main() 如何接收命令行参数？

Posted 2023-03-07

【中文标题】main() 如何接收命令行参数？

【英文标题】：How does main() receive command line arguments?

【发布时间】：2022-01-10 07:32:13

【问题描述】：

使用标准 C++ 条目：

int main(int argc, char *argv[])

    // stuff

argv 是如何填充的？编译器不知道为数组分配什么大小，我假设操作系统是负责将附加参数传递给程序的实体，但它们如何传递给main？指针数组在哪里初始化？该函数是由编译器创建然后注入程序启动序列的吗？

这是我一直认为理所当然的事情，今天我开始思考一个问题，我不确定main 最终如何收到额外的参数，更不用说给予任何程序，例如 CPython 中的 sys.argv。

奖励：操作系统如何处理命令行参数？显然 CLI（或 shell）知道如何解析字符串序列，但是附加参数是如何“输入”到可执行文件中的呢？编译器是否添加了一些功能以仅从stdin（这是一个缓冲区）读取并在传递给main之前相应地解析参数？

【问题讨论】：

相关：How do command line arguments work?

当我在一个大学项目中为一个玩具操作系统实现这个功能时，只需 mallocing() 一个足够大的内存块来保存指针数组和它需要的字符串指向，然后复制字符串数据并将指针设置为指向它。我敢肯定真正的操作系统会做一些更精细的事情，但这不是火箭科学。

@JeremyFriesner 这可能会回答操作系统如何解析命令行并存储它们，但它没有回答操作系统如何将它们注入二进制可执行文件以传递给main。我的猜测是操作系统运行可执行文件，它将程序输出到内存中，然后它可以访问main 以将数组传递给它。

@madeslurpy 操作系统不会修改可执行文件；但它确实设置了可执行文件将运行的内存空间。在该内存空间内分配和填充 argv 数组是该设置的一部分，该设置在调用 main() 之前完成。

顺便说一句，不要让char *[] 语法欺骗你，它在逻辑上等同于char **，即参数只是一个指针，因此它指向的数组的大小不必在编译时就知道了。

【参考方案1】：

我们以 Linux x86-64 为例。

当进程调用execv("/my/prog", args) 时，它会对内核进行系统调用。内核使用args 指针在进程内存中定位参数字符串，将它们复制到其他地方以临时保管，然后拆除进程的虚拟内存。然后它为新程序设置虚拟内存，并从其二进制文件/new/prog 加载其代码和数据（实际上它只是将其映射为按需加载，但这并不重要）。

它还分配一块内存作为新程序的堆栈，在那里它复制命令行参数、环境变量和需要传递给新程序的各种其他数据。在这里，它还设置了argv 指针数组，指向程序堆栈内存中的字符串本身，并将参数计数也压入堆栈。具体布局在the ABI中指定，见图3.9。

现在开始实际启动程序。二进制文件的标头指定用作入口点的地址。链接器将安排 this 指向一段特殊的启动代码。此代码通常随您的标准 C 库一起提供，位于名称类似于 crt0.o 的目标文件中。它是用汇编语言编写的，它的工作是处理命令行参数等，按照编译的 C 或 C++ 代码所期望的方式设置寄存器和内存，并调用标准库中的 C/C++ 函数。进一步初始化，然后致电您的main。内核跳转到入口点地址，一路切换到非特权模式，启动代码开始执行。

您可以在start.S 中看到 glibc 的版本，但非常小的版本可能看起来像这样。

; main takes argc in rdi and argv in rsi

; bottom of stack contains argument count
mov rdi, [rsp]

; next is start of the argument pointer array
lea rsi, [rsp+8]

call main

; main returns, exit the program
mov rdi, rax
call exit
; exit() makes an exit system call and doesn't return

因此，当控制权实际到达您的main 函数时，寄存器包含的值与其他 C++ 函数调用的值相同。 argv 参数指向堆栈上的一个指针数组，每个指针都指向一个位于堆栈内存中更靠前的字符串，由内核设置。

【参考方案2】：

argv 是如何填充的？

语言实现（我的意思是除此之外的一切，例如 shell、操作系统等）负责处理它。

我假设操作系统是负责将附加参数传递给程序的实体

差不多，是的。

指针数组在哪里初始化？

语言实现选择初始化它们的地方。

奖励：操作系统如何处理命令行参数？

没有一个操作系统。有很多，每个人都做自己的事情。其中一些是开源的，因此您可以研究它们。

【讨论】：

假设如下：语言实现是 C++（无论标准是什么），操作系统是 Windows。以“他们都以自己的方式，不知何故”的形式给出的答案是非常模糊的，即使是有效的，任何组合的标准事件序列的工作示例是有启发性的。否则就像是在说“电流流动只是因为它的介质是如何工作的”。

@madeslurpy 我不知道 windows 是如何工作的，因为我没有源代码，所以我无法找到。 is extremely vague对应问题的模糊性。

不幸的是，你运气不好。 MS Windows 是一个商业操作系统，它的大部分源代码作为专有信息被锁起来。这方面的文档很有可能被埋在 MSDN 中的某个地方，也许其中的一部分需要花费真正的美元来购买访问权限。或者，Microsoft 可能根本不会记录它。由于为 MS Windows 编写工作软件不需要这样的东西，因此微软没有太多理由为其发布任何公共文档。

您可能不了解 Windows，但您肯定知道它们如何协同工作的某种组合。如果是这样，为什么不分享呢？为了不那么迂腐，让我们以 Unix 作为操作系统？

@madeslurpy 大多数Nate's answer 在 Windows 上也类似。主要区别在于Windows创建新进程时，命令行被复制到进程的PEB头文件中，然后程序的运行库的启动代码通过GetCommandLineA()检索命令行并拆分将其放入传递给main()函数的char[]数组