x86汇编

约 4165 个字 10 行代码预计阅读时间 14 分钟

历史

Intel 处理器系列俗称x86系列，由来可以追溯到1978年的8086处理器，这之后Intel 又退出了一系列以86结尾的处理器，比如80386。然后由于命名习惯，整个系列都被称作x86架构

环境与基础知识

汇编语言简介

汇编语言发展至今，有以下3类指令组成： 1. 汇编指令：机器码的助记符，有对应的机器码 2. 伪指令：没有对应的机器码，由编译器执行，计算机不执行 3. 其他符号：如+、-、*、\等，由编译器识别，没有对应机器码

通用寄存器

8086CPU的所有寄存器都是16位的，一共有14个寄存器，其中AX,BX,CX,DX是通用寄存器，用来存储数据，其实相当于硬件指定了名称的变量，8086CPU上一代CPU的寄存器都是8位的，为了保证兼容，使原来基于上代CPU编写的程序稍加修改就可以运行于8086之上，8086CPU的AX,BX,CX,DX这4个寄存器都可分为两个可独立使用的8位寄存器来用———_X可分为_H和_L，分别是低八位和高八位。

字在寄存器中的存储

处于对兼容性的考虑，8086CPU可以一次性处理以下两种尺寸的数据： * 字节：记为byte，一个字节由8个bit组成，可以存在8位寄存器中 * 字：记为word，一个字由两个字节组成，这两个字节分别称为这个字的高位字节和低位字节

几条汇编指令

汇编指令	控制 CPU 完成的操作
mov ax,18	把18送入寄存器AX
add ax,8	将寄存器AX的值加上8
mov ax,bx	将寄存器BX的数据送给AX
add ax,bx	将AX和BX中的数值相加，结果存在AX中

物理地址

8086 CPU有20位地址总线，可以传送20位地址，达到1MB的寻址能力。8086 CPU 又是16位结构，在内部一次性处理、传输、暂存的地址为16位。8086 CPU在内部用两个16位地址形成一个20位的物理地址。 * CPU相关部件提供两个16位地址，一个称为段地址，令一个称为偏移地址 * 段地址和偏移地址通过内部总线送入一个称为地址加法器的部件 * 地址加法器将两个16位地址合并为一个20位物理地址，物理地址=段地址*16+偏移地址

段寄存器

8086有4个段寄存器：CS,DS,SS,ES。CS 和 IP 是最关键的寄存器，它们指示了CPU当前要读取指令的地址。CS为代码段寄存器，IP为指令指针寄存器，在8086PC机中，任意时刻，CPU将从内存 M*16+N单元开始，读取一条指令并执行。 * 同时修改CS/IP的内容，可用形如 jmp段地址：偏移地址的指令完成 * 若仅想修改IP的内容，可用形如jump 某一合法寄存器的指令完成

16位汇编（以DOS环境为主）

汇编指令与机器码

机器码与汇编指令一一对应：机器码是汇编指令的二进制形式，按照Intel公司的手册，两者的关系是一一对应的。因此，学习汇编指令可以理解为编程时控制硬件工作的语言，不需要直接学习机器码。

指令长度

复杂指令集(CISC)与精简指令集(RISC)：CISC（如x86架构）中的机器码长度不固定，有长有短，因其复杂性可以执行更为复杂的指令，但往往功耗较高。而RISC指令集的指令长度固定，设计更为简单。
指令长度的推测：CPU在读取一条指令时，可以通过首字节判断出该指令的长度，然后取出整条指令。

代码段与数据段

段地址与偏移地址：
段地址：通常通过seg获取，seg hello表示获取对象hello的段地址。
偏移地址：通常通过offset获取，如offset hello表示获取hello的偏移地址。

特殊符号

$符号：在汇编语言中，$可以用来表示当前行的结尾或字符串的结尾。它常用于标识字符串结束的位置。
0Dh与0Ah的区别：
0Dh（Carriage Return, CR）表示回车，光标返回到行首。
0Ah（Line Feed, LF）表示换行。在DOS系统中，回车和换行是分开的，而在现代操作系统如Windows和Linux中，回车和换行会被自动合并。

