为什么只有注释更改的两个程序二进制文件在gcc中不完全匹配？

我创建了两个C程序

1. 程序1

   int main()
   {
   }

2. 程序2

   int main()
   {
   //Some Harmless comments
   }

AFAIK，在编译时，编译器（gcc）应该忽略注释和多余的白点，因此输出必须相似。

但是，当我检查输出二进制文件的md5sums时，它们不匹配。我也试图与优化的编译-O3和-Ofast，但他们仍然不匹配。

这是怎么回事

编辑：确切的命令和md5sums是（t1.c是程序1和t2.c是程序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

是的，md5sums在具有相同标志的多个编译中匹配。

顺便说一句我的系统是gcc (GCC) 5.2.0和Linux 4.2.0-1-MANJARO #1 SMP PREEMPT x86_64 GNU/Linux

这是因为文件名不同（尽管字符串输出是相同的）。如果尝试修改文件本身（而不是拥有两个文件），则会注意到输出二进制文件不再相同。正如Jens和我所说的，这是因为GCC将全部元数据负载转储到其构建的二进制文件中，包括确切的源文件名（而AFAICS也是）。

试试这个：

$ 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

这就解释了为什么您的md5sums在构建之间不会更改，但是在不同文件之间会有所不同。如果愿意，您可以按照Jens的建议进行操作，并比较strings每个二进制文件的输出，您会注意到文件名已嵌入二进制文件中。如果要“修复”此问题，则可以strip二进制文件和元数据将被删除：

$ 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

最常见的原因是编译器添加的文件名和时间戳（通常在ELF部分的调试信息部分中）。

尝试跑步

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

您可能会看到原因。我曾经使用它来查找为什么同一源在不同目录中编译时会导致不同代码。发现是，__FILE__宏扩展为绝对文件名，两棵树都不同。

注意：请记住，源文件名使用未拆分的二进制文件，因此来自不同名称的源文件的两个程序将具有不同的哈希值。

在类似情况下，如果以上都不适用，您可以尝试：

• 跑步 strip针对二进制以除去一些脂肪。如果剥离的二进制文件相同，则说明某些元数据对于程序操作不是必需的。
• 生成程序集中间输出以验证差异是否在实际的CPU指令中（或者，以便更好地指出差异的实际位置））
• 使用strings，或转储这两个程序以进行十六进制操作并在两个十六进制转储文件上运行差异。找到差异后，您可以尝试查看它们是否有押韵或原因（PID，时间戳，源文件时间戳...）。例如，您可能有一个例程在编译时存储时间戳以用于诊断。