gcc编译生成的输出文件形态是怎样的？具体包含哪些内容？

对「二进制文件」的认知误区 #

你之前认为的「二进制是字面的0和1字符」是很常见的新手误解：所有计算机存储的文件底层本质都是0和1的电信号，我们日常说的「二进制文件」「文本文件」是上层的分类规则：

• 文本文件的01序列严格遵循文本编码规则，每一段固定长度的01都对应一个人类可识别的字符（字母、数字、标点、汉字等）
• 二进制文件的01序列没有对应可显示字符的要求，是给计算机硬件、系统程序读取的，不需要适配人类阅读的规则

什么是文本编码 #

文本编码是一套约定好的「01序列」和「人类可识别字符」的映射规则。比如最基础的ASCII编码里，01000001这8位01就对应大写字母A，00110001对应数字1。
你用VS Code打开文件时，编辑器会默认按指定的文本编码规则去解析文件的01内容，如果遇到的01组合不在编码的映射表内，或者解析结果不符合正常文本的逻辑，就会弹出「不支持的文本编码」提示，最终显示乱码。

gcc生成的a.out文件的实际内容 #

gcc默认输出的a.out是可以直接被系统运行的可执行程序，在Linux、macOS等类Unix系统下一般为ELF格式，核心结构如下：

• 文件头：存储文件的基础属性，比如适配的CPU架构、系统类型、各个内容段的位置偏移
• 代码段：存储编译生成的CPU可以直接识别执行的机器指令，都是固定格式的01操作码，仅对CPU有意义
• 数据段：存储你代码中定义的全局变量、字符串常量等运行时需要用到的数据
• 辅助段：包括调试信息、符号表等内容，用于程序调试、系统加载调度等场景
  这些内容本身就不是为了被人类直接阅读设计的，硬用文本编辑器按文本编码解析自然不会得到可读内容。

为什么部分编译阶段的输出可以正常打开 #

编译流程中前两个阶段的输出都是纯文本内容，所以可以正常读取：

• 预处理阶段执行gcc -E <file_name>.c输出的是处理后的C语言代码，仅做了删除注释、展开宏、合并头文件的操作，所有内容都是符合文本编码的字符
• 编译生成汇编代码的阶段输出的是汇编助记符，比如mov、add这类汇编指令都是普通字母字符，本质也是纯文本
  后续汇编器将汇编代码转为机器指令后，生成的.o后缀目标文件、最终链接得到的a.out都是面向机器的二进制文件，自然无法用文本编辑器直接阅读。

这类二进制文件包含的特殊字符 #

如果硬按文本编码解析a.out的内容，会出现大量不可显示的ASCII控制字符（比如空字符\0、传输控制符等），还有大量没有对应字符映射的无效编码片段，这些就是你看到的乱码的来源，只有少部分刚好对应可显示字符的01片段会显示为正常的字母、数字，整体不存在可读性。

内容的提问来源于stack exchange，提问作者iAW