x86-64 - 如何编写 X86_64 _汇编器_？

Question

目标:我想编写一个 X86_64 汇编器。注意:标记为社区维基

背景:我熟悉C语言，以前写过MIPS汇编。我写了一些 x86 程序集。但是，我想编写一个 x86_64 汇编器 - 它应该输出我可以跳转到并开始执行的机器代码(就像在 JIT 中一样)。

问题是:解决这个问题的最佳方法是什么？我意识到这个问题看起来很难解决。我想从一个基本的最低限度开始:

• 加载到寄存器
• 寄存器上的算术运算(只需整数就可以了，还不需要搞乱 FPU)
• 条件
• 跳跃

只是一个使其图灵完备的基本集合。有人做过这个吗？建议/资源？

Answer 1

与任何其他“编译器”一样，汇编器最好编写为输入到语言语法处理器中的词法分析器。

汇编语言通常比常规编译语言更容易，因为您无需担心构造跨越行边界，并且格式通常是固定的。

大约两年前，出于教育目的，我为(虚构的)CPU 编写了一个汇编程序，它基本上将每一行视为:

• 可选标签(例如:loop)。
• 操作(例如，mov)。
• 操作数(例如，ax,$1)。

最简单的方法是确保 token 易于区分。

这就是为什么我制定了标签必须以 : 开头的规则 - 它使该行的分析变得更加容易。处理一行的过程是:

• 删除注释(第一个 ; 位于字符串之外到行尾)。
• 提取标签(如果有)。
• 第一个词就是操作。
• 其余部分是操作数。

您可以轻松地坚持不同的操作数也有特殊的标记，以使您的生活更轻松。所有这一切都假设您可以控制输入格式。如果您需要使用 Intel 或 AT&T 格式，那就有点困难了。

我的方法是调用一个简单的每个操作函数(例如，doJmp、doCall、doRet )并且该函数决定操作数中允许的内容。

例如，doCall 只允许使用数字或标签，doRet 不允许任何内容。

例如，以下是来自 encInstr 函数的代码段:

private static MultiRet encInstr(
    boolean ignoreVars,
    String opcode,
    String operands)
{
    if (opcode.length() == 0) return hlprNone(ignoreVars);
    if (opcode.equals("defb"))  return hlprByte(ignoreVars,operands);
    if (opcode.equals("defbr")) return hlprByteR(ignoreVars,operands);
    if (opcode.equals("defs"))  return hlprString(ignoreVars,operands);
    if (opcode.equals("defw"))  return hlprWord(ignoreVars,operands);
    if (opcode.equals("defwr")) return hlprWordR(ignoreVars,operands);
    if (opcode.equals("equ"))   return hlprNone(ignoreVars);
    if (opcode.equals("org"))   return hlprNone(ignoreVars);

    if (opcode.equals("adc"))   return hlprTwoReg(ignoreVars,0x0a,operands);
    if (opcode.equals("add"))   return hlprTwoReg(ignoreVars,0x09,operands);
    if (opcode.equals("and"))   return hlprTwoReg(ignoreVars,0x0d,operands);

hlpr... 函数只是获取操作数并返回一个包含指令的字节数组。当许多操作具有类似的操作数要求时，它们非常有用，例如 adc、add 和 and` 在上述情况下都需要两个寄存器操作数(第二个参数控制什么操作码)已返回指令)。

通过使操作数的类型易于区分，您可以检查提供了哪些操作数、它们是否合法以及要生成哪些字节序列。将操作分离到它们自己的函数中提供了一个很好的逻辑结构。

此外，大多数 CPU 都遵循从操作码到操作的合理逻辑转换(以使芯片设计人员的工作更轻松)，因此所有操作码上都会有非常相似的计算，例如允许索引寻址。

为了在允许可变长度指令的 CPU 中正确创建代码，最好分两遍完成。

在第一遍中，不生成代码，只生成指令的长度。这允许您在遇到所有标签时为其分配值。第二遍将生成代码并可以填充对这些标签的引用，因为它们的值是已知的。上面代码段中的 ignoreVars 用于此目的(返回代码的字节序列，以便我们可以知道长度，但对符号的任何引用都只使用 0)。