编写PE文件解析器（一）

第一篇先写一个PE格式解析器，学了那么久了写出来防止自己忘记，顺便练练手。PE格式解析是比较基础的内容，后面再越写越深。我写这个不是介绍pe格式，而是说编写解析代码，解释定义什么的网上一堆就不粘了，重要的定义我尽量简洁的描述清楚就行，如果想知道每一个定义或者字段是用来干嘛的，在pecoff文档里写的很清楚。业余时间写的，时间不充裕写得很慢，写错请斧正，转载请注明，高手轻批。

解析前需要弄清楚的是RVA相对虚拟地址和RA相对地址，RVA是系统的loader加载到内存中用的，RA是解析文件用的。PE里存的偏移地址大部分都是RVA，因为它是要加载到内存中使用的，所以pe里存rva会快一些。

写解析代码的时候如果想让RVA和RA通用, 需要对载入的方式进行区分，因为后面文章会讲到修改PE内容往里面塞东西和其它一些什么的，所以为了方便我写成通用的。

用读文件或者用GetModuleHandle之类的函数载入，读文件方式解析时需要做rva2ra转换，GetModuleHandle载入的是运行中的进程，已经映射好了，就不用做转换了，把得到的地址作为基址，直接把它转成PCHAR就行。

几乎所有的定义都在winnt.h里，一般使用时只要导入这个就行，只有一些不太常用的定义在其它头文件里。

下面开始：

1、IMAGE_DOS_HEADER【Dos头】

这个段应该是历史遗留问题，需要到的只有e_magic和e_lfanew两个字段。e_magic直接判断等于IMAGE_DOS_SIGNATURE就行，一般pe是以0x4D5A开始的，看定义有其它的值，但是我没见过有其它值的pe。e_lfanew是用来跳过dos stub的，就是用21中断显示那一段英文的代码，删掉这段代码也没关系，以后再写。其它字段可以全部无视。

2、IMAGE_NT_HEADERS【Nt头】

通过base+dosHeader->e_lfanew偏移得到。这个结构分为32版本和64位版本，包含Signature（PE的为IMAGE_NT_SIGNATURE，就是PE\0\0）、FileHeader和OptionalHeader，其中只有OptionalHeader有32和64的区别，其它都是一样，解析到这里的时候需要注意区分是否为32或64位的pe，其信息记录在OptionalHeader字段中，字段中的Magic记录了该pe类型，因为Magic所在位置是一样的，所以可以用PIMAGE_NT_HEADERS32(base + DosHeader->e_lfanew)->OptionalHeader.Magic判断值，再确定使用IMAGE_NT_HEADERS32还是IMAGE_NT_HEADERS64来定这个结构的类型，声明的时候直接用union就行，直接以32位版本赋值后也不用改。

IMAGE_FILE_HEADER FileHeader相对有用的地方是NumberOfSections和SizeOfOptionalHeader。其它有用的信息都记录在OptionalHeader里。（叫做可选，实际上非常重要）

2.1、IMAGE_FILE_HEADER【文件头】

Machine记录机器类型，后面会用到。FileHeader里的NumberOfSections记录了PE节的数量，SizeOfOptionalHeader记录了可选头的大小，第一个节头是紧跟着可选头的，可以通过偏移可选头大小得到。因为64位的可选头跟32位是不同的，所以需要使用可选头大小偏移。Characteristics的定义是IMAGE_FILE_XXX，具体每一项是什么功能在pecoff文档的第14页。

2.2、IMAGE_OPTIONAL_HEADER【可选头】

可选头的Magic定义为IMAGE_NT_OPTIONAL_XXX_MAGIC，32位和64位区别是，64位把32位的BaseOfData跟ImageBase合并了（用ULONGLONG，因为长度不够，但是这里的低32位跟32位版本的位置是一样的，不知道是不是有什么特殊用意），另外的不同点是后面的SizeOfXXXX，也是把双字扩展到四字这样。

相对有用的是AddressOfEntryPoint（程序入口点）、ImageBase（映像基址，dll默认的为0x10000000，ce的exe默认为0x00010000，95~NT系统的默认为0x00400000）；SectionAlignment是节载入内存时使用的对齐值，必须大于等于FileAlignment；其它的也有用，现在先暂时不用，以后再说。具体结构解释网上有，不贴了。

入口点解析的时候不用到，今后详述。映像基址不必多说，GetModuleHandle返回的就是映像基址，只不过有时候这个位置被其它东西占了的时候，系统会换一个位置载入，所以取到的地址不一定是这个字段写的值，这个值只能说是一个默认的选择，如果载入到了其它地方，就需要重定位，这个后面会说。

