目标文件的那些事

本篇主要探讨目标文件（Linux中的ELF）的内部结构，并对神秘目标文件一探究竟。

ELF 文件结构概述

我们知道可执行文件的形成需要经过预编译、编译、汇编、链接，最终形成可执行文件。

目标文件即为编译后生成的文件，它从文件结构上而言跟最终可执行文件是类似的，可能有些符号或者地址还需要调整。

Linux中ELF（Executable linkable Format）文件包括以下4类：

ELF文件类型	说明
可重定位文件（Relocatable File）	其中包含数据与代码段，被用来链接生成可执行文件，静态链接库也归为这一类
可执行文件（Executable File）	最终可执行程序
共享目标文件（Shared object File）	包含数据和代码
核心转储文件（Core dump File）	由于进程意外终止形成的文件，包括进程地址空间及终止时的一些其他信息

解析目标文件

通过以下的一个实例来解析下目标文件中包括哪些内容。

/*
 * example.c
 * gcc -c example.c
 */
int printf(const char* format, ...);

int global_int_var = 84; 
int global_unint_var;

void fun1(int i)
{
    printf("%d\n", i); 
}

int main(void)
{
    static int static_var = 85; 
    static int static_var2;

    int a = 1;
    int b;

    func1(static_var + static_var2 + a + b); 
}

global_int_var与global_unint_var分别表示已初始化和未被初始化的全局静态变量。 static_var与static_var2分别表示已初始化和未被初始化的局部静态变量。 a和b分别表示已初始化和未被初始化的局部变量。

我们可以观察上面几个变量在目标文件中是怎么存储的。通过objdump -h example.o 可以查看该ELF的结构和内容。

Sections:
Idx Name          Size      VMA       LMA       File off  Algn
  0 .text         0000004c  00000000  00000000  00000034  2**2
                  CONTENTS, ALLOC, LOAD, RELOC, READONLY, CODE
  1 .data         00000008  00000000  00000000  00000080  2**2
                  CONTENTS, ALLOC, LOAD, DATA
  2 .bss          00000004  00000000  00000000  00000088  2**2
                  ALLOC
  3 .rodata       00000004  00000000  00000000  00000088  2**0
                  CONTENTS, ALLOC, LOAD, READONLY, DATA
  4 .comment      0000002e  00000000  00000000  0000008c  2**0
                  CONTENTS, READONLY
  5 .note.GNU-stack 00000000  00000000  00000000  000000ba  2**0
                  CONTENTS, READONLY

我用了32位的系统测试，所以对于64位，ELF的段结构会有差异。对照段长度（Size）和偏移位置（File Offset）可以得出如下结构图：

段结构

ELF头文件（ELF header）

描述整个文件的属性，包括文件是否可执行，是静态链接还是动态链接，目标硬件、目标操作系统。从上图可以看出，头文件的大小是固定的，为0x34个字节，后面一小节会有专门介绍。

段表（Section Table）

描述文件中各个段的一个数组。描述各段在文件中偏移量、读写权限及段属性。后面一小节再专门介绍。

代码段（.text）

保存执行语句编译后生成的机器代码

数据段（.data）与只读数据段（.rodata）

保存已经初始化的全局变量和局部静态变量。只读数据段则保存程序里的只读变量。

通过命令：objdump -x -s -d exmpale.o，可以查看到数据段：

......
Contents of section .data:
 0000 54000000 55000000                    T...U...
Contents of section .rodata:
 0000 25640a00                             %d..
......

可以看到 .data 的前4个字节，从低到高分别为 0x54, 0x00, 0x00, 0x00，刚好是 global_int_var , 十进制 84。后面4个字节则刚好是 static_var 的值 85。

现代PC的CUP中都是Little-Endian。Little-endian 规定MSB在存储是放在高地址，传输时放在流的末尾；LSB存储时放在低地址，传输时放在流的开始。

.rodata 段则是一个常量字符串 %d\n 外加结束符。

.bss段

保存未初始化的全局变量和局部静态变量。理论上应该存储 global_uninit_var 和 static_var2 的总大小8字节，但是这里确只有4个字节。

这里编译器将 global_uninit_var 看作了一个未定义的全局变量符号，等到最终链接成可执行文件时才会再在 .bss 段中分配空间。

编译器默认的函数和初始化了的全局变量作为强符号，未初始化的全局变量作为弱符号。

Idx Name          Size      VMA       LMA       File off  Algn
......
  2 .bss          00000004  00000000  00000000  00000088  2**2
......

