LENGUAJE ENSAMBLADOR PARA MICROPROCESADORES

INTEL 80XX/80X86

Septiembre 1997

TEMARIO

INTRODUCCION.

I.- DEFINICIONES Y CONCEPTOS PRELIMINARES.

1.- CONCEPTOS BASICOS.

1.1.- EL LENGUAJE DE MAQUINA Y EL LENGUAJE ENSAMBLADOR.

1.2.- INTERPRETES, COMPILADORES Y ENSAMBLADORES.

1.3.- EL PROCESO DE LINK, LAS RUTINAS DE RUN-TIME Y LOS SERVICIOS

DEL SISTEMA OPERATIVO.

2.- LA ARQUITECTURA DE LAS COMPUTADORAS PERSONALES IBM Y

COMPATIBLES.

3.- LA ARQUITECTURA DE LOS MICROPROCESADORES INTEL.

4.- EL SISTEMA OPERATIVO MS-DOS.

5.- ENSAMBLADORES Y MACROENSAMBLADORES.

II.- EL LENGUAJE ENSAMBLADOR.

1.- UN EJEMPLO CLASICO.

2.- EL FORMATO DEL ENSAMBLADOR.

3.- DIRECTIVAS.

4.- CONJUNTO DE INSTRUCCIONES.

5.- MACROS Y PROCEDIMIENTOS.

6.- INTERRUPCIONES.

III.- CREACION Y DEPURACION DE PROGRAMAS EN LENGUAJE ENSAMBLADOR

1.- EDICION.

2.- ENSAMBLADO.

3.- LINK.

4.- EJECUCION.

5.- DEPURACION.

6.- LA UTILERIA EXE2BIN Y LOS ARCHIVOS .EXE Y .COM .

APENDICE A.- MODELO DE REGISTROS DEL 8086.

APENDICE B.- REGISTROS EXPANDIDOS DEL 8087.

APENDICE C.- MODELO DE SEGMENTACION DE MEMORIA.

APENDICE D.- DIRECTIVAS DEL MASM.

APENDICE E.- JUEGO DE INSTRUCCIONES DEL 8086, 8087, 80186, 80286 Y 80287.

APENDICE F.- INTERRUPCIONES.

APENDICE G.- EJEMPLOS ADICIONALES.

BIBLIOGRAFIA.

INTRODUCCION.

El presente trabajo, tal y como lo indica su título, está enfocado al lenguaje ensamblador de los microprocesadores Intel, particularmente el 8088, 8086, 80186, 80188 y 80286. Sin embargo, todos los programas generados para estos procesadores correrán en un 80386 ó 80486. Adicionalmente se proporciona el juego de instrucciones de los coprocesadores matemáticos 8087 y 80287, que es compatible con el de los microprocesadores ya citados.

Este documento trata de abarcar, de la forma más general, todo aquello que involucra el conocimiento y uso del lenguaje ensamblador. Así, ha sido organizado en tres partes. La primera describe los conocimientos básicos que deben poseerse para una mejor comprensión e interpretación de lo que es el lenguaje ensamblador y cómo debe ser usado. La segunda parte está dedicada por completo a lo que es el lenguaje ensamblador, las interrupciones del sistema operativo MS-DOS y el conjunto de instrucciones 8086-80286. La última parte se ha dedicado al proceso de ensamble, la depuración de programas en ensamblador, y algunas consideraciones sobre la creación de programas y su ejecución.

I.- DEFINICIONES Y CONCEPTOS PRELIMINARES.

1.- CONCEPTOS BASICOS.

1.1.- EL LENGUAJE DE MAQUINA Y EL LENGUAJE ENSAMBLADOR.

Todo procesador, grande o pequeño, desde el de una calculadora hasta el de un supercomputador, ya sea de propósito general o específico, posee un lenguaje único que es capaz de reconocer y ejecutar. Por razones que resultan obvias, este lenguaje ha sido denominado Lenguaje de Máquina y más que ser propio de un computador pertenece a su microprocesador. El lenguaje de máquina está compuesto por una serie de instrucciones, que son las únicas que pueden ser reconocidas y ejecutadas por el microprocesador. Este lenguaje es un conjunto de números que representan las operaciones que realiza el microprocesador a través de su circuitería interna. Estas instrucciones, por decirlo así, están grabadas o "alambradas" en el hardware y no pueden ser cambiadas. El nivel más bajo al que podemos aspirar a llegar en el control de un microprocesador es precisamente el del lenguaje de máquina.

Ahora bien, siendo el lenguaje de máquina un conjunto de números, ¿cómo es capaz el microprocesador de saber cuándo un número representa una instrucción y cuándo un dato? El secreto de esto reside en la dirección de inicio de un programa y en el estado del microprocesador. La dirección de inicio nos indica en qué localidad de memoria comienza un programa, y en consecuencia que datos deberemos considerar como instrucciones. El estado del microprocesador nos permite saber cuándo éste espera una instrucción y cuándo éste espera un dato.

Obviamente, el lenguaje de máquina de un microprocesador no puede ser ejecutado por otro microprocesador de arquitectura distinta, a menos que haya cierto tipo de compatibilidad prevista. Por ejemplo, un 80486 es capaz de ejecutar lenguaje de máquina propio y soporta el código generado para microprocesadores anteriores de la misma serie (desde un 8086 hasta un 80386). Por otra parte, un PowerPC es capaz de ejecutar instrucciones de los microprocesadores Motorola 68xxx y de los Intel 80xx/80x86. En ambos casos, el diseño de los microprocesadores se hizo tratando de mantener cierto nivel de compatibilidad con los desarrollados anteriormente. En el segundo caso, este nivel de compatibilidad se extendió a los de otra marca. Sin embargo, un 8088 no puede ejecutar código de un 80186 o superiores, ya que los procesadores más avanzados poseen juegos de instrucciones y registros nuevos no contenidos por un 8088. Un caso similar es la serie 68xxx, pero de ninguna manera podemos esperar que un Intel ejecute código de un Motorola y viceversa. Y esto no tiene nada que ver con la compañía, ya que Intel desarrolla otros tipos de microprocesadores como el 80860 y el iWARP, los cuales no pueden compartir código ni entre ellos ni entre los 80xx/80xxx.

