如何編寫X86_64 _assembler_？

Question

目標：我想編寫一個X86_64匯編程序。 注意：標記為社區維基

背景：我熟悉C.我以前寫過MIPS匯編。 我寫了一些x86程序集。 但是，我想編寫一個x86_64匯編程序 - 它應該輸出我可以跳轉到並開始執行的機器代碼（就像在JIT中一樣）。

問題是：解決這個問題的最佳方法是什么？ 我意識到這個問題看起來有點大。 我想從一個基本的最小集開始：

• 加載到寄存器
• 寄存器上的算術運算（只需整數就可以了，不需要亂用FPU）
• 條件語句
• 跳

只是一個基本的設置，使圖靈完成。 有人做過嗎？ 建議/資源？

Answer 1

像任何其他“編譯器”一樣，匯編程序最好寫成一個詞法分析器，輸入語言語法處理器。

匯編語言通常比常規編譯語言更容易，因為您不需要擔心跨越行邊界的構造，並且格式通常是固定的。

兩年前我為一個（虛構的）CPU編寫了一個匯編程序用於教育目的，它基本上將每一行視為：

• 可選標簽（例如:loop ）。
• 操作（例如， mov ）。
• 操作數（例如， ax,$1 ）。

最簡單的方法是確保令牌易於區分。

這就是為什么我制定了標簽必須開始的規則: - 它使得對線的分析變得更加容易。 處理生產線的過程是：

• 剝離注釋（第一個;在字符串外面到行尾）。
• 提取標簽（如果存在）
• 第一個字就是操作。
• 休息是操作數。

您可以輕松地堅持不同的操作數也有特殊的標記，讓您的生活更輕松。 所有這一切都假設您可以控制輸入格式。 如果您需要使用英特爾或AT＆T格式，那就更難了。

我接近它的方式是有一個簡單的每個操作函數被調用（例如， doJmp ， doCall ， doRet ），並且該函數決定了操作數中允許的內容。

例如， doCall只允許數字或標簽， doRet不允許任何內容。

例如，這是來自encInstr函數的代碼段：

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...函數只是獲取操作數並返回包含指令的字節數組。 當許多操作具有類似的操作數要求時，它們很有用，例如adc , add and `在上述情況下都需要兩個寄存器操作數（第二個參數控制了為指令返回的操作碼）。

通過使操作數的類型易於區分，您可以檢查提供的操作數，它們是否合法以及要生成哪些字節序列。 將操作分離為它們自己的函數提供了一個很好的邏輯結構。

此外，大多數CPU遵循從操作碼到操作的合理邏輯轉換（以使芯片設計者更容易生活），因此在所有允許例如索引尋址的操作碼上將進行非常類似的計算。

為了在允許可變長度指令的CPU中正確創建代碼，您最好在兩次通過中執行此操作。

在第一遍中，不生成代碼，只生成指令長度。 這允許您在遇到所有標簽時為其分配值。 第二遍將生成代碼，並且可以填充對這些標簽的引用，因為它們的值已知。 上面代碼段中的ignoreVars用於此目的（返回代碼的字節序列，因此我們可以知道長度，但是對剛剛使用的符號的任何引用都是0）。

Answer 2

不要勸阻你，但已經有很多裝配工具有各種各樣的花里胡哨。 請考慮為像elftoolchain這樣的現有開源項目做出貢獻。