RoBa’s Blog

在*nix阵营中，AT&T形式的汇编是更普遍的，例如gas还有gcc的内联汇编都是这种，它与我们在汇编课上熟悉Intel形式的汇编（比如，MASM支持的那些）的不同点主要在以下几方面：

1. 操作数的顺序是反的。比如movl %eax, %ebx的意思是把eax的值赋值给ebx

2. 寄存器名字前面要加%，立即操作数前面要加$。比如movl $0×1984, %eax

3. 指令加后缀b (8bit), w (16bit), l (32bit)指示操作数大小，这一条并不强制，因为汇编器基本可以根据操作数自行推断，但建议加上。比如movb %al, %bl

4. 间接寻址，用圆括号不用方括号，并且有一个很恶心的格式 imm32(base,index,scale)。例如，-4(%ebx,%eax,8)等价于Intel的[ebx+eax*8-4]

下面说GCC的内联汇编，乍一看上去很简单，只要加个asm（或者__asm__）就可以了，例如 asm(”nop”); 但是麻烦的在于让其和上下文的C代码匹配上。内联汇编的格式如下：

asm ( assembler template
    : output operands               (optional)
    : input operands                (optional)
    : list of clobbered registers   (optional)
);

后面的三个可选项就是负责指定相应的“接口”。看这样一段简单的代码，作用是把局部变量a的值赋值给b：

{
    int a=10, b;
    asm ("movl %1, %%eax; movl %%eax, %0;"
        :"=r"(b)  /* output */
        :"r"(a)       /* input */
        :"%eax"); /* clobbered register */
}

这里我们直接写类似”movl a, %eax; movl %eax, b”是不行的，因为汇编代码里不知道a和b是啥东西，所以需要在output和input这两部分指定“约束”。“约束”的格式是一个字符串后面跟一个括号里的C表达式，比如”r”(a)表示a这个变量必须放在某个寄存器中。字符串里可以包含的字符及意义：

a   eax
b   ebx
c   ecx
d   edx
S   esi
D   edi
q   eax, ebx, ecx, edx
r   eax, ebx, ecx, edx, esi, edi
m   内存
i   立即数
数字0/1...   表示引用之前出现过的

可以有多个约束，用逗号隔开。在output部分需要前面加一个等号。上面代码里%0, %1这些就是和下面output, input两部分指明的约束是对应的，最先出现的”=r”(b)对应%0，然后出现的”r”(a)对应%1。有时候我们需要在input里指明output中已经出现过的某个约束，这时候就应该用”0″, “1″这种了。另外，注意现在表示寄存器时要加两个百分号(%%eax)了。

最后的clobbered register是指明这段代码里可能会用到的寄存器，意思是告诉gcc，这些寄存器里的值可能已经让我修改了，你不能假定它们还有效。出现在input和output里的寄存器会自动被认为是clobbered的，无须再写出。

这个东西实在是很乱很难说清楚，上面说的也只是最常用的一部分内容。最后用几段典型代码展示一下：

下面这段等价于var=var+1，注意input部分的”0″的使用

asm ("incl %0" :"=a"(var):"0"(var));

下面这段是把count个字节从src拷贝到dst

asm ("cld\n
rep\n
movsb"
: /* no output */
:"S"(src), "D"(dst), "c"(count));

最后来个货真价实的，传说中的Linux内核代码中的memcpy

static inline void * __memcpy(void * to, const void * from, size_t n)
{
    int d0, d1, d2;
    __asm__ __volatile__(
      "rep ; movsl\n\t"
      "testb $2,%b4\n\t"
      "je 1f\n\t"
      "movsw\n"
      "1:\ttestb $1,%b4\n\t"
      "je 2f\n\t"
      "movsb\n"
      "2:"
      : "=&c" (d0), "=&D" (d1), "=&S" (d2)
      :"0" (n/4), "q" (n),"1" ((long) to),"2" ((long) from)
      : "memory");
    return (to);
}