DOS系统调用

调用操作系统函数（DOS下的16位汇编）：使用int 21h中断调用函数，21h表示调用DOS系统提供的一系列功能，比如文件操作、字符输出等。

32位汇编（以Windows或现代x86架构为主）

寄存器与调用规则

eax存储返回值：函数的返回值会存储在eax寄存器中。
call与invoke：call用于调用函数，invoke也有类似的作用，但无需使用括号。

编译优化与硬件断点

硬件调试与优化：在硬件调试时，通常需要设置编译选项，使用x86架构、关闭编译优化，并去除调试信息。VS Stdio中最多支持4个硬件断点。

函数调用与返回

main函数不是最先被执行的：在执行main函数之前，通常有一段初始化代码来设置环境和变量。

wsprintf与MessageBoxA

wsprintf函数：这是Windows系统的内部函数，与C标准库的sprintf类似，用于格式化字符串并将其存入缓冲区。
MessageBoxA函数：用于弹出消息框，格式如MessageBoxA(0, offsets result, offset prompt, 0)，其中prompt为弹框标题，result为正文内容，0表示无父窗口。

汇编语言的编译和变量

编译后的汇编代码：变量名、数组名、函数名在编译后会丢失，只有内存地址和机器指令被保留。
include与includelib：include表示包含头文件，includelib则表示要用到Windows库函数。

区分16位与32位的内容

16位汇编：以DOS操作系统为主要环境，寄存器如ax, bx, cx等常用于16位数据处理，调用操作系统函数需要通过中断号如int 21h。
32位汇编：在现代x86架构下，寄存器扩展为32位，如eax, ebx, ecx等，函数调用更多依赖于系统API，而不是中断。

如何编译汇编程序

32位汇编

双击XP虚拟机下D:\masm32\qeditor.exe 运行汇编语言集成环境
在集成环境打开目标文件（此文件要先拷到masm32文件夹内，即和qeditor.exe放在一起）
点菜单project->build all进行编译生成可执行文件
点菜单project->run program运行可执行文件

16位汇编

物理机安装：按照bhh的网页在Windows物理机安装，我在注册表上遇到了一点麻烦，最后遂偷懒选择了虚拟机
用 Editplus 写hello.asm并保存到D:\MASM
编译：masm name.asm;
链接：link name.obj
执行：name.exe
Vmware 虚拟机：也是按照bhh的网页安装，貌似已经有17了，bhh给的16，问题不大，这个网上随便找一个码就可以验证
进入XP命令行窗口
d: 进入D盘
cd \masm 进入D:\masm
把源程序保存到D:\masm中
后续步骤同物理机
Bochs 虚拟机
下载压缩包cc.zju.edu.cn/bhh/bochs@bw.zip，把它复制到D盘并解压缩
下载并安装得到一个硬盘镜像管理软件winimage:cc.zju.edu.cn/bhh/winimage10.zip
把源程序保存到虚拟机硬盘镜像中，双击D:\bochs@bw\dos.img文件，打开虚拟机的硬盘镜像，点开虚拟机硬盘中的masm目录，在把物理机中的源程序拖动到winimage窗口中
启动bochs虚拟机，双击D:\bochs@bw\bochsdbg.exe，在点击Load，选择配置文件，再点Start按钮启动虚拟机，在任务栏中选择Bochs Enhanced Debugger这个子窗口，点continue，在任务栏选择Bochs for Windows-Display这个子窗口，选择1. Soft-ice，敲回车，这样就进入了虚拟机的DOS系统
cd \masm，后面就是一模一样的
点Power按钮关机

调试

td name.exe * F8: Step over * ctrl+g 输入地址可以查看地址的内容 * ctrl+o: 可以回到将要执行但尚未执行的指令处 * Windows->user screen或Alt+F5查看程序输出结果，敲任意键回到调试窗口

常规语法

变量内存

db:char,b:byte
dw:short int,w:word
dd:long int或float，d:double words
dq:long long或double,q:quatdruuple，但是C最开始是没有64位int的，所以不同的平台命名会不同 "%lld"输入输出
dt:long double,t:ten bytes（80位） "Lf"输入输出汇编语言是变量名在前，类型在后