Ahora bien, mientras que con el lenguaje de máquina, nosotros obtenemos un control total del microprocesador, la programación en este lenguaje resulta muy difícil y fácil para cometer errores. No tanto por el hecho de que las instrucciones son sólo números, sino porque se debe calcular y trabajar con las direcciones de memoria de los datos, los saltos y las direcciones de llamadas a subrutinas, además de que para poder hacer ejecutable un programa, se deben enlazar las rutinas de run-time y servicios del sistema operativo. Este proceso es al que se le denomina ensamblado de código. Para facilitar la elaboración de programas a este nivel, se desarrollaron los Ensambladores y el Lenguaje Ensamblador.

Existe una correspondencia 1 a 1 entre las instrucciones del lenguaje de máquina y las del lenguaje ensamblador. Cada uno de los valores numéricos del lenguaje de máquina tiene una representación simbólica de 3 a 5 letras como instrucción del lenguaje ensamblador. Adicionalmente, este lenguaje proporciona un conjunto de pseudo-operaciones (tambien conocidas como directivas del ensamblador) que sirven para definir datos, rutinas y todo tipo de información para que el programa ejecutable sea creado de determinada forma y en determinado lugar.

1.2.- INTERPRETES, COMPILADORES Y ENSAMBLADORES.

Aun cuando el lenguaje ensamblador fue diseñado para hacer más fácil la programación de bajo nivel, esta resulta todavía complicada y muy laboriosa. Por tal motivo se desarrollaron los lenguajes de alto nivel, para facilitar la programación de los computadores, minimizando la cantidad de instrucciones a especificar. Sin embargo, esto no quiere decir que el microprocesador ejecute dichos lenguajes. Cada una de las instrucciones de un lenguaje de alto nivel o de un nivel intermedio, equivalen a varias de lenguaje máquina o lenguaje ensamblador.

La traducción de las instrucciones de nivel superior a las de bajo nivel la realizan determinados programas. Por una parte tenemos los interpretes, como DBase, BASIC, APL, y Lisp. En estos, cada vez que se encuentra una instrucción, se llama una determinada rutina de lenguaje de máquina que se encarga de realizar las operaciones asociadas, pero en ningún momento se genera un código objeto y mucho menos un código ejecutable.

Por otra parte, tenemos los compiladores, como los desarrollados para Fortran, Clipper, COBOL, Pascal o C, que en vez de llamar y ejecutar una rutina en lenguaje de máquina, éstos juntan esas rutinas para formar el código objeto que, después de enlazar las rutinas de run-time y llamadas a otros programas y servicios del sistema operativo, se transformará en el programa ejecutable.

Finalmente, tenemos los ensambladores— como los descritos en este trabajo —que son como una versión reducida y elemental de un compilador (pero que de ninguna manera deben considerarse como tales), ya que lo único que tienen que hacer es cambiar toda referencia simbólica por la dirección correspondiente, calcular los saltos, resolver referencias y llamadas a otros programas, y realizar el proceso de enlace. Los ensambladores son programas destinados a realizar el ensamblado de un determinado código.

1.3.- EL PROCESO DE LIGA, LAS RUTINAS DE RUN-TIME Y LOS SERVICIOS DEL SISTEMA OPERATIVO.

Para crear un programa ejecutable a partir de un código objeto se require que se resulevan las llamadas a otros programas y a los servicios del sistema operativo, y agregar las rutinas o información de run-time para que el programa pueda ser cargado a memoria y ejecutado. Este proceso es lo que se conoce como Link o proceso de liga, y se realiza a través de un ligador o Linker que toma de entrada el código objeto y produce de salida el código ejecutable.

Las rutinas de run-time son necesarias, puesto que el sistema operativo requiere tener control sobre el programa en cualquier momento, además de que la asignación de recursos y su acceso deben hacerse sólamente a través del sistema operativo. Para los computadores personales, esto no es tan complejo como para otros computadores y sistemas operativos, pero es requerido.

2.- LA ARQUITECTURA DE LAS COMPUTADORAS PERSONALES IBM Y COMPATIBLES.

Los computadores PC están compuestos físicamente por: monitor, teclado, CPU, floppy drives, hard disk drives, periféricos y componentes adicionales. Lógicamente están compuestos por el BIOS (Basic Input-Output System) y el sistema operativo MS-DOS (MicroSoft Disk Operating System).

El teclado se encuentra conectado a un puerto de entrada destinado específicamente para tal propósito. Este tiene asociado un área de memoria (buffer) al cual llegan los códigos de la teclas presionadas en el teclado.

La CPU está compuesta por la memoria RAM, memoria ROM (donde reside el BIOS), los controladores de disco, la tarjeta de video, los puertos de entrada-salida y el microprocesador. Los periféricos se encuentran conectados y asociados por el sistema operativo con un puerto en particular (una vez que el puerto ha sido abierto).

Las tarjetas controladores de floppy y disco duro se encargan de intercambiar información entre memoria, procesador y unidades de disco. Para tal propósito se reservan en memoria áreas éspecificas, para servir de buffers en el intercambio de datos del computador con las unidades de disco.

El monitor y la tarjeta de video están muy relacionados entre sí, ya que si bien el monitor se encarga de desplegar la información, no es éste quien la mantiene, sino la memoria designada a la tarjeta de video. Esta memoria es como cualquier otra, direccionable y modificable, y es en donde se guarda la información que aparece en pantalla.

Debido al tipo de microprocesador empleado, la memoria de la PC se encuentra dividida en una serie de blocks denominados segmentos, de 64KB cada uno. La memoria es accesada especificando el segmento y el desplazamiento dentro del segmento (segmento:desplazamiento, para mayor detalle ver el apendice C). Para las PC´s la memoria se clasifica en tres tipos:

- Convencional. Es la memoria de tipo básico y que abarca las direcciones de 0 a 640KB. En ésta es donde se cargan los programas de usuario y el sistema operativo, y es la que está disponible para equipo XT (8088,8086, 80186 y 80188).

