博客
关于我
【30天自制操作系统】day05:结构体、文字显示与 GDT/IDT 初始化
阅读量:417 次
发布时间:2019-03-06

本文共 1388 字,大约阅读时间需要 4 分钟。

输出一个 16 行 8 列的点阵字符

void putfont8(char *vram, int xsize, int x, int y, char c, char *font){	int i;	char *p, d /* data */;	for (i = 0; i < 16; i++) {		p = vram + (y + i) * xsize + x;		d = font[i];		if ((d & 0x80) != 0) { p[0] = c; }		if ((d & 0x40) != 0) { p[1] = c; }		if ((d & 0x20) != 0) { p[2] = c; }		if ((d & 0x10) != 0) { p[3] = c; }		if ((d & 0x08) != 0) { p[4] = c; }		if ((d & 0x04) != 0) { p[5] = c; }		if ((d & 0x02) != 0) { p[6] = c; }		if ((d & 0x01) != 0) { p[7] = c; }	}	return;}

 

GDT 初始化

  • GDTR寄存器(48位):低16位表示段上限(0xffff - 64KB),高32位表示GDT的开始地址(0x270000)
_load_gdtr:		; void load_gdtr(int limit, int addr);		MOV		AX,[ESP+4]		; limit		MOV		[ESP+6],AX		LGDT	[ESP+6]		RET
  • 段信息(64位):20位段大小 + 32位段起始地址 + 12位段属性
struct SEGMENT_DESCRIPTOR {	short limit_low, base_low;	char base_mid, access_right;	char limit_high, base_high;};void set_segmdesc(struct SEGMENT_DESCRIPTOR *sd, unsigned int limit, int base, int ar){	if (limit > 0xfffff) {		ar |= 0x8000; /* G_bit = 1 */		limit /= 0x1000;	}	sd->limit_low    = limit & 0xffff;	sd->base_low     = base & 0xffff;	sd->base_mid     = (base >> 16) & 0xff;	sd->access_right = ar & 0xff;	sd->limit_high   = ((limit >> 16) & 0x0f) | ((ar >> 8) & 0xf0);	sd->base_high    = (base >> 24) & 0xff;	return;}
  • 段属性(12位):GD000000xxxxxxxx
    • 0x00:未使用的记录表
    • 0x92:系统专用,可读、可写、不可执行(内核态)
    • 0x9a:系统专用,可执行、可读、不可写(内核态)
    • 0xf2:应用程序专用,可读、可写、不可执行(用户态)
    • 0xfa:应用程序专用,可执行、可读、不可写(用户态)

 

转载地址:http://uinuz.baihongyu.com/

你可能感兴趣的文章
NIS认证管理域中的用户
查看>>
Nitrux 3.8 发布!性能全面提升,带来非凡体验
查看>>
NiuShop开源商城系统 SQL注入漏洞复现
查看>>
NI笔试——大数加法
查看>>
NLog 自定义字段 写入 oracle
查看>>
NLog类库使用探索——详解配置
查看>>
NLP 基于kashgari和BERT实现中文命名实体识别(NER)
查看>>
NLP 模型中的偏差和公平性检测
查看>>
Vue3.0 性能提升主要是通过哪几方面体现的?
查看>>
NLP 项目:维基百科文章爬虫和分类【01】 - 语料库阅读器
查看>>
NLP_什么是统计语言模型_条件概率的链式法则_n元统计语言模型_马尔科夫链_数据稀疏(出现了词库中没有的词)_统计语言模型的平滑策略---人工智能工作笔记0035
查看>>
NLP三大特征抽取器:CNN、RNN与Transformer全面解析
查看>>
NLP学习笔记:使用 Python 进行NLTK
查看>>
NLP度量指标BELU真的完美么?
查看>>
NLP的不同研究领域和最新发展的概述
查看>>
NLP的神经网络训练的新模式
查看>>
NLP采用Bert进行简单文本情感分类
查看>>
NLP问答系统:使用 Deepset SQUAD 和 SQuAD v2 度量评估
查看>>
NLP项目:维基百科文章爬虫和分类【02】 - 语料库转换管道
查看>>
NLP:从头开始的文本矢量化方法
查看>>