语法

指令的参数最多只能有一个内存变量，另一个必须是寄存器或者常数
AL里面是返回码，确认b.exe是否运行正常，通常是0表示正常，而非0表示错误，但并不存在al与bl同时执行
段地址：[偏移地址]用来表示段地址：偏移地址指向的对象，可以理解为C语言*(段地址+偏移地址)。段地址指定了内存中的一个段的起始位置。段是内存中的一块连续区域，通常包含特定类型的数据或代码。例如，在x86架构中，段可以包含代码段、数据段、堆栈段等。偏移地址表示相对于段起始位置的偏移量。它通常用于指向段内的具体位置，以实现对段内的精确访问。实际地址是通过段地址和偏移地址的结合来计算的。计算公式如下：实际地址=段地址×16+偏移地址。要在程序中引用变量需要先把seg_addr赋值给某个段寄存器如ds，再用ds:[off_addr]的形式引用它，注意不可以直接用常数引用，这是非法的。
小端地址(small-endian)：先存放低八位，再存放高八位。为什么需要小端序？以C语言不等字节赋值为例，小端序可以保证整体地址与末尾地址相同。
编译器会默认8086架构，这个架构是没有eax这些寄存器的，可以指定.386表示接下来的代码中要用到32位寄存器
汇编语言的等宽规则，左右等宽，但有的时候会发生一些特别的情况，byte ptr表示强制类型转化，相当于C语言的(char *)。具体而言就是可以用ptr修饰变量指定变量的宽度：
byte ptr 表示该变量的宽度为1个字节
word ptr 表示该变量的宽度为2个字节
dword ptr 表示该变量的宽度为4个字节
32位寄存器的低16位是原先的16位寄存器，比如eax第16位是ax，ax高8位是ah，低8位是ax，另外那16位没有用

Note

汇编里面的常数是没有宽度的，自然也不可能去改变宽度
汇编必须要满足等宽原则
在汇编中使用h表示16进制数，但是如果数字开头是字母是不允许的，因为会产生混淆
汇编语言一条指令中不允许设置两个变量
汇编里面如果有两个操作数，一定是从右到左，右边是源，左边是目标

Visual C++

高版本的VS页面会很复杂，相对来说低版本的VC就要好很多： * F7 build all * F10 debug by step * F11 jump into the function * release 与 debug模式存在区别

逻辑运算

& and
| or
^ xor
~ not
<< shl
>> shr
rol ror 循环位移 ， bhh教材p32将32位转化为16进制输出

段地址与偏移地址

; 段地址的起始位置的十六进制末位一定为0，一个段的最大长度是10000h，即64k,1k=1024 byte
data segement
a db 1,2,3
b dw 12345678h
data end

code segement
assume cs:code, ds:data ;这是编译命令，不会产生真正的二进制代码
main:
  mov ax, data
  mov ds, ax
begin:
  mov ax, b[2] ;这里的方括号不是C的方括号，是真的只偏了2个16bit
  mov bx, offset b
  add bx, 2
  mov ax, ds[bx]
  mov si, offset main

在指令中不能用物理地址去访问变量，只能用逻辑地址访问变量，而且段地址不能是常数，必须是段寄存器。之所以会有这种情况是因为最开始的寄存器只有16位，直接装不下20位的物理地址的。寄存器bx,bp,si,di可以放在[]内引用变量，它们相当于C语言中的指针变量p ds得自己手动调整，不可能自动进位的s，也许可以去用32位寄存器，在32位系统中还是会有段地址，但用途变成对内存进行分块，比如给操作系统预留内存 [bx-si]、[bp-si]都是错误的写法

