax,4)  
Intel: \[eax\*4 + \_array\]

AT&T: \_array(%ebx,%eax,icon\_cool.gif  
Intel: \[ebx + eax\*8 + \_array\]

二　基本的行内汇编  
·基本的行内汇编很简单，一般是按照下面的格式:  
asm("statements");  
例如：asm("nop"); asm("cli");

·asm　和　\_\_asm\_\_是完全一样的．  
·如果有多行汇编，则每一行都要加上　" ".例如：  
asm( "pushl %eax "  
"movl $0,%eax "  
"popl %eax");

实际上gcc在处理汇编时，是要把asm(...)的内容"打印"到汇编文件中，所以格式控制字符是必要的．  
再例如：  
asm("movl %eax,%ebx");  
asm("xorl %ebx,%edx");  
asm("movl $0,\_booga);

在上面的例子中，由于我们在行内汇编中改变了edx和ebx的值，但是由于gcc的特殊的处理方法，即先形成汇编文件，再交给GAS去汇编，所以GAS并不知道我们已经改变了edx和ebx的值，如果程序的上下文需要edx或ebx作暂存，这样就会引起严重的后果 ．对于变量\_booga也存在一样的问题．为了解决这个问题，就要用到扩展的行内汇编语法．

三　扩展的行内汇编  
扩展的行内汇编类似于Watcom.  
基本的格式是：  
asm ( "statements" : output\_regs : input\_regs : clobbered\_regs);  
clobbered\_regs指的是被改变的寄存器．

下面是一个例子(为方便起见，我使用全局变量）：  
int count=1;  
int value=1;  
int buf\[10\];  
void main()  
\{  
asm(  
"cld "  
"rep "  
"stosl"  
:  
: "c" (count), "a" (value) , "D" (buf\[0\])  
: "%ecx","%edi" );  
\}

得到的主要汇编代码为：  
movl count,%ecx  
movl value,%eax  
movl buf,%edi  
\#APP  
cld  
rep  
stosl  
\#NO\_APP  
cld,rep,stos就不用多解释了．这几条语句的功能是向buf中写上count个value值．冒号后的语句指明输入，输出和被改变的寄存器．通过冒号以后的语句，编译器就知道你的指令需要和改变哪些寄存器，从而可以优化寄存器的分配．其中符号"c"(count)指示要把count的值放入ecx寄存器

几点说明：  
1.使用q指示编译器从eax,ebx,ecx,edx分配寄存器．使用r指示编译器从eax,ebx,ecx,edx,esi,edi分配寄存器．  
2.我们不必把编译器分配的寄存器放入改变的寄存器列表，因为寄存器已经记住了它们．  
3."="是标示输出寄存器，必须这样用．  
4.数字%n的用法：数字表示的寄存器是按照出现和从左到右的顺序映射到用"r"或"q"请求的寄存器．如果我们要重用"r"或"q"请求的寄存器的话，就可以使用它们．  
5.如果强制使用固定的寄存器的话，如不用%1,而用ebx,则asm("leal (%%ebx,%%ebx,4),%0"  
: "=r" (x)  
: "0" (x) );

6.注意要使用两个%,因为一个%的语法已经被%n用掉了．

FAQ：  
1、变量加下划线和双下划线有什么特殊含义吗？  
加下划线是指全局变量，但我的gcc中加不加都无所谓．

2、以上定义用如下调用时展开会是什么意思？  
\#define \_syscall1(type,name,type1,arg1)  
type name(type1 arg1)  
\{  
long \_\_res;  
/\* \_\_res应该是一个全局变量　\*/  
\_\_asm\_\_ volatile ("int $0x80"  
/\* volatile 的意思是不允许优化，使编译器严格按照你的汇编代码汇编\*/  
: "=a" (\_\_res)  
/\* 产生代码　movl %eax, \_\_res \*/  
: "0" (\_\_NR\_\#\#name),"b" ((long)(arg1)));  
/\* 如果我没记错的话，这里\#\#指的是两次宏展开．  
　　即用实际的系统调用名字代替"name",然后再把\_\_NR\_...展开．  
　　接着把展开的常数放入eax，把arg1放入ebx \*/  
if (\_\_res >= 0)  
return (type) \_\_res;  
errno = -\_\_res;  
return -1;  
\}

转载于:https://my.oschina.net/alphajay/blog/5102