ELF 文件结构详述

这里我先将这个ELF的文件中所有的段位置、长度都画出来，中间的 Section Table 以及 .real.text 都由于对齐原因与前面的段之间分别有一个字节的间隔。

最后 .real.text 结束后长度为 0x450, 恰好是 example.o 的文件大小。下面分别描述这些不同的段结构信息。

ELF头文件（ELF Header）

通过 readelf -h example.o 命令可以查看ELF头文件的具体信息。

ELF Header:
  Magic:   7f 45 4c 46 01 01 01 00 00 00 00 00 00 00 00 00
  Class:                             ELF32
  Data:                              2's complement, little endian
  Version:                           1 (current)
  OS/ABI:                            UNIX - System V
  ABI Version:                       0
  Type:                              REL (Relocatable file)
  Machine:                           Intel 80386
  Version:                           0x1
  Entry point address:               0x0
  Start of program headers:          0 (bytes into file)
  Start of section headers:          268 (bytes into file)
  Flags:                             0x0
  Size of this header:               52 (bytes)
  Size of program headers:           0 (bytes)
  Number of program headers:         0
  Size of section headers:           40 (bytes)
  Number of section headers:         11
  Section header string table index: 8

分别对应了 /usr/include/elf.h 中的头文件结构。分别定义了ELF魔数、文件机器字节长度、数据存储方式、版本、运行平台、ABI版本、ELF重定位类型、硬件平台、硬件平台版本、入口地址、程序头入口和长度、段表的位置和长度及段数量等。

typedef struct
{
  unsigned char e_ident[EI_NIDENT]; /* Magic number and other info */
  Elf32_Half    e_type;         /* Object file type */
  Elf32_Half    e_machine;      /* Architecture */
  Elf32_Word    e_version;      /* Object file version */
  Elf32_Addr    e_entry;        /* Entry point virtual address */
  Elf32_Off e_phoff;        /* Program header table file offset */
  Elf32_Off e_shoff;        /* Section header table file offset */
  Elf32_Word    e_flags;        /* Processor-specific flags */
  Elf32_Half    e_ehsize;       /* ELF header size in bytes */
  Elf32_Half    e_phentsize;        /* Program header table entry size */
  Elf32_Half    e_phnum;        /* Program header table entry count */
  Elf32_Half    e_shentsize;        /* Section header table entry size */
  Elf32_Half    e_shnum;        /* Section header table entry count */
  Elf32_Half    e_shstrndx;     /* Section header string table index */
} Elf32_Ehdr;

其中，e_ident[EI_NIDENT] 即为ELF的魔数。各个字节含义见下表：

字节	说明
7f	ASCII中DEL控制字符
45 4c 46	对应ELF三个字符的ASCII
01	32位系统， 02则表示64位
01	字节序
01	ELF主版本号

段表（Section Header Table）

前面介绍过 .text, .data 等基本的段，这个段表就是用来保存这些段的基本属性。如每个段的段名、段长度、在文件中的偏移、读写权限以及段的其他属性。

通过 readelf -S example.o可以看到所有的段表结构：

There are 11 section headers, starting at offset 0x10c:

Section Headers:
  [Nr] Name              Type            Addr     Off    Size   ES Flg Lk Inf Al
  [ 0]                   NULL            00000000 000000 000000 00      0   0  0
  [ 1] .text             PROGBITS        00000000 000034 00004c 00  AX  0   0  4
  [ 2] .rel.text         REL             00000000 000428 000028 08      9   1  4
  [ 3] .data             PROGBITS        00000000 000080 000008 00  WA  0   0  4
  [ 4] .bss              NOBITS          00000000 000088 000004 00  WA  0   0  4
  [ 5] .rodata           PROGBITS        00000000 000088 000004 00   A  0   0  1
  [ 6] .comment          PROGBITS        00000000 00008c 00002e 01  MS  0   0  1
  [ 7] .note.GNU-stack   PROGBITS        00000000 0000ba 000000 00      0   0  1
  [ 8] .shstrtab         STRTAB          00000000 0000ba 000051 00      0   0  1
  [ 9] .symtab           SYMTAB          00000000 0002c4 000100 10     10  10  4
  [10] .strtab           STRTAB          00000000 0003c4 000063 00      0   0  1
Key to Flags:
  W (write), A (alloc), X (execute), M (merge), S (strings)
  I (info), L (link order), G (group), x (unknown)
  O (extra OS processing required) o (OS specific), p (processor specific)

