Warum stimmen zwei Binärdateien von Programmen mit nur geänderten Kommentaren nicht genau in gcc überein?

Ich habe zwei C-Programme erstellt

1. Programm 1

   int main()
   {
   }
   

2. Programm 2

   int main()
   {
   //Some Harmless comments
   }
   

AFAIK, beim Kompilieren sollte der Compiler (gcc) die Kommentare und redundanten Whitespaces ignorieren, und daher muss die Ausgabe ähnlich sein.

Aber als ich die MD5-Summen der Ausgabebinärdateien überprüft habe, stimmen sie nicht überein. Ich habe auch versucht, mit Optimierung zu kompilieren -O3 und -Ofast aber sie passten immer noch nicht zusammen.

Was passiert hier?

BEARBEITEN: die genauen Befehle und dort md5sums sind (t1.c ist Programm 1 und t2.c ist Programm 2)

gcc ./t1.c -o aaa
gcc ./t2.c -o bbb
98c1a86e593fd0181383662e68bac22f  aaa
c10293cbe6031b13dc6244d01b4d2793  bbb

gcc ./t2.c -Ofast -o bbb
gcc ./t1.c -Ofast -o aaa
2f65a6d5bc9bf1351bdd6919a766fa10  aaa
c0bee139c47183ce62e10c3dbc13c614  bbb


gcc ./t1.c -O3 -o aaa
gcc ./t2.c -O3 -o bbb
564a39d982710b0070bb9349bfc0e2cd  aaa
ad89b15e73b26e32026fd0f1dc152cd2  bbb

Und ja, md5sums stimmen über mehrere Kompilationen mit denselben Flags überein.

BTW mein System ist gcc (GCC) 5.2.0 und Linux 4.2.0-1-MANJARO #1 SMP PREEMPT x86_64 GNU/Linux

Das liegt daran, dass die Dateinamen unterschiedlich sind (obwohl die Ausgabe der Zeichenfolgen dieselbe ist). Wenn Sie versuchen, die Datei selbst zu ändern (anstatt zwei Dateien zu haben), werden Sie feststellen, dass die ausgegebenen Binärdateien nicht mehr unterschiedlich sind. Wie sowohl Jens als auch ich sagten, liegt es daran, dass GCC eine ganze Menge Metadaten in die von ihm erstellten Binärdateien ablegt, einschließlich des genauen Quelldateinamens (und AFAICS tut das auch).

Versuche dies:

$ cp code.c code2.c subdir/code.c
$ gcc code.c -o a
$ gcc code2.c -o b
$ gcc subdir/code.c -o a2
$ diff a b
Binary files a and b differ
$ diff a2 b
Binary files a2 and b differ
$ diff -s a a2
Files a and a2 are identical

Dies erklärt, warum sich Ihre MD5-Summen zwischen Builds nicht ändern, aber zwischen verschiedenen Dateien unterschiedlich sind. Wenn Sie möchten, können Sie tun, was Jens vorgeschlagen hat, und die Ausgabe von vergleichen strings Für jede Binärdatei werden Sie feststellen, dass die Dateinamen in die Binärdatei eingebettet sind. Wenn Sie dies “reparieren” möchten, können Sie dies tun strip Die Binärdateien und die Metadaten werden entfernt:

$ strip a a2 b
$ diff -s a b
Files a and b are identical
$ diff -s a2 b
Files a2 and b are identical
$ diff -s a a2
Files a and a2 are identical

Der häufigste Grund sind Dateinamen und Zeitstempel, die vom Compiler hinzugefügt wurden (normalerweise im Debug-Info-Teil der ELF-Abschnitte).

Versuchen Sie es mit Laufen

 $ strings -a program > x
 ...recompile program...
 $ strings -a program > y
 $ diff x y

und Sie könnten den Grund sehen. Ich habe dies einmal verwendet, um herauszufinden, warum dieselbe Quelle unterschiedlichen Code verursachen würde, wenn sie in verschiedenen Verzeichnissen kompiliert wird. Die Feststellung war, dass die __FILE__ Makro erweitert zu einem absolut Dateiname, in beiden Bäumen unterschiedlich.

Notiz: Denken Sie daran, dass die Quelldateiname geht in die nicht gestrippte Binärdatei, sodass zwei Programme, die aus unterschiedlich benannten Quelldateien stammen, unterschiedliche Hashes haben.

In ähnlichen Situationen sollte das oben Gesagte nicht zutreffenDu kannst es versuchen:

• laufend strip gegen die Binärdatei, um etwas Fett zu entfernen. Wenn die entfernten Binärdateien dieselben sind, dann waren es einige Metadaten, die für den Programmbetrieb nicht wesentlich sind.
• Generieren einer Assembly-Zwischenausgabe, um zu überprüfen, ob der Unterschied nicht in den eigentlichen CPU-Anweisungen liegt (oder um besser zu lokalisieren, wo der Unterschied tatsächlich liegt ist)
• verwenden strings, oder geben Sie beide Programme in Hex aus und führen Sie einen Diff auf den beiden Hex-Dumps aus. Sobald Sie die Unterschiede gefunden haben, können Sie versuchen zu sehen, ob sie einen Reim oder Grund haben (PID, Zeitstempel, Zeitstempel der Quelldatei …). Beispielsweise könnten Sie eine Routine haben, die den Zeitstempel zur Kompilierzeit zu Diagnosezwecken speichert.