Subsystem取值为IMAGE_SUBSYSTEM_XXX，DllCharacteristics取值为IMAGE_DLLCHARACTERISTICS_XXX，具体定义在文档（后面指的文档都是pecoff文档）的第20页。

2.3、IMAGE_DATA_DIRECTORY【数据目录】

长度为IMAGE_NUMBEROF_DIRECTORY_ENTRIES的IMAGE_DATA_DIRECTORY数组。

用IMAGE_DIRECTORY_ENTRY_XXX做下标取对应目录的内容，IMAGE_DATA_DIRECTORY的内容是对应目录的rva和大小，如果是读文件形式解析的PE的话，需要进行rva转换，这就需要读节表的一些信息。

3、IMAGE_SECTION_HEADER【节头/段头】

使用宏IMAGE_FIRST_SECTION(NtHeader32)可以取到第一个节头，偏移的方法是从ntheader偏移到可选头，然后再偏移一个可选头大小，得到的就是第一个节头的位置。

这个宏不需要区分32位64位是因为nt头只有可选头长度不一样，其长度又记在前面同位置的字段中，所以跳过的时候就不需要区分，另外节头是不区分32位64位的。

得到第一个节头之后可以使用指针++或者下标来遍历节表，注意不要超过NumberOfSections就行了。IMAGE_SECTION_HEADER的第一个字段Name是节的名称，使用IMAGE_SIZEOF_SHORT_NAME（8）作为长度的一个字符数组(以BYTE声明，以0填充，使用UTF8)，如果节名正好是8个字符的话，字符串后是没有\0的。如果想要支持更长的名称，需要使用以”/ascii十进制值“的形式，后面跟着的十进制是字符串表的偏移，但是可执行文件不使用字符串表并且不支持大于8个字符的节名，如果名字太长会被截断（文档24页）。所以名字最好不要直接用strcmp判断，而且需要判断以“/”开头的情况；贴一下代码，专注打脸一百年，其实这样够用了：

PIMAGE_SECTION_HEADER PE::GetSectionHeaderByName(LPCSTR name)
{
	auto sectionCount = NtHeader32->FileHeader.NumberOfSections;
	auto firSec = FirstSectionHeader;
	CHAR tmpStr[9] = {0}; 
	for (int i = 0; i < sectionCount; i++)
	{
		memcpy(tmpStr,firSec->Name,8); 
		if (strcmp(name,tmpStr) == 0)
		{
			return firSec;
		}
		firSec++;
	}
	return NULL;
}

节头的VirtualAddress记录节的rva（loader映射到内存的位置），PointerToRawData记录节的文件偏移位置，因为要把文件中对应的位置映射到内存，所以需要记录下这两个值，而这两个值就是rva2va的关键。因为loader把不同的节映射到不同的内存位置，所以当转换一个rva时先要确定它所在的节，因为同属一个节，所以，要转换的rva所在节头的VirtualAddress - PointerToRawData = 要转换的rva - 转换后的文件偏移。转换一下式子不难得到rva2va的公式。因为这个要常用，所以写成函数，代码很简单，就是判断rva在哪个段里，然后根据式子算一下就行，就不贴了。另外也只有在节中的地址能做这个转换，原因前面说的都是。

Characteristics是节的属性，loader映射时根据该属性设置节所在的内存区域是否可读写等，这个以后会用到。IMAGE_SCN_XXX是关于这些属性的定义，因为贴进来会增加文章长度又没什么用，自己去看吧。

解析完节表之后得到了rva2va的函数，下面就可以解析数据目录中的内容了。取数据目录对应内容的地址我偷懒就简化成一个宏：

#define GET_IMAGE_DIRECTORY(type, index, save) {auto tmp = GetDataDirectory(index);\
	if (tmp->VirtualAddress != 0)\
	{\
		if(isUseRva)\
		{\
			save = (type)(_filebuf + tmp->VirtualAddress);\
		}\
		else\
		{\
			save = (type)(_filebuf + RvaToRaw( tmp->VirtualAddress));\
		}\
		save##Size = &tmp->Size;\
	}}

作用是取得对应目录指针赋予已定义好的变量。save是预先定义好的变量，index是IMAGE_DIRECTORY_ENTRY_XXX，type是对应下标内容的类型。里面用的函数代码不贴了，应该怎么写的前面都讲了。

4、IMAGE_DIRECTORY_ENTRY_EXPORT【导出表 - IMAGE_EXPORT_DIRECTORY】

因为写了宏的关系，定位到导出表我用的是：

GET_IMAGE_DIRECTORY(PIMAGE_EXPORT_DIRECTORY,IMAGE_DIRECTORY_ENTRY_EXPORT,ExportDirectory);