简单来说上面那段代码的意思是一开始用movsl四字节复制，等发现快到头了，再根据剩余的情况用movsw和movsb。细节不解释了，仔细分析一下还是很好玩的

2. 变量

这里主要是讨论全局变量的使用，对于局部变量（即在函数内部定义的，在栈上分配空间的变量）不予考虑。全局变量的情况与前一篇说的函数的情况类似，但是更迷惑人一些。全局变量的定义是在所有函数的外面，比如下面语句：

  int roba;

定义了一个叫做roba的int型全局变量。而全局变量的声明是这样：

  extern int roba;

全局变量与函数一样要求，定义只能一次，声明可以多次，在使用前编译器必须看到声明。如果多个源文件要共享一个全局变量，初学者常犯的错误有两种：一种是在多个文件中都写了int roba;，这样会导致链接时发生重复定义的错误；另一种是只在一个文件中写了int roba;，以为在其他的文件的文件中可以直接用，但实际上因为在其他文件中没有对这个全局变量的声明，所以会发生编译错误。正确的写法是，在某一个文件中用int roba的形式定义，而在其他用到该变量的文件中用extern int roba的形式声明。

如果要把变量放到头文件里，从前面的讨论可以看出，一定不要把int roba;这样的定义放进去（因为这样的话如果这个头文件被包括进多个cpp文件就会产生重复定义），而应该写extern int roba;这样的声明，然后在某个cpp文件中定义int roba; 。

与函数类似，如果我们不想其他的文件看到某个全局变量，也可以用static修饰它，表示它的作用域局部于此文件内。（注意我说的不是static的局部变量）

下面又开始说特例了。对于这种写法：

  extern int roba = 1;

是被当作定义而不是声明的，尽管加了一个extern。

另外一个要注意的是const型的全局对象，它默认是局部于文件的，也就是说默认就是static的。这是因为C++允许（并且鼓励）这样的写法：

  const int N = 100;
  int loli[N];

我们可以看出，编译器必须知道N的值以后，才能确定loli数组的大小并生成相应代码。所以如果像非const的全局变量一样，把const int N定义在别的文件里，编译器就没办法在编译时知道它的值，也就不能单独编译这个cpp文件，这就违反了上次说的那个要求。基于这个考虑，C++规定const全局对象是局部于文件的，也就是说我们可以安全地把 const int N = 100; 这样的东西放在头文件里，不会出现重定义。

我们也可以用extern const int N = 100;这样的写法强制使其全局可见，在其他的文件中用extern const int N;来进行声明，但我认为这样会产生不必要的混乱，对程序效率也并没有提升。可能有人会觉得如果在每个文件里声明一个局部于本文件的全局const对象会浪费空间，但实际上编译器基本都会把这个const优化掉的，产生的效果和古老的 #define N 100 宏定义是一样的。

(待续)

最近看了很多IT民工相关的东西，感觉还是应该记录一下，不然很快就忘了。下面这些都是比较简单的内容，但是我之前并不是十分清楚，请路过大牛多多指点。

首先必须区分各种对象（这里的“对象”是一个广义的说法，它包括变量、函数、类等等东西）的定义(definition)和声明(declarition)。下面来分如下几种主要情况讨论：

1. 函数

我觉得这是一种最容易理解的情况。函数的声明就是函数原型，函数的定义就是函数的具体实现。编译器在遇到一个函数调用语句时，必须知道这个函数的原型以进行相应的类型检查，因此必须把该函数的声明（当然定义也可以，因为在此时定义隐含了声明）放在前面。

只要是比ACM题目那种一百行左右代码再大一点的项目，一般都不会把所有代码写在一个文件里。注意编译器的执行过程是分两步的，首先把每个.cpp文件（或者.c, .cc等等）分别编译成目标文件（通常是.o, .obj等等），然后再用链接器把目标文件组装成一个可执行文件。注意“分别”两字，也就是说，编译器必须能够不依赖其他cpp文件就可以把当前的cpp文件编译成目标文件。

我们先不考虑类等等内容，假设现在我实现了一系列逻辑上有一定关联的工具函数，为了清楚起见我把它们放在同一个util.cpp文件里，而把使用这些工具函数的其他代码放在文件main.cpp里，那么要编译main.cpp，必须知道里面用到的工具函数的原型，所以必须在main.cpp里有一份该函数的声明（只需要声明就够了，编译器可以据此生成压栈、取返回值等等汇编代码，至于函数内部的实现代码是在util.o目标文件里，等链接的时候组装在一起就可以）

