gcc内联ARM程序集中的`ldm/stm`

我正在尝试使用内联汇编创建ldm(resp.stm)指令,但是在表达操作数​​方面存在问题(尤其是:它们的顺序).

一件微不足道的事

void *ptr;
unsigned int a;
unsigned int b;

__asm__("ldm %0!,{%1,%2}" : "+&r"(ptr), "=r"(a), "=r"(b));

不工作,因为它可能把a到r1和b成r0:

ldm ip!, {r1, r0}

ldm期望寄存器按升序排列(因为它们在位域中编码)所以我需要一种方法来说明用于的寄存器a低于此b.

一个简单的方法是固定分配寄存器:

register unsigned int a asm("r0");
register unsigned int b asm("r1");

__asm__("ldm %0!,{%1,%2}" : "+&r"(ptr), "=r"(a), "=r"(b));

但这会消除很多灵活性,并可能使生成的代码不是最佳的.

gcc(4.8)是否支持特殊约束ldm/stm？或者,有更好的方法来解决这个问题(例如某些__builtin功能)？

编辑:

因为有建议使用"更高级别"的结构......我想要解决的问题是32位32位字的打包(例如输入是8个字,输出是5个字).伪代码是

asm("ldm  %[in]!,{ %[a],%[b],%[c],%[d] }" ...)
asm("ldm  %[in]!,{ %[e],%[f],%[g],%[h] }" ...) /* splitting of ldm generates better code;
                                                  gcc gets out of registers else */
/* do some arithmetic on a - h */

asm volatile("stm  %[out]!,{ %[a],%[b],%[c],%[d],%[e] }" ...)

速度在这里ldm很重要,速度比快50%ldr.算术是棘手的,因为gcc生成比我更好的代码;)我想在内联汇编中解决它,给出一些关于优化内存访问的提示.