- Extendida. Esta memoria sólo está disponible para procesadores 80286 y mayores (equipo AT, 80386 y 80486). Muchos programas que usan la memoria convencional no pueden usar la memoria extendida porque las direcciones en memoria extendida están más alla de las que el programa puede reconocer. Únicamente las direcciones dentro de los 640KB pueden ser reconocidas por todos los programas. Para reconocer la memoria extendida se requiere de un manejador de memoria extendida, como HIMEM.SYS que provee MS-DOS.

- Expandida. Esta es la memoria que se agrega al computador a través de una tarjeta de expansión, y que debe ser administrada por un programa especial, como el EMM386.EXE. A diferencia de la memoria convencional o extendida, la memoria expandida es dividida en bloques de 16K llamados páginas (pages) . Cuando un programa solicita información de memoria expandida el manejador copia la página correspondiente en un área denominada page frame para poder ser accesada en la memoria extendida.

Como podremos ver, el 8088, 8086, 80188 y 80186 son capaces de direccionar hasta 1 MB de memoria. Ya hemos indicado que la memoria convencional sólo abarca 640KB, así nos quedan 384KB libres. Esta parte de la memoria es denominada parte alta, y como no está disponible para muchos programas generalmente se usa para cargar drivers del sistema operativo, programas residentes y datos de hardware (ROM y páginas de video).

3.- LA ARQUITECTURA DE LOS MICROPROCESADORES INTEL.

Sin importar de que microprocesador se trate, los microprocesadores del 8088 al 80486 usan el modelo de registros del 8086. Los microprocesadores matemáticos 80287 al 80487 utilizan el modelo de registros expandidos del 8087. Para mayor detalle ver los apéndices A y B.

Los microprocesadores matemáticos están diseñados exclusivamente para efectuar operaciones aritméticas de una manera más rápida y precisa bajo el control de otro procesador razón por la cual se denominan coprocesadores. Estos también poseen un juego de instrucciones de lenguaje de máquina propio.

La diferencia entre los diversos microprocesadores de uso general y los coprocesadores reside en el nuevo conjunto de instrucciones, registros y señalizadores agregados con cada nueva liberación de un procesador superior. Estas adiciones se hicieron con el fin de agregar un mayor poder de cómputo sin alterar la estructura básica, para así mantener la compatibilidad con los desarollos anteriores, tanto de software como de hardware.

La diferencia entre los 8086 y 8088 con los 80186 y 80188 no es muy grande, ésta radica en un grupo de instrucciones que fueron agregadas al 80186 y al 80188. La diferencia entre el 8086 y el 8088, lo mismo que entre el 80186 y el 80188, es el modelo de memoria que usan ambos procesadores. El 8088 y el 80188 están diseñados como microprocesadores de 8 bits por lo que el modo de acceso a la memoria es ligeramente distinto pero compatible con el 8086 y el 80186. Esto se verá con más detalle en un tema posterior.

4.- EL SISTEMA OPERATIVO MS-DOS.

Junto con todo lo visto anteriormente, y como se mencionó anteriomente, uno de los componentes que caracterizan los computadores personales es su sistema operativo. Una PC puede correr varios sistemas operativos: CP/M, CP/M-86, XENIX, Windows, PC-DOS, y MS-DOS. Lo que los define es la forma en que están integrados sus servicios y la forma en que se accesa a ellos. Esto es precisamente lo que el linker debe enlazar y resolver.

Aquí nos enfocaremos exclusivamente en el sistema operativo MS-DOS, y lo que se mencione aquí será valido para las versiones 3.0 y superiores. Este sistema operativo está organizado de la siguiente manera:

Comandos Internos (reconocidos y ejecutados por el COMMAND.COM)

Comandos Externos ( .EXEs y .COMs )

Utilerías y drivers (programas de administración del sistema)

Shell (Interfaz amigable, sólo versiones 4.0 o mayores)

Servicios (Interrupciones)

Los servicios, más conocidos como interrupciones o vectores de interrupción, es parte medular de lo que es MS-DOS, y no son mas que rutinas definidas por MS-DOS y el BIOS, ubicadas a partir de una localidad de memoria específica. La manera de accesar a estas rutinas y a los servicios que ofrecen es mediante una instrucción que permite ejecutar una interrupción.

MS-DOS proporciona dos módulos: IBMBIO.COM (provee una interfaz de bajo nivel para el BIOS) e IBMDOS.COM (contiene un manejador de archivos y servicios para manejo de registros). En equipos compatibles estos archivos tienen los nombres IO.SYS y MSDOS.SYS, respectivamente. El acceso a los servicios del computador se realiza de la siguiente manera:

Programa DOS DOS ROM EXTERNO

de usuario Alto nivel Bajo nivel

petición de — IBMDOS.COM — IBMBIO.COM — BIOS — Dispositivo

I/O

5.- ENSAMBLADORES Y MACROENSAMBLADORES.

Existen varios ensambladores disponibles para ambiente MS-DOS: el IBM Macro Assembler, el Turbo Assembler de Borland, el Turbo Editassm de Speedware, por citar algunos. Una breve descripción de cada uno se propociona a continuación.

Macro Ensamblador IBM.- Está integrado por un ensamblador y un macroensamblador. En gran medida su funcionamiento y forma de invocarlo es sumamente similar al de Microsoft. Su forma de uso consiste en generar un archivo fuente en código ASCII, se procede a generar un programa objeto que es ligado y se genera un programa .EXE. Opcionalmente puede recurirse a la utilería EXE2BIN de MS-DOS para transformarlo a .COM. Es capaz de generar un listado con información del proceso de ensamble y referencias cruzadas.

Macro Ensamblador de Microsoft.- Dependiendo de la versión, este ensamblador es capaz de soportar el juego de instrucciones de distintos tipos de microprocesadores Intel de la serie 80xx/80x86. En su versión 4.0 este soporta desde el 8086 al 80286 y los coprocesadores 8087 y 80287. Requiere 128KB de memoria y sistema operativo MS-DOS v2.0 o superior. Trabaja con un archivo de código fuente creado a partir de un editor y grabado en formato ASCII. Este archivo es usado para el proceso de ensamble y generación de código objeto. Posteriormente, y con un ligador, es creado el código ejecutable en formato .EXE.

