企业官网建设流程全解析

简介：这份笔记面向正在编写8086汇编器、需要把汇编语句与机器码对应起来理解的技术人员，也可供学习x86底层编码的读者查阅。内容围绕8086机器语言解码展开，覆盖指令格式、通用与段寄存器、五种寻址模式、操作码、立即数及字节/字/双字等基础概念，并延伸到固定编码指令和双操作数指令编码。作者结合MOV指令的多类编码场景给出字节级示例，如寄存器互传、内存与寄存器互传、常数传送、段寄存器传送，并标注对应机器码与NASM写法，附有最长8字节指令、前缀与位移/立即数字节拆分等笔记。资源包为1个docx文档，大小约1.94MB，已有127人学习，适合按示例对照查证编码细节、梳理汇编器实现思路。

1. 一条六字节指令拆开之后：8086 机器语言解码的整体地图

c7 80 cd 1b 34 12这六个字节摆在一起，第一眼很难看出它是一条mov word [bx+si+0x1BCD],0x1234。8086 机器语言的解码，本质上就是把这串十六进制按固定规则切成几段：哪几位管操作类型，哪几位管寻址方式，哪几个字节是位移量，哪几个字节是立即数。切对了，指令自己就浮出来；切错一位，后面全乱。

这张地图大致分四层。最外层是前缀，总线锁定和段超越都挂在操作码前面；第二层是操作码，它决定这条指令属于哪个指令族；第三层是紧随其后的 ModRM 字节，操作数长什么样全由它的三个字段说了算；最后一层是位移和立即数，按小端顺序排在后面。往下才是具体指令族的编码表——MOV 的九种写法、PUSH/POP 的短码与长码、端口读写、地址运算和标志位操作。

适合正在写汇编器或反汇编器的人，也适合做指令级调试、复习微机原理的人。按这张图从上往下走，比抱着指令表硬背要省力得多。

2. 指令骨架：从 8 字节上限看操作码、ModRM 与位移立即数的排布

2.1 一条指令最长能有多长：把八个字节逐位拆开

8086 的指令长度在 1 到 8 字节之间浮动，不是定长。这个变长特性决定了解码器不能按固定步长切分，必须一个字节一个字节往后读，读到某一步才知道下一条指令从哪里开始。原文给的那个上限例子很典型：F0 3E 81 80 CD AB 34 12，八个字节把所有可能的成分都塞满了。

这张表值得反复看，因为它把「前缀可以叠加」「操作码之后未必是操作数」「位移和立即数可能同时出现」三件事一次讲完了。原文对这条指令的注释是lock add word [ds:bx+si-0x5433],0x1234，注意位移写成负数，是因为 0xABCD 在 16 位补码里就是 -0x5433，两个写法指的是同一个字节序列。

前缀部分有个容易写错的地方：前缀字节的数量和顺序都不固定。段超越前缀可能出现在锁定前缀前面，也可能一条指令压根没有前缀。稳妥的写法是让解码器进入一个循环，只要当前字节属于前缀集合就继续读，直到遇到第一个非前缀字节，把它当作操作码。这个循环少写一圈，后面所有字节的归属都会整体错位，反汇编出来的结果会离谱到让人怀疑人生。

提示：段超越前缀一共四个，26 对应 ES、2E 对应 CS、36 对应 SS、3E 对应 DS。原文只用到 3E，写解码器时这四个都要能识别。

2.2 操作码之后的第一个字节：ModRM 的三段式结构

绝大多数双操作数指令，操作码后面紧跟一个 ModRM 字节。它的三个字段从高位到低位依次切开，含义完全不同。

def split_modrm(byte): """把一个 ModRM 字节拆成三段，返回值都是整数""" mod = (byte >> 6) & 0b11 # 高两位，决定有没有位移、位移多长 reg = (byte >> 3) & 0b111 # 中间三位，可能是寄存器号，也可能是 /digit 扩展位 rm = byte & 0b111 # 低三位，可能是寄存器号，也可能是内存组合 return mod, reg, rm # 以 c7 80 cd 1b 34 12 这条指令为例，第二个字节是 0x80 print(split_modrm(0x80)) # 输出 (2, 0, 0)

这段代码只做位移和掩码，没有任何查表逻辑，因为查表要放到后面结合操作码一起做。参数上唯一需要注意的是位移方向：mod 用右移 6 位，reg 用右移 3 位，rm 直接取低三位，顺序错了得到的字段就完全对不上。函数返回的 reg 值到底是寄存器编号还是扩展位，调用方必须自己根据操作码判断，这也是解码器最容易写成一大堆分支的地方。