CPU 里面的寄存器有：ax,bx,cx,dx,sp,bp,si,di sc,ds,es,ss 用来表示段地址，s结尾表示segement ip,fl

ax,bx,cx,dx是通用寄存器，作用是做一些计算：算数计算和逻辑计算 cs,ds,es,ss用来表示段地址 bx,bp,si,di用来表示偏移地址 ip,fl,sp cs:ip 指向当前将要执行的指令，其中ip是指令寄存器(instruction pointer)，cs是代码段寄存器 ss:sp 指向堆栈顶端，其中sp是堆栈指针(stack pointer)，ss是堆栈段寄存器 fl 是标志计算器(flag)

显存

计算机启动与显卡映射在计算机启动时，显卡的文本模式地址（B800:0000）与显卡相应的内存地址映射起来。在汇编语言中，通过以下指令可以将B800:0000地址加载到段寄存器中，实现映射：

mov ax, 0B800h  ; 加载B800h地址
mov ds, ax      ; 将B800h地址加载到段寄存器DS中

显卡的工作模式显卡有两种工作模式：
文本模式：只能显示字符，每个字符占用两个字节。第一个字节是字符的ASCII码，第二个字节是字符的颜色信息。颜色信息的格式为：高4位表示背景色，低4位表示前景色。例如：

mov byte ptr ds:[0], 'A'    ; 显示字符'A'
mov byte ptr ds:[1], 74h    ; 设置前景色为红色，背景色为黑色

显存地址的计算公式为： [ \text{偏移地址} = (y \times 80 + x) \times 2 ] 其中x为字符在行中的位置，y为字符所在的行号。

图形模式：在图形模式下，可以显示像素点而非字符。图形模式下，显存地址的计算公式为： [ \text{偏移地址} = y \times 320 + x ] 其中x和y分别表示像素点的横纵坐标。

切换到图形模式可以通过调用BIOS中断int 10h实现，指定相应的功能号即可完成模式切换。

汇编伪指令与编译后的优化在汇编代码中，伪指令如i和dw并不会生成对应的机器指令，它们主要用作编译时的辅助。在最终的可执行文件中，这些伪指令不会存在。
点阵汉字的表示在计算机显示汉字时，通常使用点阵字体。对于16×16点阵的汉字，每个汉字需要32个字节的数据来构造（16行，每行占用2字节）。
汇编中的移位与进位标志在汇编语言中，移位操作时，移出的位会暂时存入进位标志位（CF）中，而不会立刻丢失。例如，左移或右移时，超出的位存入CF，CF可以用于后续逻辑操作。
jc指令：当CF=1时跳转。
jnc指令：当CF=0时跳转。
push 和 pop 操作在汇编中，push和pop指令用于保存和恢复寄存器的值。例如，push di会将当前di寄存器的值压入栈中，而pop di则会从栈中弹出原来的值。在图形模式中，处理换行时可以通过增加偏移量来实现：

di + 320  ; 实现换行

这一段代码用于在显卡中从一行移动到下一行，每行有320个像素点，因此di增加320可以跳到下一行的起始位置。

段假设

assume 是段假设

data segment
abc db 1,2,3,4
data ends

code segment
assume cs:code, ds:data
;编译以后会消失
;cs不需要赋值会自动等于code 但ds 不会
;同一个段与多个寄存器关联时：ds>ss>es>cs
main:
   mov ax, data
   mov ds, ax
   mov al, abc ;编译器会帮你加括号，然后再编译
   mov al, [abc] ;直接寻址
   mov al, abc[1]
   ; mov al, [abc+1]
   ; mov al, data:[0+1]，但这是过不了编译的，因为不允许段地址是常数，所以需要段假设，将abc替换成ds:[1]

end

end 表示源程序的结束，main表示程序刚开始运行的时候首条指令的偏移地址 main并不是非要在段首，它只起到一个开始的作用但是程序里面可以没有main，和C语言的main不一样 .386表示当前环境支持32位寄存器，但是还要在每个段都加一个use 16告诉编译器偏移地址

远指针

这是一个比较过时的概念，远指针（far pointer）是用于在某些特定的计算机架构下访问内存的指针类型，尤其是在早期的16位x86体系结构中。由于当时的16位系统的寻址空间有限，不能直接访问超过64KB的内存，所以引入了"远指针"的概念来解决这个问题。

远指针有32位，可以保存段地址和偏移地址