Turbo Editassm.- Este es desarrollado por Speddware, Inc., y consiste de un ambiente integrado que incluye un editor y utilerías para el proceso de ensamble y depuración. Es capaz de realizar el ensamble línea a línea, conforme se introducen los mnemónicos, y permite revisar listas de referencias cruzadas y contenido de los registros. Este ensamblador trabaja con tablas en memoria, por lo que la generación del código ejecutable no implica la invocación explícita del ligador por parte del programador. Adicionalmente permite la generación de listados de mensajes e información de cada etapa del proceso y la capacidad de creación de archivos de código objeto.

Turbo Assembler.- De Borland Intl., es muy superior al Turbo Editassm. Trabaja de la misma forma, pero proporciona una interfaz mucho más fácil de usar y un mayor conjunto de utilerías y servicios.

En lo que se refiere a las presentes notas, nos enfocaremos al Microsoft Macro Assembler v4.0. Los programas ejemplo han sido desarrollados con éste y está garantizado su funcionamiento. Estos mismo programas posiblemente funcionen con otros ensambladores sin cambios o con cambios mínimos cuando utilizan directivas o pseudoinstrucciones.

Realmente la diferencia entre los ensambladores radica en la forma de generar el código y en las directivas con que cuente, aunque estas diferencias son mínimas. El código ensamblador no cambia puesto que los microprocesadores con los que se va a trabajar son comunes. Así, todos los programas que se creen con un ensamblador en particular podrán ser ensamblados en otro, cambiando las pseudo-operaciones no reconocidas por el equivalente indicado en el manual de referencia del paquete empleado.

Los programas que componen el Macro Ensamblador Microsoft v4.0 son los siguientes:

Programa Descripción

MASM.EXE Microsoft Macro Assembler

LINK.EXE Microsoft 8086 object linker

SYMDEB.EXE Microsoft Symbolic Debuger Utility

MAPSYM.EXE Microsoft Symbol File Generator

CREF.EXE Microsoft Cross-Reference Utility

LIB.EXE Microsoft Library Manager

MAKE.EXE Microsoft Program Maintenance Utility

EXEPACK.EXE Microsoft EXE File Compression Utility

EXEMOD.EXE Microsoft EXE File Header Utility

COUNT.ASM Sample source file for SYMDEB session

README.DOC Updated information obtained after the manual

was printed.

El Microsoft Macro Assembler v4.0 crea código ejecutable para procesadores 8086, 8088, 80186, 80188, 80286, 8087 y 80287. Además es capaz de aprovechar las instrucciones del 80286 en la creación de código protegido y no protegido.

El término macroensamblador es usado para indicar que el ensamblador en cuestión tiene la capacidad de poder ensamblar programas con facilidad de macro. Una macro es una pseudo-instrucción que define un conjunto de instrucciones asociadas a un nombre simbólico. Por cada ocurrencia en el código de esta macro, el ensamblador se encarga de substituir esa llamada por todas las instrucciones asociadas y, en caso de existir, se dejan los parámetros con los que se estaba llamando la macro y no con los que había sido definida. Es importante señalar que no se deja una llamada, como a una subrutina o procedimiento, sino que se incorporan todas las instrucciones que definen a la macro.

II.- EL LENGUAJE ENSAMBLADOR.

1.- UN EJEMPLO CLASICO.

En esta parte se describe lo que es el lenguaje ensamblador, no al ensamblador o al proceso de ensamblado. Aquí se tratará todo lo concerniente con el lenguaje ensamblador y el conjunto de directivas del Microsoft Macro Assembler v4.0. Si bien esto puede resultar bastente extenso y complejo, aquí sólo se describirán las instrucciones y directivas básicas.

Para comenzar veamos un pequeño ejemplo que ilustra el formato del programa fuente. Este ejemplo está completamente desarrollado en lenguaje ensamblador que usa servicios o funciones de MS-DOS (system calls) para imprimir el mensaje Hola mundo!! en pantalla.

; HOLA.ASM

; Programa clasico de ejemplo. Despliega una leyenda en pantalla.

STACK SEGMENT STACK ; Segmento de pila

DW 64 DUP (?) ; Define espacio en la pila

STACK ENDS

DATA SEGMENT ; Segmento de datos

SALUDO DB "Hola mundo!!",13,10,"$" ; Cadena

DATA ENDS

CODE SEGMENT ; Segmento de Codigo

ASSUME CS:CODE, DS:DATA, SS:STACK

INICIO: ; Punto de entrada al programa

MOV AX,DATA ; Pone direccion en AX

MOV DS,AX ; Pone la direccion en los registros

MOV DX,OFFSET SALUDO ; Obtiene direccion del mensaje

MOV AH,09H ; Funcion: Visualizar cadena

INT 21H ; Servicio: Funciones alto nivel DOS

MOV AH,4CH ; Funcion: Terminar

INT 21H

CODE ENDS

END INICIO ; Marca fin y define INICIO

La descripción del programa es como sigue:

1.- Las declaraciones SEGMENT y ENDS definen los segmentos a usar.

2.- La variable SALUDO en el segmento DATA, define la cadena a ser desplegada. El signo del dolar al final de la cadena (denominado centinela) es requerido por la función de visualización de la cadena de MS-DOS. La cadena incluye los códigos para carriage-return y line-feed.

3.- La etiqueta START en el segmento de código marca el inicio de las instrucciones del programa.

4.- La declaracion DW en el segmento de pila define el espacio para ser usado por el stack del programa.

5.- La declaración ASSUME indica que registros de segmento se asociarán con las etiquetas declaradas en las definiciones de segmentos.

6.- Las primeras dos instrucciones cargan la dirección del segmento de datos en el registro DS. Estas instrucciones no son necesarias para los segmentos de código y stack puesto que la dirección del segmento de código siempre es cargado en el registro CS y la dirección de la declaración del stack segment es automáticamente cargada en el registro SS.

7.- Las últimas dos instrucciones del segmento CODE usa la función 4CH de MS-DOS para regresar el control al sistema operativo. Existen muchas otras formas de hacer esto, pero ésta es la más recomendada.

8.- La directiva END indica el final del código fuente y especifica a START como punto de arranque.

2.- EL FORMATO DEL ENSAMBLADOR.

