汇编语言学习与Makefile入门

继续开发

; hello-os
; TAB=

        ORG        0x7c00            ; 指明程序的装载地址

; 以下的记述用于标准FAT12格式的软盘

        JMP        entry
        DB        0x90
        DB        "HELLOIPL"        ; 启动区的名称
        DW                    ; 每个扇区(sector）的大小
        DB                    ; 簇(cluster)的大小
        DW                    ; FAT的起始位置
        DB                    ; FAT的个数
        DW                    ; 根目录的大小
        DW                    ; 该磁盘的大小
        DB        0xf0            ; 磁盘的种类
        DW                    ; FAT的长度
        DW                    ; 1个磁道(track)有几个扇区
        DW                    ; 磁头数
        DD                    ; 不适用分区
        DD                    ; 重写一次磁盘大小
        DB        ,,0x29        ;
        DD        0xffffffff        ;
        DB        "HELLO-OS   "        ;  磁盘名称
        DB        "FAT12   "        ; 磁盘格式名称
        RESB                    ; 先空出18字节

; 程序核心

entry:
        MOV        AX,            ; 初始化寄存器
        MOV        SS,AX
        MOV        SP,0x7c00
        MOV        DS,AX
        MOV        ES,AX

        MOV        SI,msg
putloop:
        MOV        AL,[SI]
        ADD        SI,            ; 给SI加1
        CMP        AL,
        JE        fin
        MOV        AH,0x0e            ; 显示一个文字
        MOV        BX,            ; 指定字符颜色
        INT        0x10            ; 调用显卡BIOS
        JMP        putloop
fin:
        HLT                    ; 让CPU停止，等待指令
        JMP        fin            ; 无限循环

msg:
        DB        0x0a, 0x0a        ; 换行2次
        DB        "hello, world"
        DB        0x0a            ; 换行
        DB        

        RESB        0x7dfe-$        ; 0x7dfe和当前字节之间用0x00填写

        DB        0x55, 0xaa

; 以下是启动区以外部分的输出

        DB        0xf0, 0xff, 0xff, 0x00, 0x00, 0x00, 0x00, 0x00
        RESB
        DB        0xf0, 0xff, 0xff, 0x00, 0x00, 0x00, 0x00, 0x00
        RESB        

这段程序里有很多新指令，我们从上到下依次来看看。

---

ORG指令，来源于"origin"，意思是“源头，起点”。它会告诉nask，在开始执行的时候，把这些机器语言指令装载到内存的哪个地址，这里是0x7c00。有了这条指令的话，美元符($)的含义也随之变化，它不再是指输出文件的第几个字节，而是将要读入的内存地址。

JMP指令，来源于“jump”，意思是“跳转”。

entry:是标签的声明，用于指定JMP指令的跳转目的地，是“入口”的意思。

MOV指令的使用次数仅次于DB指令。“MOV AX,0”，相当于“AX=0;”这样一个赋值语句。同样，“MOV SS,AX”就相当于"SS=AX;"。MOV命令源自“move”，意思是“移动”。一般说来，如果我们把一个东西移走了，它原来所占用的位置就会空出来。但是，在执行"MOV SS,AX"语句之后，AX并没有变空，还保留着原来的指不变。

---

现在说说AX和SS。CPU里有一种名为寄存器的存储电路，相当于机器语言中的变量。具有代表性的寄存器有以下8个。

AX:accumulator，累加寄存器
BX:base，基址寄存器
CX:counter，计数寄存器
DX:data，数据寄存器

SP:stack pointer，栈指针寄存器
BP:base pointer，基址指针寄存器

SI:source index，源变址寄存器
DI:destination index，目的变址寄存器

这些寄存器全部都是16位寄存器，因此可以存储16位的二进制数。虽然它们都有上面这种正式名称，但平常使用的时候，往往用英文字母来代替，称他们为“AX寄存器”、"SI寄存器"等。

其实寄存器的全名还是很能说明它本来的意义的。比如在这8个寄存器中，不管使用哪一个，差不多都能进行同样的计算，但如果都用AX来进行各种运算的话，程序就可以写得很简洁。