REG 字段的双重身份是整个解码流程的分水岭。在 MOV、ADD 这类指令里，它是实打实的寄存器编号；在 PUSH、POP、移位、以及 0x81 这种「一组指令共用一个操作码」的场景里，它是扩展位，用来区分同一组里的具体运算。判断依据只有一个：操作码本身属于哪一组。写代码时先按操作码分组，再决定 reg 怎么解释，比在每个分支里临时判断要清晰得多。

2.3 位移和立即数谁先谁后：小端、长度与 MOD 的联动

ModRM 之后如果还有字节，顺序是固定的：先位移，后立即数。绝不会反过来。这个顺序在解码器里必须是硬编码的，不能靠猜。

长度的判断分两头。位移的长度看 mod：mod=01 时占 1 字节，mod=10 时占 2 字节，mod=00 且 r/m=110 时也占 2 字节，但含义是直接地址而不是位移。立即数的长度看操作数宽度位 w：w=1 表示字操作，立即数占 2 字节；w=0 表示字节操作，立即数占 1 字节。原文里那句「当 disp 为字时，位移量为 2 个字节；同理当立即数为 16 位时，立即数占 2 字节，否则 1 字节」，说的就是这件事。

几个典型长度放在一起对比，规律会清楚很多：

小端这件事在纸面上容易轻视，真上手时却是高频翻车点。0x1BCD 在内存里低字节在前，写成 CD 1B；0x1234 写成 34 12。反汇编时如果读出来的位移是 0xABCD 而期望值是 -0x5433，那不是解码错了，只是显示时没按有符号数处理。同理，如果发现一条指令后面多出一个字节，先怀疑是不是把立即数当成位移读了两遍。

注意：mod=01 时哪怕位移的实际值是 0，那一个字节也要老老实实占位，写成 00。少了它，后面的立即数就会被顶到错误的位置上。

3. 寻址与编号：MOD、R/M、REG 三张表怎么联合查

3.1 十六位寻址的八种 R/M 组合与 BP 的特殊地位

当 mod 不等于 11 时，r/m 字段不再是寄存器编号，而是八种内存寻址组合之一。这张表是 8086 解码的核心，背不下来基本没法往下写。

规律其实可以压缩成一句话：只有含 BP 的组合默认段才是 SS，其余都是 DS。这个默认段不是摆设，它直接决定实际访问哪一段内存，写错段寄存器，读出来的数据就跟预期差出一整段地址空间。

r/m=110 是整张表里唯一的特例。mod=00 时它不代表 [BP]，而是代表后面跟一个 16 位直接地址，形如mov ax,[1234h]。而如果真想访问 [BP] 指向的单元，编译器必须用 mod=01 加一个值为 00 的 8 位位移，编码成8B 46 00。这条规则没有任何捷径，只能单独记住。

3.2 寄存器编号的三套表：十六位、八位、段寄存器

mod=11 时，r/m 和 reg 都退化成寄存器编号。8086 有三套编号体系，各自独立，混用就会出错。

十六位这一行是 AX、CX、DX、BX、SP、BP、SI、DI，顺序不是按字母排的，而是按编码值排的。八位这一行最容易背错：前四个是 AL、CL、DL、BL，后四个是 AH、CH、DH、BH，不是 AL、AH、CL、CH 这样交错。段寄存器只占两位，所以只有 00 到 11 四种取值，注意它是两位而不是三位。

举个对比例子：8B C1的 ModRM 是 11_000_001，mod=11、reg=000、r/m=001，所以是mov ax,cx；8B 01的 ModRM 是 00_000_001，mod=00、reg=000、r/m=001，所以是mov ax,[bx+di]。同一个字节差一位 mod，就从寄存器寻址变成了内存寻址，这就是为什么拆字段时不能凭感觉。

3.3 段超越前缀怎么改默认段

默认段只解决「不写前缀时用哪一段」，真要跨段访问，靠的是段超越前缀。四个前缀值分别是 26、2E、36、3E，对应 ES、CS、SS、DS。

典型场景是栈操作。[BP+SI]默认走 SS，如果想用同样的寻址方式去读数据段，就要在前面加 3E 强制切到 DS。反过来，[BX+SI]默认走 DS，想读栈上的内容就得加 36。

写解码器时，段超越前缀不影响指令长度之外的其他判断，但它会改变最终的有效地址。如果只解析指令格式、不计算物理地址，可以先把前缀值记下来，等到需要算地址时再合并；如果要做完整的地址还原，就得在解析 ModRM 之前把前缀状态准备好，别等到算地址时才发现前缀已经被丢掉了。

4. 指令族拆解：MOV 的九类写法与 PUSH/POP、端口指令的固定编码

4.1 MOV 的九类：一张表看完所有传送方向

MOV 是 8086 里出现频率最高的指令，也是编码形式最多的一条。原文把它拆成九类，覆盖了寄存器与寄存器、寄存器与内存、常数与寄存器、常数与内存、以及段寄存器参与的所有方向。

本文还有配套的精品资源，点击获取