用汇编语言编写计算两整数之和的程序（中）

本文节选自《计算机是怎样跑起来的（第2版）》第 3 章“体验汇编语言”的草稿。在翻译本章时，我们发现原书所使用的软件仅提供日文界面，并且介绍的是主要用于日本计算机相关考试的 CASLⅡ 汇编语言，其通用性相对较低。为了让内容更广泛适用，并便于读者实践操作，与作者及编辑老师商议后，决定采用更为通用的NASM 汇编语言重新编写本章，以提升学习体验。

---

通过前面的学习（用汇编语言编写计算两整数之和的程序（上）），我们知道，虽然同属于低级语言，但汇编语言的程序需要先转换成机器语言的程序才能由 CPU 解释执行。那“计算 1+2”这段代码对应着怎样的机器语言的代码呢？

查看汇编语言对应的机器语言

在汇编语言的开发调试工具 SASM 中，可以通过 GDB 命令来查看汇编语言对应的机器语言的代码。

点击工具栏中的“调试”按钮（图标是右下角有一只蓝色甲虫的绿色三角形）就会进入调试模式。此时，SASM 窗口底部的窗格中会出现一行绿色的文字“正在调试...”。同时，最底部还会出现一个名为“GDB 命令：”的输入框。

另外，进入调试模式后，SASM 会插入一行代码 mov ebp, esp。这行代码后面的注释 ;for correct debugging（为了正确的调试）说明这行代码仅用于辅助调试，并不会影响程序的运行，可以忽略，如下图所示。

我们依次输入如下两条 GDB 命令：

• set disassembly-flavor intel
• disassemble /r

按下回车键后，就会看到在底部的窗格中输出了大量信息：

> set disassembly-flavor intel

> disassemble /r
 Dump of assembler code for function main:
=> 0x00401390 <+0>:        89 e5                mov    ebp,esp
   0x00401392 <+2>:        a1 00 20 40 00        mov    eax,ds:0x402000
   0x00401397 <+7>:        03 05 04 20 40 00    add    eax,DWORD PTR ds:0x402004
   0x0040139d <+13>:    a3 08 20 40 00        mov    ds:0x402008,eax
   0x004013a2 <+18>:    e8 02 00 00 00        call   0x4013a9 <main+25>
   （略）

输出信息中中间部分的十六进制数就是机器语言的代码，例如，第一行中间部分的 89 e5 就是 mov ebp,esp 对应的机器语言的代码。那么，mov 指令对应的十六进制数就是 89 吗？为什么这条 mov 指令明明有两个操作数，应该对应两个十六进制数才对，却只对应了一个 e5？这些问题只能通过查询 CPU 的指令手册才能得知。

mov ebp,esp 对应的机器语言的代码

我们打开X86 Opcode and Instruction Reference（http://ref.x86asm.net/coder32.html），然后搜索 mov。

可以看到，同一条 mov 指令，却对应了 88~8C 等多个十六进制数（这样的十六进制数称为Primary Opcode）。那 mov ebp, esp 中的 mov 到底对应哪个十六进制数呢？这就取决于操作数的类型了。操作数 ebp 和 esp 都是 32 位的寄存器，匹配 r/m16/32 r16/32 这个模式（第 1 个操作数是寄存器或 16/32 位的内存地址，第 2 个操作数是 16/32 位寄存器），所以这一行代码中的 mov 应该对应 89。【TODO 为什么不是 8B？】

那 e5 又是如何对应 ebp, esp 这两个寄存器的呢？这就又涉及到称为 ModR/M byte（https://en.wikipedia.org/wiki/ModR/M）的指令编码方式了。

+-------+---+---+---+---+---+---+---+---+
|  Bit  | 7 | 6 | 5 | 4 | 3 | 2 | 1 | 0 |
+-------+---+---+---+---+---+---+---+---+
| Usage |  MOD  |    REG    |    R/M    |
+-------+---+---+---+---+---+---+---+---+
|   e5  | 1 | 1 | 1 | 0 | 0 | 1 | 0 | 1 |
+-------+---+---+---+---+---+---+---+---+

0xe5 = 1110 0101，如图所示，从左往右数，前两位的二进制数 11 是 MOD，MOD = 11 表示该指令的两个操作数都是寄存器。之后的连续三位二进制数 100 对应寄存器 esp，最后的三位二进制数 101 对应寄存器 ebp（参考http://ref.x86asm.net/coder32.html#modrm_byte_32）。这样一来，一个十六进制数就可以对应两个操作数了。

mov eax, [A]对应的机器语言代码

我们再来看下一行汇编语言的代码 mov eax, [A] 对应的机器语言的十六进制数

a1 00 20 40 00        mov    eax,ds:0x402000

继续在 X86 Opcode and Instruction Reference（http://ref.x86asm.net/coder32.html）中搜索 a1，可以看到

A1    MOV    eAX    moffs16/32

mov 指令（这次对应a1）的两个操作数分别是 eax 寄存器和 16/32 位的内存地址的偏移量（offset）。结合后面的 ds:0x402000 来看，00 20 40 00 就是内存地址偏移量（采用小端序），这里的 ds 是数据段 data segment 的缩写。另外，这个内存地址就是标签 A 对应的内存地址，可以通过 GDB 命令 p &A 验证这一点。

add eax, [B]对应的机器语言代码

最后再来看一下 add 指令对应的机器语言代码。

03 05 04 20 40 00    add    eax,DWORD PTR ds:0x402004

继续查询上述手册可知：

03   ADD    r16/32    r/m16/32

add 指令对应 03，后续的 05 又是ModR/M byte，表示该指令的第一个操作数是寄存器 eax（REG=000），第二个操作数是内存地址（R/M=101）。

+-------+---+---+---+---+---+---+---+---+
|  Bit  | 7 | 6 | 5 | 4 | 3 | 2 | 1 | 0 |
+-------+---+---+---+---+---+---+---+---+
| Usage |  MOD  |    REG    |    R/M    |
+-------+---+---+---+---+---+---+---+---+
|   05  | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 1 |
+-------+---+---+---+---+---+---+---+---+

05 之后的四个字节 04 20 40 00 是标签 B 对应的内存地址。

现在诸位应该能深切地感受到为什么要发明汇编语言了吧，因为使用机器语言编程时不得不记忆毫无规律的数字，实在是太不方便了。

上一篇文章的结尾处提出了一个问题：

在高级语言中，计算两整数之和可以只用两个变量 a += b，但在汇编语言中，为什么不能写成 add [A], [B] 呢？

其实答案很简单，因为没有两个操作数都是内存地址这样的进行加法运算的指令。汇编语言的指令和机器语言的指令是一一对应的，如果某种机器语言的指令不存在，自然也就没有与之对应的汇编语言的指令了。或者说，如果找不到对应的机器语言的指令，这样的汇编语言的指令就是无效的。

---

在下一篇文章中，我们再来看一看如何查看寄存器和内存存储单元中的数据，以及如何进行逐行调试。