然而，当有多个cpp文件都要用到这些工具函数时，如果我们每次都要在cpp文件前面附加一堆函数声明的话，就显得有点太啰嗦了。于是头文件就派上用场了。这时惯常的做法是把util里（想提供给外界使用的）函数的声明放在.h头文件里，如果另外的cpp文件要用到某个函数，只要把对应的头文件include进来即可。注意一定不要把函数的定义放在头文件里，否则的话，如果这个头文件被包含进多个cpp文件里，在链接时就会出现函数重定义的错误。也就是说，函数可以声明多次，但只能定义一次（有一个例外下面会提到）。

另外一点是，如果不想某个文件里的函数被外面看到，应该用static修饰。应该只开放那些想公开的函数，并把想公开的函数的声明放到对应的头文件里。

这里再插一句，头文件只是为了方便程序员，编译器是看不到头文件的，把include的文件插入到相应的位置之类的事情都是预处理器完成的。头文件不必有对应的.cpp文件，不必是.h扩展名，实际上它可以是随便什么东西，只要你愿意就好，编译器根本不care。

关于头文件还有一点，如果我们不小心的话，经常会出现同一份头文件被包含了多次的情况（有时候可能是不可避免的）。比如我自己写了一个roba.h，里面有一句#include <string>，又写了一个main.h，里面即include了roba.h，又include了<string>，这样string就被包含了两次。这样就有可能出现重复定义（因为头文件里不止有函数声明，还有比如类的定义），这时我们可以用#ifndef这个东西控制这个头文件的内容只被包含一次。常见写法如下:

  #ifndef _ROBA_H_
  #define _ROBA_H_
  //...
  //the body of roba.h
  //...
  #endif

最后再说一下inline函数，这是一个特例，inline函数的定义应该写在头文件里。因为编译器要内联这个函数，就必须知道函数的实现，不然的话是无法单独编译出一个目标文件的。对inline函数不必担心重定义的问题，它可以看作局部于所在的源文件的。

前几天帮实验室弄个页面，遇到了中文乱码的问题，在网上找了些资料最终解决了，在这里总结一下。

GB2312 – GBK – GB18030这三者是兼容的，但它们与UTF-8编码不兼容，这就是导致乱码问题的原因。如果你发现网页乱码，需要检查的地方有如下几个：

(1)网页文件本身。假设这是一个静态html文件，不同的文本编辑器（或者不同的选项）做出的文本文件的编码可能是不同的。我这次遇到的问题就是这样，用DreamWeaver保存出来的网页文件是GB18030编码（可能是我没有注意到软件里的选项设置），但我在其它的所有地方都声明编码方式是UTF-8，于是在FireFox下就出现了乱码，不过IE居然可以很威武地正常显示。建议使用稍高级一点的文本编辑器（比如win下的UltraEdit, Editplus等等都可以）把编码方式转换一下，使其与其他地方的配置一致。

(2)Apache的配置文件。在httpd.conf这个文件里有个AddDefaultCharset，这里可以设置默认的编码方式。这个东西会在浏览器向服务器发送请求时，包含在HTTP头信息中返回给浏览器。

(3)网页的<meta>标签。一个典型的代码是这样的

<meta http-equiv=”Content-Type” content=”text/html; charset=utf-8″>

这样就声明了网页是UTF-8的编码。

(4)网页脚本文件，如PHP里可以写

header(”content-type:text/html; charset=utf-8″)

据说这个替换掉HTTP头的信息，我没有试过，不太清楚。

因为有这么多地方可以配置，当这些地方的配置出现不一致时，问题就出来了。<meta>标签，HTTP头，页面文件本身的编码，到底谁的优先级更高，不同的浏览器是不一样的。所以常会出现在IE下可以但在FF下乱码，或者反过来的情况。总之最好是让它们都保持一致啦。

另外，还有一种情况是数据库的乱码，等以后遇到了再说。