如何编写X86_64 _assembler_？

Question

目标:我想编写一个X86_64汇编程序。注:标记为社区wiki

背景:我熟悉C。我以前写过MIPS程序集。我编写了一些x86程序集。但是，我想编写一个x86_64汇编程序--它应该输出我可以跳到并开始执行的机器代码(就像在JIT中那样)。

问题是:解决这个问题的最好方法是什么？我意识到这个问题看起来很大。我想从一套基本的最低标准开始：

• 装入寄存器
• 寄存器上的运算量(只是整数很好，还没有必要弄乱FPU )
• 条件词
• 跳跃

只是一个基本的集合，使它完成图灵。有人做过这个吗？建议/资源？

Answer 1

像任何其他“编译器”一样，汇编程序最好写成一个词汇分析器，输入到语言语法处理器中。

与常规编译语言相比，汇编语言通常更容易，因为您不需要担心跨越线边界的构造，格式通常是固定的。

大约两年前，为了教育目的，我为一个(虚构的) CPU编写了一个汇编程序，它基本上将每一行处理为：

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

最简单的方法是确保令牌易于区分。

这就是为什么我制定了标签必须从:开始的规则--它使得对这一行的分析变得非常容易。处理线路的过程是：

• 去掉注释(从字符串到行尾的第一个; )。
• 如果存在，请提取标签。
• 第一个词是操作。
• 休息是操作数。

您可以很容易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。所有这些都是假设您可以控制输入格式。如果你需要使用英特尔或AT&T格式，那就有点困难了。

我处理它的方式是，有一个简单的每个操作函数被调用(例如，doJmp、doCall、doRet)，该函数决定了操作数中允许的内容。

例如，doCall只允许一个数字或标签，而doRet不允许任何东西。

例如，下面是来自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...函数只接受操作数，并返回一个包含指令的字节数组。当许多操作有类似的操作数要求时，例如adc、,、add、and和`所有在上述情况下都需要两个寄存器操作数(第二个参数控制指令返回的操作码)时，它们非常有用。

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。将操作分离成它们自己的功能提供了一个良好的逻辑结构。

此外，大多数CPU遵循从操作代码到操作的合理逻辑转换(以使芯片设计人员更容易使用)，因此对于所有允许索引寻址的操作码，都会有非常类似的计算。

为了在CPU中正确地创建允许可变长度指令的代码，最好在两次传递中完成。

在第一遍中，不要生成代码，只需要生成指令的长度。这允许您在遇到所有标签时为它们赋值。第二次传递将生成代码，并可以填充对这些标签的引用，因为它们的值是已知的。上面那个代码段中的ignoreVars就是为此目的使用的(返回了字节代码序列，这样我们就可以知道长度，但是任何对符号的引用都只是使用0)。

Answer 2

这并不是为了让你气馁，但是已经有了各种不同的许多汇编程序。请考虑为现有的开源项目(如elftoolchain工具链 )做出贡献。