摘要： 本文簡單介紹了Clang編譯過程中涉及到的步驟和每個步驟的産物，并簡單分析了部分影響預處理和編譯成功的部分因素。
本文分享自華為雲社群《Clang編譯步驟及指令梳理》，作者：maijun。
本文簡單介紹部分Clang和LLVM的編譯指令。更關注前端部分（生成 IR 部分）。
我們可以使用指令列印出來Clang支援的步驟，如下：
根據上面的介紹，可以根據每一部分的結果，分為5個步驟（不包含上面的第0步）：preprocessor、compiler、backend、assembler、linker等。
具體到 Clang 中每一步驟生成的結果檔案。我們可以使用下面的示意圖來表示：
說明：上面的示意圖以Clang編譯一個C檔案為例，介紹了Clang編譯過程中涉及到的中間檔案類型：
(1) test.c 為輸入的源碼（對應步驟 0）；
(2) test.i 為預處理檔案（對應步驟 1 的輸出，cpp-output 中，cpp 不是指 C++ 語言，而是 c preprocessor 的 縮寫）；
(3) test.bc 為 bitcode檔案，是clang的一種中間表示（對應步驟 2 的輸出）；
(4) test.ll 為一種文本化的中間表示，可以打開來看的（對應步驟 2 的輸出， 和 .bc 一樣都是中間表示，可以互相轉化）；
(5) test.s 為彙編結果（對應步驟 3 的輸出）；
(6) test.o 為單檔案生成的二進制檔案（對應步驟 4 的輸出）；
(7) image 為可執行檔案（對應步驟 5 的輸出）。
注意：示意圖畫的也并不完整，如下介紹：
(1) 箭頭所指的方向，表示可以從一種類型的檔案，生成箭頭所指的檔案類型；
(2) 圖中箭頭并沒有畫完，比如可以從 test.c 生成 test.s, test.o 等。如果将上面的示意圖當做一種 有向圖，那麼基于 箭頭 所指的方向，隻要 節點能連接配接的點，都是可以做轉換的；
(3) 圖中的實線和虛線，隻是表示本人關心的Clang編譯器中的内容，并沒有其他的含義，本文也隻介紹圖中實線部分的内容，虛線部分的内容不做介紹。
下面介紹部分涉及到上面步驟的轉換指令：
上面列出了一部分Clang不同檔案直接轉換的指令（和第 1 部分的 示意圖 序号比對，還是隻關心前端部分）。隻是最後增加了一個将多個 bc 合并為一個 bc file 的指令。
我們可以通過如下的指令檢視源碼的AST結構：
列印出來的AST資訊，其實是預處理之後展開的源碼資訊，源碼的AST内容在列印出來的内容的最下面。
如下面的代碼：
列印出來的部分AST（僅根目前檔案内容比對部分）如下：
頭上的頭檔案引用等已經展開，沒有了，但是下面的 main 函數定義，則如上面的 FunctionDecl 所示，并且給出了 代碼中的位置。這裡就不詳細分析AST的結構了，寫幾個例子比對一下就很容易了解。
目前，很多靜态代碼分析工具，都采用 Clang 和 LLVM 作為底座來開發靜态代碼分析工具。Clang自己也有 clang-tidy 工具可以用來做 C/C++ 語言的靜态代碼分析。為了能夠用 Clang 和 LLVM 來成功分析 C/C++ 代碼，需要考慮如何成功使用 Clang 和 LLVM 來編譯 C/C++ 代碼。可以考慮的是，成功生成 bc file，是靜态代碼分析的基礎操作。
預處理過程，作用跟名字一樣，都可以不當做編譯的一個步驟，而是編譯的一個預處理操作。我們說得再直白一點兒，其實就是做了一個文本替換的活兒，就是對 C/C++ 代碼中的 預處理指令 進行處理。預處理指令很簡單，比如 #include，#define 等，都是預處理指令（可以參考：https://docs.microsoft.com/en-us/cpp/preprocessor/preprocessor-directives?view=msvc-170，或者google下，很多介紹的）。
如果程式中沒有預處理指令，即使我們随便瞎寫的代碼，預處理也一般不會有問題，如下的代碼（main.c）：
我們仍然可以正确得到 預處理結果：
為了成功執行預處理執行，很容易了解，就是可以對程式中的所有的 預處理指令 進行處理。比如：
(1) #include，依賴了一個頭檔案，我們能不能成功找到這個頭檔案；
(2) #define，定義了一個宏，在程式中定義宏的時候，我們能不能準确找到宏（找到，還必須準确）；
(3) 其他指令。
這一步是針對上一步生成的預處理指令，進行解析的操作。這一步才是最關鍵的，歸根結底，我們需要保證一點：使Clang編譯器可以正确識别出來代碼中内容表示的文法結構，并且接納這種文法結構！
舉一些簡單例子：
(1) -std 用來指定支援的 C/C++ 标準的，如果我們沒有指定，那麼就會采用 Clang 預設的标準來編譯，就可能導緻文法不相容；
(2) -Werror=* 等參數，可能将某些能識别的文法，給搞成錯誤的使用；
(3) 其他的部分，跟文法識别的參數；
(4) 還有一部分的文法，可能 Clang 自始至終就沒有進行适配，這種就要考慮修改源碼了。
在真正編譯中，如果連結有問題，那就會失敗，但是在靜态代碼分析中，連結有失敗（無法連結）或者錯誤（不相關的給連結在一起），可能多點兒分析誤報或者漏報，一般不會導緻分析失敗。這類問題，影響的不是中間表示的生成，而是分析結果（影響跨檔案的過程間分析，影響對built-in函數的模組化等）。
一般，連結指令的捕獲，target資訊配置等，會影響這部分的能力。當然，也跟你實作的工具有關（如果實作的工具，就沒有跨檔案的能力，這部分内容也沒啥影響）。
點選關注，第一時間了解華為雲新鮮技術~