“ADD CX,0x1234”编译成81 C1 34 12，是一个4字节的命令
而
“ADD AX,0x1234”编译成05 34 12，是一个3字节的命令

从上面的例子可以看出，这里所说的“程序可以写得很简洁”是指“用机器语言写程序”的情况，从汇编语言的源代码上是看不出这些区别的。如果我们不懂机器语言，就会有很多地方难以理解。

再说说别的寄存器，CX是为方便计数而设计的，BX则适合作为计算内存地址的基点。其他的寄存器也各有优点。这8个寄存器全部合起来也才只有16个字节。

另一方面，CPU中还有8个8位寄存器。

AL:累加寄存器低位(accumulator low)
CL:计数寄存器低位(counter low)
DL:数据寄存器低位(data low)
BL:基址寄存器低位(base low)

AH:累加寄存器高位(accumulator high)
CH:计数寄存器高位(counter high)
DH:数据寄存器高位(data high)
BH:基址寄存器高位(base high)

名字看起来有点像，其实这是有原因的：AX寄存器共有16位，其中0位到7位的低8位称为AL，而8位到15位的高位称为AH。所以，如果以为“再加上这8个8位寄存器，CPU就又可以多保存8个字节了”就大错特错，CPU还是那个CPU，依然只能存储区区16个字节。

那BP、SP、SI、DI怎么没分为“L”和“H”呢？如果无论如何都要分别取高位或低位数据的话，就必须先用“MOV,AX,SI”将SI的值赋到AX中去，然后再用AL、AH来取值。这貌似就是英特尔的设计人员的思维模式。

“喂，我家的电脑是32位的，可以不是16位。这样就能以32位为单位来处理数据了吧？那32位的寄存器在哪儿呀？”大家可能会有这样的疑问：

EAX,ECX,EDX,EBX,ESP,EBP,ESI,EDI

这些就是32位寄存器。这次的程序虽然没有用到它们，但如果想用也是完全可以使用的。在16位寄存器的名字前面加上一个E就是32位寄存器的名字了。这个字母E其实还是来源于“Extend”这个词。虽说EAX是个32位寄存器，但其实跟前面一样，它有一部分是与AX公用的，32位中的低16位就是AX，而高16位既没有名字，也没有寄存器编号。也就是说，虽然我们可以把EAX作为2个16位寄存器来用，但只有低16位用起来方便；如果我们要用高16位的话，就需要使用移位命令，把高16位移到低16位后才能用。

段寄存器，它们都是16位寄存器：

ES:附加段寄存器(extra segment)
CS:代码段寄存器(code segment)
SS:栈段寄存器(stack segment)
DS:数据段寄存器(data segment)
FS:没有名称(segment part2)
GS:没有名称(segment part3)

---

“MOV SI,msg”，MOV是赋值的意思：SI=msg。而msg是下面将会出现的标号，“把标号赋值给寄存器？”这到底是怎么回事？

前面我们已经看到了“JMP entry”这个指令，其实把它写成“JMP 0x7c50”也完全没有问题。本来JMP指令的基本形式就是跳转到指定的内存地址，因此这个指令就是让CPU去执行内存地址0x7c50的程序。

之所以可以用"JMP entry"来代替"JMP 0x7c50"，是因为entry就是0x7c50。在汇编语言中，所有标号都仅仅是单纯的数字。每个标号对应的数字，是由汇编语言编译器根据ORG指令计算出来的。编译器计算出的“标号的地方对应的内存地址”就是那个标号的值。

所以，如果我们在这个程序中写了“MOV AX,entry”，那它就会把0x7c50代入到AX寄存器里，我们代入到AX寄存器中的就是这个简单的数字。大家可不要以为写在“entry”下面的程序也都被存储了，这是不可能的。

那么"MOV SI,msg"会怎么样呢？由于在这里msg的地址是0x7c74，所以这个指令就是把0x7c74代入到SI寄存器中去。

---

下面来看看"MOV AL,[SI]"。方括号代表“内存”，简单的说，它就是一个超大规模的存储单元。通过对寄存器的讲解，现在大家都知道了CPU的存储能力很差，如果我们想让CPU处理大量信息，就必须给它另外准备一套用于存储的电路。因为即便是32位的CPU，把所有普通的寄存器都加在一起，最多也只能存储32个字节的数据。就算把段寄存器也全部都用上，也才只有44字节。这么小的存储空间，就连启动电脑所必需的启动区数据都放不下。

