汇编语言小记

Posted on Edited on In Views:

汇编语言（Assembly Language，简称 ASM）由汇编指令、伪指令和其他符号组成，其中汇编指令有对应的机器码，而伪指令和其他符号没有对应的机器码，仅由汇编器识别执行。

架构

汇编语言是依赖底层 CPU 架构的，不同的 CPU 架构拥有不同的汇编语言，比如，常用于 PC 的x86 汇编和常用于嵌入式设备的ARM 汇编。由于 x86 架构又分为 16 位、32 位、64 位等，其相应的汇编也有稍许不同。本文主要以 32 位 x86 汇编为例做简要介绍。

寄存器

汇编语言的大部分指令都是直接操作 CPU 中的寄存器的，所以有必要了解以下 x86 架构的 CPU 中常见的寄存器。

16 位 x86 CPU 中常见的寄存器有：

  • 通用寄存器（8 个）：
    • 数据寄存器：
      • AX：累加寄存器，Accumulator
      • BX：基址寄存器，Base
      • CX：计数寄存器，Count
      • DX：数据寄存器，Data
    • 指针寄存器：
      • SP：堆栈指针寄存器，Stack Pointer
      • BP：基址指针寄存器，Base Pointer
    • 变址寄存器：
      • SI：源变址寄存器，Source Index
      • DI：目的变址寄存器，Destinatin Index
  • 段寄存器：
    • CS：代码段寄存器，Code Segment
    • DS：数据段寄存器，Data Segment
    • SS：堆栈段寄存器，Stack Segment
    • ES：附加段寄存器，Extra Segment
  • 控制寄存器：
    • IP：指令指针寄存器，Instruction Pointer
    • FLAGS：标志寄存器

为了保证兼容性，AX、BX、CX、DX 这四个寄存器都可分为两个可独立使用的 8 位寄存器来用，如 AX 可分为 AH 和 AL，其中 AH 代表高（High）8 位，AL 代表低（Low）8 位，其他 3 个也是如此。

32 位 x86 CPU 在 16 位的基础上增加了一些寄存器，那些和原来作用相同的寄存器一般会在前面加上 E，其中常见的寄存器有：

  • 通用寄存器（8 个）：EAX、EBX、ECX、EDX、ESP、EBP、ESI、EDI
  • 段寄存器：CS、DS、SS、ES、FS、GS，增加的 FS、GS 和 ES 一样，属于附加段寄存器
  • 指令指针寄存器：EIP
  • 标志寄存器：EFLAGS
  • 系统表寄存器：GDTR、LDTR、IDTR、TR
  • 控制寄存器：CR0、CR1、CR2、CR3、CR4
  • 调试寄存器：DR0、DR1、DR2、DR3、DR4、DR5、DR6、DR7
  • 测试寄存器：TR0、TR1、TR2、TR3、TR4、TR5、TR6、TR7

类似的，64 位又在 32 位的基础上增加了一些寄存器，那些和原来作用相同的寄存器一般会将前面的 E 改为 R，其中常见的寄存器有：

  • 通用寄存器（16 个）：RAX、RBX、RCX、RDX、RSP、RBP、RSI、RDI、R8、R9、R10、R11、R12、R13、R14、R15
  • 指令指针寄存器：RIP
  • 标志寄存器：RFLAGS

指令

常见的汇编指令如下：

  • mov：传送指令，两个操作对象的位数应该一致，如 mov eax,ebx，表示将 EBX 的值送入 EAX 中。8086 CPU 不支持将数据直接送入段寄存器的操作，要想实现此功能，只能用一个寄存器来进行中转。
  • add：加法指令，两个操作对象的位数应该一致，如 add eax,ebx，表示将 EAX 和 EBX 相加，其值赋给 EAX。
  • sub：减法指令，如 sub eax,ebx，表示用 EAX 减 EBX，其值赋给 EAX。
  • push：
  • pop：
  • jmp：跳转指令，属于转移指令，如 jmp 2AE3:3，表示将 CS 设为 2AE3H，将 IP 设为 0003H，CPU 将从 CS:IP（即 2AE33H）处读取指令；jmp eax 表示将 EAX 的值赋给 IP，CS 保持不变。
  • jnz：条件跳转指令，检查 EFLAGS 标志寄存器中的 ZF 位（零标志位）是否为 0，若不为 0，则跳转。
  • jz：条件跳转指令，检查 EFLAGS 标志寄存器中的 ZF 位（零标志位）是否为 0，若为 0，则跳转。
  • in：从 I/O 端口读取内容，如 in al,21H，表示从 21H 端口读取内容到 AL 中。
  • out：向 I/O 端口写入内容，如 out 21H,al，表示将 AL 的值写入到 21H 端口中。
  • xor：按位异或运算，即相同为 0，不同为 1，如 xor eax,ebx，表示将 EAX 和 EBX 按位异或，其值赋给 EAX。对同一个值进行异或，会使其得 0，汇编中常用这种方法得到 0，如 xor eax,eax。
  • or：按位或运算，如 or eax,ebx，表示将 EAX 和 EBX 按位或，其值赋给 EAX。

注意：汇编指令和寄存器名称不区分大小写。

伪指令

伪指令依赖于具体的汇编器，这里我们以 GNU 中的 as 汇编器（gas）为例，讲述常见的伪指令及其含义：

  • .set：为变量设置一个值，如 .set CR0_PE_ON, 0x1。
  • .globl 或 .global：设置外部链接，使其在其他文件中可被调用，如 .globl start。
  • .code16：生成 16 位汇编代码。
  • .code32：生成 32 位汇编代码。
  • .p2align：
  • .word：
  • .long：

想要了解更多的伪指令可以参考 gas 的官方文档。

标号

标号代表一个地址，类似于高级语言中的函数，在需要时可以使用跳转指令跳转到标号处执行，利用标号还可以实现死循环，如下：

1
2
spin:
    jmp spin

风格

x86 汇编语言的两大风格分别是 Intel 风格和 AT&T 风格，分别被 Microsoft 和 GNU 所采用，两种风格的详细区别如下表所示：

项目 Intel 风格 AT&T 风格
操作数顺序 目标操作数在前，如 mov eax,8 源操作数在前，如 movl $8,%eax
寄存器名字 原样，如 mov eax,8 加 % 前缀，如 movl $8,%eax
立即数 原样，如 mov eax,8 加 $ 前缀，如 movl $8,%eax
16进制立即数 用后缀 b 与 h 分别表示二进制与十六进制，对于 16 进制字母开头的要加前缀 0 加前缀 0x
访问内存长度的表示 前缀 byte ptr，word ptr，dword ptr 后缀 b、w、l表示字节、字、长型
引用全局或静态变量 var 的值 [_var] _var
引用全局或静态变量 var 的地址 _var $_var
寄存器间址 [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)
注释 :注释以英文分号开头 #注释以井号开头

本文的书写风格以 Intel 风格为主。

内联汇编

内联汇编（Inline Assembly）是指在 C 代码中嵌入汇编代码，显然，其语法是由具体的 C 编译器所决定的，这里主要以 GNU 中的 gcc 编译器为例简述其语法。

更多

要了解汇编语言更多的知识，可以阅读王爽的《汇编语言》一书，这本书基于 16 位的 8086 CPU 来讲解汇编，虽然处理器已过时，但思想永不褪色。

其次，Linux 汇编语言开发指南，也是一篇不错的介绍文章。