De acuerdo a las convenciones y notación seguidas en el manual del Microsoft Macro Assembler, y que usaremos nosotros también, tenemos:

Notación Significado

Negritas Comandos, símbolos y parámetros a ser usados como se

muestra.

Itálicas Todo aquello que debe ser reemplazado por el usuario

ð ð Indican un parámetro opcional

,,, Denota un parámetros que puede repetirse varias veces

¦ Separa dos valores mutuamente excluyentes

letra chica Usada para ejemplos. Código y lo que aparece en pantalla.

Cada programa en lenguaje ensamblador es creado a partir de un archivo fuente de código ensamblador. Estos son archivos de texto que contienen todas las declaraciones de datos e instrucciones que componen al programa y que se agrupan en áreas o secciones, cada una con un propósito especial. Las sentencias en ensamblador tienen la siguiente sintaxis:

[nombre] mnemónico [operandos] [;comentarios]

En cuanto a la estructura, todos los archivos fuente tienen la misma forma: cero o más segmentos de programa seguidos por una directiva END. No hay una regla sobre la estructura u orden que deben seguir las diversas secciones o áreas en la creación del código fuente de un programa en ensamblador. Sin embargo la mayoría de los programas tiene un segmento de datos, un segmento de código y un segmento de stack, los cuales pueden ser puestos en cualquier lugar.

Para la definición de datos y declaración de instrucciones y operandos el MASM reconoce el conjunto de caracteres formado por letras mayúsculas, letras minúsculas (excluyendo caracteres acentuados, ñ, Ñ), números, y los símbolos: ? @ _ $ : . [ ] ( ) { } + - / * & % ! ´ ~ ¦ \ = #  ; , " `

La declaración de números requiere tener presente ciertas consideraciones. En el MASM un entero se refiere a un número entero: combinación de dígitos hexadecimales, octales, decimales o binarios, más una raíz opcional. La raíz se especifica con B, Q u O, D, o H. El ensamblador usará siempre la raíz decimal por defecto, si se omite la especificación de la raíz (la cual se puede cambiar con la directiva .RADIX). Así nosotros podemos especificar un entero de la siguiente manera: digitos, digitosB, digitosQ o digitosO, digitosD, digitosH. Si una D o B aparecen al final de un número, éstas siempre se considerarán un especificador de raíz, e.g. 11B será tratado como 112 (210), mientras que si se trata del número 11B16 debe introducirse como 11Bh.

Para los números reales tenemos al designador R, que sólo puede ser usado con números hexadecimales de 8, 16, ó 20 digitos de la forma digitosR. También puede usarse una de las directivas DD, DQ, y DT con el formato [+¦-]digitos.digitos[E[+¦-]digitos].

Las cadenas de carácter y constantes alfanuméricas son formadas como ´caracteres´ o "caracteres" . Para referencias simbólicas se utilizan cadenas especiales denominadas nombres. Los nombres son cadenas de caracteres que no se entrecomillan y que deben comenzar con una A..Z ¦ a..z ¦ _ ¦ $ ¦ @ los caracteres restantes pueden ser cualquiera de los permitidos, y solamente los 31 primeros caracteres son reconocidos.

3.- DIRECTIVAS.

El MASM posee un conjunto de instrucciones que no pertenecen al lenguaje ensamblador propiamente sino que son instrucciones que únicamente son reconocidas por el ensambldor y que han sido agregadas para facilitar la tarea de ensablamblado, tanto para el programador como para el programa que lo lleva a cabo. Dichas instrucciones son denominadas directivas. En general, las directivas son usadas para especificar la organización de memoria, realizar ensamblado condicional, definir macros, entrada, salida, control de archivos, listados, cross-reference, direcciones e información acerca de la estructura de un programa y las declaraciones de datos. El apéndice D proporciona una lista completa de estas directivas.

* Conjunto de instrucciones.- Dentro de las directivas más importantes, tenemos las que establecen el conjunto de instrucciones a soportar para un microprocesador en especial:

.8086(default).- Activa las instrucciones para el 8086 y 8088 e inhibe las del 80186 y 80286.

.8087(default).- Activa instrucciones para el 8087 y desactiva las del 80287.

.186.- Activa las instrucciones del 80186.

.286c.- Activa instrucciones del 80286 en modo no protegido.

.289p.- Activa instrucciones del 80286 en modo protegido y no protegido.

.287.- Activa las instrucciones para el 80287.

* Declaración de segmentos.- En lo que respecta a la estructura del programa tenemos las directivas SEGMENT y ENDS que marcan el inicio y final de un segmento del programa. Un segmento de programa es una colección de instrucciones y/o datos cuyas direcciones son todas relativas para el mismo registro de segmento. Su sintaxis es:

nombre SEGMENT [alineación] [combinación] [´clase´]

nombre ENDS

El nombre del segmento es dado por nombre, y debe ser único. Segmentos con el mismo nombre se tratan como un mismo segmento. Las opciones alineación, combinación, y clase proporcionan información al LINK sobre cómo ajustar los segmentos. Para alineación tenemos los siguientes valores: byte (usa cualquier byte de dirección), word (usa cualquier palabra de dirección, 2 bytes/word), para (usa direcciones de parráfos, 16 bytes/parráfo, deafult), y page (usa direcciones de página, 256 bytes/page). combinación define cómo se combinarán los segmentos con el mismo nombre. Puede asumir valores de: public (concatena todos los segmentos en uno solo), stack (igual al anterior, pero con direcciones relativas al registro SS, common (crea segmentos sobrepuestos colocando el inicio de todos en una misma dirección), memory (indica al LINK tratar los segmentos igual que MASM con public, at address (direccionamiento relativo a address). clase indica el tipo de segmento, señalados con cualquier nombre. Cabe señalar que en la definición está permitido el anidar segmentos, pero no se permite de ninguna manera el sobreponerlos.

* Fin de código fuente.- Otra directiva importante es la que indica el final de un módulo. Al alcanzarla el ensamblador ignorará cualquier otra declaración que siga a ésta. Su sintaxis es:

END [expresión]

la opción expresión permite definir la dirección en la cual el programa iniciará.

* Asignación de segmentos.- La directiva ASSUME permite indicar cuales serán los valores por default que asimirán los registros de segmento. Existen dos formas de hacer esto:

ASSUME registrosegmento:nombre,,,

ASSUME NOTHING

NOTHING cancela valores previos.