内存并不在CPU的内部，而是在CPU的外面。所以对于CPU来说，内存实际上是外部存储器。这点很重要，就是说CPU要通过字节的一部分管脚（引线）向内存发送电信号，告诉内存:"把5678号地址的数据通过我的管脚传过来（严格说，CPU和内存之间还有称为芯片的控制单元）！"CPU向内存读写数据时，就是这样进行信息交换的。

CPU与内存之间的电信号交换，并不仅仅是为了存取数据。因为从根本上讲，程序本身也是保存在内存里的。程序一般都大于44字节，不可能保存在寄存器中，所以规定程序必须放在内存里。CPU在执行机器语言时，必须从内存一个命令一个命令地读取程序，顺序执行。

MOV指令的数据传送源和传送目的地不仅可以是寄存器或常数，也可以是内存地址。这个时候，我们就使用方括号来表示内存地址。另外，BYTE、WORD、DWORD等英文词也都是汇编语言的保留字：

MOV BYTE [],

这个指令是要用内存的“678”号地址来保存“123”这个数值。虽然指令里有数字，但实际上内存和CPU一样，根本就没有什么数值的概念。所谓的“678”，不过就是一大串开（ON）或者关（OFF）的电信号而已。当内存收到这一串信号是，电路中的某8个存储单元就会响应，这8个存储单元记住代表“123”的开（ON）或关“OFF”的电信号。为什么是8位呢？这是因为指令里指定了“BYTE”。同样，我们还可以写成：

MOV WORD [],

这种情况下，内存地址中的678号和旁边的679号都会做出反应，一共是16位。这时，123被解释成一共16位的数值，也就是0000000001111011，下位的01111011保存在678号，上位的00000000保存在旁边的679号。像这样在汇编语言里指定内存地址是，要用下面这种方式来写：

数据大小[地址]

这是一个固定的组合。如果我们指定“数据大小”为BYTE，那么使用的存储单元就是地址所指定的字节。如果我们指定“数据大小”位WORD，则与WORD相邻的一个字节也会成为这个指令的操作对象。如果指定为DWORD，则与WORD相邻的两个字节，也都成为这个指令的操作对象（共4个字节）。这里所说的相邻，指的是地址增加方向的相邻。

至于内存地址的指定方法，我们不仅可以使用常数，还可以用寄存器。比如“BYTE [SI]”、“WORD [BX]”等等。如果SI中保存的是987的话，“BYTE [SI]”就会被解释成“BYTE [987]”,即指定地址为987的内存。

虽然我们可以用寄存器来指定内存地址，但可作为此用途的寄存器非常有限，只有BX、BP、SI、DI这几个。剩下的AX、CX、DX、SP不能用来指定内存地址，这是因为CPU没有处理这种指令的电路，或者所没有表示这种处理的机器语言。没有对应的机器语言当然也就不能进行这样的处理了。所以想把DX内存里的内容复制给AL的时候，就会这样写：

MOV BX, DX
MOV AL, BYTE [BX]

根据以上说明我们知道可以用下面这个指令将SI地址的1字节内容读到AL。

MOV AL, BYTE [SI]

可是MOV指令有一个规则，那就是源数据和目的数据必须位数相同。也就是说，能向AL里代入的就只有BYTE，这样一来就可以省略BYTE，即可以写成：

MOV AL, [SI]

所以，这个指令的意思就是“把SI地址的1个字节的内容读入AL中”。ADD是加法指令，若以C语言的形式改写“ADD SI,1”的话，就是SI=SI+1。

---

CMP是比较指令，简单的说，它是if语句的一部分。比如C语言的“if(a==3){处理;}”即对a和3进行比较，将其翻译成机器语言是，必须先写"CMP a,3"，告诉CPU比较的对象，然后下一步再写“如果二者相等，需要做什么”。