以上输出分别对应了 /usr/include/elf.h 中的段表文件结构。

typedef struct
{
  Elf32_Word    sh_name;        /* Section name (string tbl index) */
  Elf32_Word    sh_type;        /* Section type */
  Elf32_Word    sh_flags;       /* Section flags */
  Elf32_Addr    sh_addr;        /* Section virtual addr at execution */
  Elf32_Off sh_offset;      /* Section file offset */
  Elf32_Word    sh_size;        /* Section size in bytes */
  Elf32_Word    sh_link;        /* Link to another section */
  Elf32_Word    sh_info;        /* Additional section information */
  Elf32_Word    sh_addralign;       /* Section alignment */
  Elf32_Word    sh_entsize;     /* Entry size if section holds table */
} Elf32_Shdr;

重定位表（Relocatable Table）

.rel.text 为重定位表，即表示代码段中与一个需要重定位的代码段。.rel.text 就是对 .text 的重定位表，因为 .text 中有对 printf 外部函数的调用，需要在链接阶段重定位其实际函数地址。

字符串表（String Table）

常见有 .strtab 和 .shstrtab 两种字符串表，分别表示为字符串表（string table）和段表字符串表（section header string table）。

字符串表存放普通字符串的，段表字符串表则是用来保存段表中用到的字符串名的。

符号表（Symbol Table）

整个链接过程正是基于符号才能正确完成，每一个目标文件都会有一个相应的符号表，这个表里记录了目标文件中所用到的所有符号。每个定义的符号有一个对应的值，对于函数和变量来说，这个符号值就是它们的地址。 .symtab 中进行存储。

通过 readelf -s example.o 命令可以查看ELF头文件的具体信息。

Symbol table '.symtab' contains 16 entries:
   Num:    Value  Size Type    Bind   Vis      Ndx Name
     0: 00000000     0 NOTYPE  LOCAL  DEFAULT  UND
     1: 00000000     0 FILE    LOCAL  DEFAULT  ABS exmpale.c
     2: 00000000     0 SECTION LOCAL  DEFAULT    1
     3: 00000000     0 SECTION LOCAL  DEFAULT    3
     4: 00000000     0 SECTION LOCAL  DEFAULT    4
     5: 00000000     0 SECTION LOCAL  DEFAULT    5
     6: 00000004     4 OBJECT  LOCAL  DEFAULT    3 static_var.1243
     7: 00000000     4 OBJECT  LOCAL  DEFAULT    4 static_var2.1244
     8: 00000000     0 SECTION LOCAL  DEFAULT    7
     9: 00000000     0 SECTION LOCAL  DEFAULT    6
    10: 00000000     4 OBJECT  GLOBAL DEFAULT    3 global_int_var
    11: 00000004     4 OBJECT  GLOBAL DEFAULT  COM global_unint_var
    12: 00000000    27 FUNC    GLOBAL DEFAULT    1 fun1
    13: 00000000     0 NOTYPE  GLOBAL DEFAULT  UND printf
    14: 0000001b    49 FUNC    GLOBAL DEFAULT    1 main
    15: 00000000     0 NOTYPE  GLOBAL DEFAULT  UND func1

以上输出分别对应了 /usr/include/elf.h 中的符号表文件结构。

typedef struct
{
  Elf32_Word    sh_name;        /* Section name (string tbl index) */
  Elf32_Word    sh_type;        /* Section type */
  Elf32_Word    sh_flags;       /* Section flags */
  Elf32_Addr    sh_addr;        /* Section virtual addr at execution */
  Elf32_Off sh_offset;      /* Section file offset */
  Elf32_Word    sh_size;        /* Section size in bytes */
  Elf32_Word    sh_link;        /* Link to another section */
  Elf32_Word    sh_info;        /* Additional section information */
  Elf32_Word    sh_addralign;       /* Section alignment */
  Elf32_Word    sh_entsize;     /* Entry size if section holds table */
} Elf32_Shdr;

其中 sh_info 为符号类型和绑定信息。其中低4位为符号类型，高4位位符号绑定信息。对应输出中的 Type 与 Bind 两项。

Type 类型	说明
NOTYPE	未知类型符号
OBJECT	数据对象，如变量、数组
FUNC	函数或其他可执行代码
SECTION	表示一个段
FILE	表示文件名

Bind 类型	说明
LOCAL	局部符号，目标文件外部不可见
GLOBAL	全局符号，外部课件