* Etiquetas.- Las etiquetas son declaradas

nombre:

donde nombre constituye una cadena de caracteres.

* Declaración de datos.- Estos se declaran según el tipo, mediante la regla

[nombre] directiva valor,,,

donde directiva puede ser DB (bytes), DW (palabras), DD (palabra doble), DQ (palabra cuádruple), DT (diez bytes). También pueden usarse las directivas LABEL (crea etiquetas de instrucciones o datos), EQU (crea símbolos de igualdad) , y el símbolo = ( asigna absolutos) para declarar símbolos. Estos tienen la siguiente sintaxis:

nombre = expresion

nombre EQU expresión

nombre LABEL tipo

donde tipo puede ser BYTE, WORD, DWORD, QWORD, TBYTE, NEAR, FAR.

* Declaración de estructuras.- Para la declaración de estructuras de datos se emplea la directiva STRUC. Su sintaxis es:

nombre STRUC

campos

nombre ENDS

4.- CONJUNTO DE INSTRUCCIONES.

El juego completo de instrucciones reconocidas por los procesadores intel 8086 a 80286, junto con los coprocesadores 8087 y 80287, se enlistan en el apendice E. Como puede verse en dicho apéndice, la mayoría de las instrucciones requieren algunos operandos o expresiones para trabajar, y lo cual es válido también para las directivas. Los operandos representan valores, registros o localidades de memoria a ser accesadas de alguna manera. Las expresiones combinan operandos y operadores aritméticos y lógicos para calcular en valor o la dirección a acceder.

Los operandos permitidos se enlistan a continuación:

Constantes.- Pueden ser números, cadenas o expresiones que representan un valor fijo. Por ejemplo, para cargar un registro con valor constante usaríamos la instrucción MOV indicando el registro y el valor que cargaríamos dicho registro.

mov ax,9

mov al,´c´

mov bx,65535/3

mov cx,count

count sólo sera válido si este fue declarado con la directiva EQU.

Directos.- Aquí se debe especificar la dirección de memoria a accesar en la forma segmento:offset.

mov ax,ss:0031h

mov al,data:0

mov bx,DGROUP:block

Relocalizables.- Por medio de un símbolo asociado a una dirección de memoria y que puede ser usado también para llamados.

mov ax, value

call main

mov al,OFFSET dgroup:tabla

mov bx, count

count sólo será válido si fue declarado con la directiva DW.

Contador de localización.- Usado para indicar la actual localización en el actual segmento durante el ensamblado. Representado con el símbolo $ y también conocido como centinela.

help DB ´OPCIONES´,13,10

F1 DB ´ F1 salva pantalla´,13,10

.

.

.

F10 DB ´ F10 exit´,13,10,´$

DISTANCIA = $-help

Registros.- Cuando se hace referencia a cualquiera de los registros de propósito general, apuntadores, índices, o de segmento.

Basados.- Un operador basado representa una dirección de memoria relativa a uno de los registros de base (BP o BX). Su sintaxis es:

desplazamiento[BP]

desplazamiento[BX]

[desplazamiento][BP]

[BP+desplazamiento]

[BP].desplazamiento

[BP]+desplazamiento

en cada caso la dirección efectiva es la suma del desplazamiento y el contenido del registro.

mov ax,[BP]

mov al,[bx]

mov bx,12[bx]

mov bx,fred[bp]

Indexado.- Un operador indexado representa una dirección de memoria relativa a uno de los registros índice (SI o DI). Su sintaxis es:

desplazamiento[DI]

desplazamiento[SI]

[desplazamiento][DI]

[DI+desplazamiento]

[DI].desplazamiento

[DI]+desplazamiento

en cada caso la dirección efectiva es la suma del desplazamiento y el contenido del registro.

mov ax,[si]

mov al,[di]

mov bx,12[di]

mov bx,fred[si]

Base-indexados.- Un operador base-indexado representa una dirección de memoria relativa a la combinación de los registros de base e índice. Su sintaxis es:

desplazamiento[BP][SI]

desplazamiento[BX][DI]

desplazamiento[BX][SI]

desplazamiento[BP][DI]

[desplazamiento][BP][DI]

[BP+DI+desplazamiento]

[BP+DI].desplazamiento

[DI]+desplazamiento+[BP]

en cada caso la dirección efectiva es la suma del desplazamiento y el contenido del registro.

mov ax,[BP][si]

mov al,[bx+di]

mov bx,12[bp+di]

mov bx,fred[bx][si]

Estructuras.- Su sintaxis es variable.campo. variable es el nombre con que se declaró la estructura, y campo es el nombre del campo dentro de la estructura.

date STRUC

mes DW ?

dia DW ?

aa DW ?

date ENDS

actual date ´ja´,´01´,´84´

mov ax,actual.dia

mov actual.aa, ´85´

Operadores y expresiones.- Se cuenta con los siguientes operadores:

-aritméticos

expresión1 * expresión2

expresión1 / expresión2

expresión1 MOD expresión2

expresión1 + expresión2

expresión1 - expresión2

+ expresión

- expresión

-de corrimiento

expresión1 SHR contador

expresión1 SHL contador

-relacionales

expresión1 EQ expresión2

expresión1 NE expresión2

expresión1 LT expresión2

expresión1 LE expresión2

expresión1 GT expresión2

expresión1 GE expresión2

- de bit

NOT expresión

expresión1 AND expresión2

expresión1 OR expresión2

expresión1 XOR expresión2

-de índice

[expresión1] [expresión2]

ejemplos:

mov al, string[3]

mov string[last],al

mov cx,dgroup:[1] ; igual a mov cx,dgroup:1

-de apuntador

tipo PTR expresión

tipo puede ser BYTE ó 1, WORD ó 2, DWORD ó 4, QWORD ó 8, TBYTE ó 10, NEAR ó 0FFFFh, FAR ó 0FFFEh. Ejemplos:

call FAR PTR subrout3

mov BYTE ptr [array], 1

add al, BYTE ptr [full_word]

-de nombre de campo

estructura.campo

ejemplos:

inc month.day

mov time.min,0

mov [bx].dest

-de propósito especial.