这里是“CMP AL,0”，意思就是讲AL中的值与0进行比较。这个指令源自英文中的cpmpare，意为”比较”。

JE是条件跳转指令中之一。所谓条件跳转指令，就是根据比较的结果决定跳转或不跳转。就JE指令而言，如果比较结果相等，则跳转到指定的地址；如果比较结果不等，则不跳转，继续执行下一条指令。因此：

CMP AL,
JE fin

这两条指令，就相当于：

if(AL == ){ goto fin;}

这条指令源自英文"jump if equal",意思是如果相当就跳转。fin是个标号，它表示“结束(final)”的意思。

---

INT是软件中断指令。暂时先把它看作一个函数调用，这个指令源自"interrupt"，是“中途打断”的意思。

电脑里有个名为BIOS的程序，出厂时就组装在电脑主板上的ROM单元里。电脑厂家在BIOS中预先写入了操作系统开发人员经常会用到的一些程序。BIOS是英文"basic input output system"的缩写，直译过来就是"基本输入输出系统"

最近的BIOS功能非常多，甚至包括了电脑的设定画面，不过它的本质正如其名，就是为操作系统开发人员准备的各种函数的集合。而INT就是用来调用这些函数的指令。INT额后面是个数字，使用不同的数字可以调用不同的函数。这次我们调用的是0x10(即16)号函数，它的功能是控制显卡。

比如我们现在想要显示文字，先假设一次只显示一个字，那么具体怎么做才能知道这个功能的使用方法呢？

首先，既然是要显示文字，就应该看跟显卡有关的函数。这么看来，INT 0x10好像有点关系：

显示一个字符
AH=0x0e;
AL=character code;
BH=;
BL=color code;
返回值:无
注:beep、退格(back space)、CR、LF都会被当做控制字符处理

所以，如果大家按照这里所写的步骤，往寄存器里代入各种值，再调用INT 0x10，就能顺利地在屏幕上显示一个字符出来。虽然BL中放入的是色彩字符码，但这里变更后，颜色并没有变。尚不清楚为什么只能显示白色，只能推测现在这个画面模式下，不能简单地指定字符颜色。

---

最后一个新出现的指令是HLT。这个指令很少用，它是让CPU停止动作的指令，不过并不是彻底的停止(如果要彻底停止CPU的动作，只能切断电源)，而是让CPU进入待机状态。只要外部发生变化，比如按下键盘，或是移动鼠标，CPU就会醒过来，继续执行程序。

仔细看看这个程序，我们会发现其实不管有没有HLT指令，JMP fin都是无限循环，不写HLT指令也可以。但如果没有HLT指令，CPU就会不停地全力去执行JMP指令，这会是CPU符合达到100%，非常费电。最好是一开始就养成待机时使用HLT指令的习惯，HLT源自"halt"，意思是“停止”。

说了这么多，终于把这个程序从头到尾都讲完了。用C语言总结一下就是这样的：

entry:
    AX = ;
    SS = AX;
    SP = 0x7c00;
    DS = AX;
    ES = AX;
    SI = msg;
putloop:
    AL = BYTE [SI];
    SI = SI =;
    if (AL == ){goto fin;}
    AH = 0x0e;
    BX = ;
    INT 0x10;
    goto putloop
fin:
    HLT;
    goto fin;

就是有了这个程序，我们才能够把msg里写入的数据，一个字符一个字符地显示出来，并且数据变成0以后，HLT指令就会让程序进入无限循环。"hello, world"就是这样显示出来的。

---

ORG指令本身刚才已经讲过，但这个0x7c00又是从哪儿冒出来的呢？大家所用的内存，不是我们想怎么用就能怎么用的。比如说，内存的0号地址，也就是最开始的部分。它是BIOS程序用来实现各种不同功能的地方，如果我们随便使用的话，就会与BIOS发生冲突。结果不只是BIOS会出错，而且我们的程序也肯定会问题百出。另外，在内存的0xf0000号地址附近，还存放着BIOS程序本身，那里我们也不能使用。

0x00007c00-0x00007dff;启动区内容的装载地址

程序中ORG指令的指就是这个数字。而且正是因为我们使用的是这个同样的数字，所以程序才能正常运行。一旦有了规定，人们就会以此位前提开发各种操作系统。