OFFSET expresion.- Regresa el desplazamiento del operando

mov bx, OFFSET dgroup:array

mov bx, offset subrout3

SHORT etiqueta.- Para un salto de menos de 128 bytes

jmp SHORT loop

LENGTH variable.- Regresa el número de elementos de variable según su tipo

mov cx,length array

SIZE variable.- Regresa el tamaño en bytes alojados para variable

mov cx,size array

SEG expresión.- Regresa el valor del segmento para expresión

mov ax, SEG saludo

5.- MACROS Y PROCEDIMIENTOS.

La manera más fácil de modularizar un programa es dividirlo en dos o más partes. Para esto, es necesario que datos, símbolos, y demás valores de un módulo sean reconocidos por el otro u otros módulos. Para este tipo de declaraciones globales existen dos directivas:

PUBLIC nombre,,, que hace la variable, etiqueta o símbolo absoluto disponible para todos los programas.

EXTRN nombre:tipo,,, que especifica una variable, etiqueta o símbolo externos identificados por nombre y tipo (que puede ser BYTE, WORD, DWORD, QWORD, TBYTE, NEAR, FAR, o ABS, éste último para números absolutos).

El siguiente ejemplo ilustra el uso de las directivas. El primer listado corresponde al módulo principal, mientras que el segundo al módulo que contiene una rutina. Ambos módulos son archivos que se editan por separado, se ensamblan por separado, pero se ligan juntos.

MODULO PRINCIPAL: MAIN.ASM

NAME main

PUBLIC exit

EXTRN print:near

stack SEGMENT word stack 'STACK'

DW 64 DUP(?)

stack ENDS

data SEGMENT word public 'DATA'

data ENDS

code SEGMENT byte public 'CODE'

ASSUME cs:code, ds:data

start:

mov ax,data ; carga localizacion del segmento

mov ds,ax ; en el registro DS

jmp print ; va a PRINT en el otro modulo

exit:

mov ah,4ch

int 21h

code ENDS

END start

SUBMODULO: TASK.ASM

NAME task

PUBLIC print

EXTRN exit:near

data SEGMENT word public 'DATA'

entrada DB "Entrando a un submodulo....",13,10,"$"

salida DB ".......saliendo del submodulo.",01,07,13,10,"$"

data ENDS

code SEGMENT byte public 'CODE'

ASSUME cs:code, ds:data

print:

mov ah,06h ; Funcion para borrar pantalla

mov al,0 ; todas las lineas

mov cx,0 ; de 0,0

mov dh,24d

mov dl,79d

mov bh,0 ; atributo en lineas vacias

int 10h ; Servicio de e/s video

mov dx, OFFSET entrada

mov ah,09h

int 21h

mov dx, OFFSET salida

int 21h

jmp exit ; Regresa al otro modulo

code ENDS

END

La declaración de macros se hace a través de las directivas MACRO y ENDM. Su sintaxis es:

nombre MACRO [parámetros,,,]

declaraciones

ENDM

parámetros son los valores que se substituirán en la macro cada vez que se haga referencia a ésta.

Para la definición de procedimientos se emplean las directivas PROC y ENDP. Su sintaxis es:

nombre PROC [distancia]

sentencias

nombre ENDP

distancia, que puede ser NEAR (default) o FAR permiten indicar el tipo de acciones a realizar en brincos y llamados a subrutinas. nombre se puede usar como dirección en llamados o brincos.

6.- INTERRUPCIONES.

Como se mencionó anteriormente la PC esta constituida lógicamente por su BIOS y sistema operativo. La mayoría de las rutinas que controlan al computador están grabadas en el ROM del BIOS, aunque muchas rutinas son establecidas por el sistema operativo y se cargan en RAM al momento de encender al computador. Estas rutinas son denominadas interrupciones y son activadas mediante la instrucción: INT número. Una interrupción es una operación que invoca la ejecución de una rutina específica que suspende la ejecución del programa que la llamó, de tal manera que el sistema toma control del computador colocando en el stack el contenido de los registros CS e IP. El programa suspendido vuelve a activarse cuando termina la ejecución de la interrupción y son restablecidos los registros salvados. Existen dos razones para ejecutar una interrupción: (1) intencionalmente como petición para la entrada o salida de datos de un dispositivo, y (2) un error serio y no intencional, como sobreflujo o división por cero.

El operando de una interrupción indica cúal es la rutina a activar. La dirección de la rutina es localizada por medio de una tabla que el sistema mantiene a partir de la dirección 0000:0000h. Existen 256 entradas de 4 bytes de longitud, y cada interrupción proporciona varias funciones. Las interrupciones de 00h a 1Fh correponden al BIOS y de 20h a FFh son del DOS y BASIC. El apéndice F proporciona una lista de las interrupciones para equipo XT.

III.- CREACION Y DEPURACION DE PROGRAMAS EN LENGUAJE ENSAMBLADOR

1.- EDICION.

Los archivos fuente de código ensamblador deben estar en formato ASCII standard. Para esto puede usarse cualquier editor que permita crear archivos sin formato, e.g. Edlin, Edit, Write, El editor del Turbo Pascal, Works, Word, WordStar, etcétera. Las declaraciones pueden ser introducidas en mayúsculas y/o minúsculas. Una buena práctica de programación es poner todas las palabras reservadas (directivas e instrucciones) en mayúsculas y todo lo del usuario en minúsculas para fines de facilidad de lectura del código.

Las sentencias pueden comenzar en cualquier columna, no pueden tener más de 128 caracteres, no se permiten lineas múltiples ni códigos de control, y cada línea debe ser terminada con una combinación de line-feed y carriage-return. Los comentarios se declaran con ; y terminan al final de la línea.

2.- ENSAMBLADO.

El ensamblado se lleva a cabo invocando al MASM. Este puese ser invocado, usando una línea de comando, de la siguiente manera:

MASM archivo [,[objeto][,[listado][,[cross]]]]][opciones][;]

donde:

archivo.- Corresponde al programa fuente. Por default se toma la extensión .ASM.

objeto.- Es el nombre para el archivo objeto.

listado.- Nombre del archivo de listado de ensamblado.

cross.- Es un archivo de referencias cruzadas.

opciones.- Pueden ser:

/A escribe los segmentos en orden alfabético

/S escribe los segmentos en orden del fuente

/Bnum fija buffer de tamaño num

/C especifica un archivo de referencias cruzadas

/L especifica un listado de ensamble

/D crea listado del paso 1

/Dsym define un símbolo que puede usarse en el ensamble

/Ipath fija path para búscar archivos a incluir

/ML mantiene sensitividad de letras (mayús./minús) en nombres

/MX mantiene sensitividad en nombre publicos y externos

/MU convierte nombres a mayúsculas

/N suprime tablas en listados

/P checa por código impuro

/R crea código para instrucciones de punto flotante

/E crea código para emular instrucciones de punto flotante

/T suprime mensajes de ensable exitoso

/V despliega estadísticas adicionales en pantalla

/X incluir condicionales falsos en pantalla

/Z despliega líneas de error en pantalla

si el ; al final se omite es necesario poner todas las comas que se indican. Si no se quiere poner algún valor basta con dejar la coma.

La otra forma de invocar al ensamblador es sólo tecleando MASM y respondiendo a la información que se solicita. Para omitir algún valor sólo basta teclear ENTER si dar ningún valor.

3.- LINK.

De la misma forma que el ensamblado, la fase de liga se lleva a cabo con el LINK. Este puede ser invocado de la misma forma que el MASM. Los parámetros que este requiere son:

LINK objeto [,[ejecutable][,[mapa][,[librería]]]]][opciones][;]

donde:

objeto.- Es el nombre para el archivo .OBJ

ejecutable.- Nombre del archivo .EXE

mapa.- Nombre del archivo mapa

librería.- Nombre del archivo biblioteca de rutinas

opciones.- Pueden ser:

/HELP muestra lista de opciones

/PAUSE pausa en el proceso

/EXEPACK empaca archivo ejecutable

/MAP crea mapa se símbolos públicos

/LINENUMBERS copia número de lineas al mapa

/NOIGNORECASE mantiene sensitividad en nombres

/NODEFAULTLIBRARYSEARCH no usa bibliotecas por default

/STACK:size fija el tamaño del stack a usar

/CPARMAXALLOC:número fija alojación máxima de espacio

/HIGH fija la dirección de carga más alta

/DSALLOCATE aloja grupo de datos

/NOGROUPASSOCIATION ignora asociaciones para direcciones

/OVERLAYINTERRUPT:número asigan nuevo número a la INT 03Fh

/SEGMENTS:número procesa un número de segmentos

/DOSSEG sigue la convención de orden de DOS

4.- EJECUCION.

Para la ejecución del programa simplemente basta teclear su nombre en el prompt de MS-DOS y teclear ENTER. Con esto el programa será cargado en memoria y el sistema procederá a ejecutarlo. El proceso completo para poder crear un programa ejecutable con el Microsoft Macro Assembler se muestra abajo.

y lo que se vería en pantalla sería lo siguiente:

C:\DATA\PROGRAMS\ASM>masm main

Microsoft (R) Macro Assembler Version 4.00

Copyright (C) Microsoft Corp 1981, 1983, 1984, 1985. All rights reserved.

Object filename [main.OBJ]:

Source listing [NUL.LST]:

Cross-reference [NUL.CRF]:

50966 Bytes symbol space free

0 Warning Errors

0 Severe Errors

C:\DATA\PROGRAMS\ASM>masm task

Microsoft (R) Macro Assembler Version 4.00

Copyright (C) Microsoft Corp 1981, 1983, 1984, 1985. All rights reserved.

Object filename [task.OBJ]:

Source listing [NUL.LST]:

Cross-reference [NUL.CRF]:

51034 Bytes symbol space free

0 Warning Errors

0 Severe Errors

C:\DATA\PROGRAMS\ASM>link main+task

Microsoft (R) 8086 Object Linker Version 3.05

Copyright (C) Microsoft Corp 1983, 1984, 1985. All rights reserved.

Run File [MAIN.EXE]:

List File [NUL.MAP]:

Libraries [.LIB]:

C:\DATA\PROGRAMS\ASM>main

Entrando a un submodulo....

.......saliendo del submodulo.

C:\DATA\PROGRAMS\ASM>

5.- DEPURACION.

Para la depuración de un programa en ensamblador tenemos disponibles dos herramientas. Por un lado tenemos el debuger que nos proporciona MS-DOS (DEBUG.EXE) y por otro lado tenemos el que nos proporciona Microsoft (SYMDEB.EXE). Este último trabaja igual que el de MS-DOS pero nos proporciona muchas ventajas más. Una de ellas es la facilidad de desplegar el código fuente correspondiente a la instrucción que se esta ejecutando (si el programa ejecutable fue ensamblado o compilado con un ensamblador o compilador compatible), nos permite ejecutar comandos del S.O. y nos permite obtener información de las interrupciones de manera simbólica.

6.- LA UTILERIA EXE2BIN Y LOS ARCHIVOS .EXE Y .COM .

Para MS-DOS sólo existen dos tipo de archivos ejecutables los .COM y .EXE. Ambos archivos difieren en algunas cosas. Primero, las ventajas de los .EXE son dobles, nos permiten tener archivos reubicables y el uso de hasta cuatro segmentos (STACK, DATA, EXTRA y CODE) de hasta 64KB cada uno. Un archivo .COM sólo puede tener un segmento de 64KB, en el que se tiene tanto código como pila, y datos. La desventaja de los .EXE es que agregan 512 bytes como cabecera con información para la reubicación del código. Un .COM no es reubicable, siempre inicia en la dirección 0100H.

Si nuestro programa no es muy grande 64KB son mas que suficientes. Por lo que conviene crearlo como .COM, para esto se cuenta con la utilería EXE2BIN.EXE que nos proporciona el sistema operativo. y que nos permite crear .COM a partir de .EXE . Las restricciones para esto son las suguientes: el archivo a convertir no debe estar empacado, no debe tener segmento de stack, debe tener sólo segmento de código y su tamaño debe ser menor a 64KB.

APENDICE A.- MODELO DE REGISTROS DEL 8086

APENDICE B.- REGISTROS EXPANDIDOS DEL 8087.