直接使用ExportDirectory就行了，其它的也是这样用。下面解析导出表结构。

Name字段写了自己的名字（这个必要吗？），结构中使用3个DWORD存储导出的函数地址、函数名地址、下标。AddressOfNames里的字符串是经过排序的； AddressOfFunctions里的项可能会比AddressOfNames里的少，因为有一种情况是一个函数导出多个名字，也有可能多，因为有些函数不导出名字（例子：mshtml.dll）；AddressOfNameOrdinals存储的是下标号，有的时候函数还可以按序号导入，这个表长度跟AddressOfNames一样（所以只有NumberOfFunctions和NumberOfNames两个字段）。所以这三个数组有这样的关系：AddressOfNames和AddressOfNameOrdinals是对应的，AddressOfNameOrdinals里的内容是AddressOfFunctions的下标。AddressOfNames和AddressOfFunctions大小不一定相同，如果想得到所有导出函数，需要遍历较大的数组。下面代码演示怎么读导出表：

bool PE::GetExportArrays(OUT PDWORD& funcs, OUT PDWORD& names,OUT PWORD& nameOrdinals)
{
	auto tmpExport = ExportDirectory;
	if (!tmpExport)
	{
		return false;
	}
	if (isUseRva)
	{
		funcs = PDWORD(_filebuf + tmpExport->AddressOfFunctions);
		names = PDWORD(_filebuf + tmpExport->AddressOfNames);
		nameOrdinals=PWORD(_filebuf + tmpExport->AddressOfNameOrdinals);
	}
	else
	{
		funcs = PDWORD(_filebuf + RvaToRaw(tmpExport->AddressOfFunctions));
		names = PDWORD(_filebuf + RvaToRaw(tmpExport->AddressOfNames));
		nameOrdinals=PWORD(_filebuf + RvaToRaw(tmpExport->AddressOfNameOrdinals));	
	}
	return true;
}

bool PE::ReadExportDirectory(OUT PDWORD& func, OUT PDWORD& name, OUT PWORD& nameOrdinal, IN OUT PDWORD stat, bool isSkipNullName)
{
	static auto tmpExport = ExportDirectory;
	static PDWORD tmpAddrFunc;
	static PDWORD tmpAddrName;
	static PWORD tmpAddrNameOrd;
	static DWORD numberOfFuncs;
	static DWORD numberOfNames;
	static int i,j;
	bool statFlag;
	switch (*stat)
	{
	default:
	case 0:
		func = NULL;
		name = NULL;
		nameOrdinal = NULL;
		if (!GetExportArrays(tmpAddrFunc, tmpAddrName, tmpAddrNameOrd))
		{
			return false;
		}
		numberOfFuncs = tmpExport->NumberOfFunctions;
		numberOfNames = tmpExport->NumberOfNames;
		statFlag = numberOfFuncs < numberOfNames;
		if (isSkipNullName)
		{
			// 跳过空函数名，强制读name数组
			statFlag = true;
		}
		if (statFlag)
		{
			// 读name
			*stat = 1;
			for (i = 0; i < numberOfNames; i++)
			{

				name = &tmpAddrName[i];
				if (*name == NULL)
				{
					continue;
				}
				nameOrdinal = &tmpAddrNameOrd[i];
				func = &tmpAddrFunc[*nameOrdinal];
				return true;
	case 1:
				func = NULL;
				name = NULL;
				nameOrdinal = NULL;
			}
		}
		else
		{
			// 读func
			*stat = 2;
			for (i = 0; i < numberOfFuncs; i++)
			{
				func = &tmpAddrFunc[i];
				if (*func == NULL)
				{
					continue;
				}
				for (j = 0; j < numberOfNames; j++)
				{
					if (tmpAddrNameOrd[j] == i)
					{
						nameOrdinal = &tmpAddrNameOrd[j];
						name = &tmpAddrName[j];
						break;
					}
				}
				return true;
	case 2:
				func = NULL;
				name = NULL;
				nameOrdinal = NULL;
			}
		}
		break;
	}
	return false;
}

PVOID PE::GetFuncAddressByName(LPCSTR name) //GetProcAddress
{
	PDWORD tmpAddrFunc;
	PDWORD tmpAddrName;
	PWORD tmpAddrNameOrd;
	DWORD stat = NULL;
	PCHAR tmpName;
	while (ReadExportDirectory(tmpAddrFunc, tmpAddrName, tmpAddrNameOrd, &stat, true))
	{
		if (isUseRva)
		{
			tmpName = PCHAR(_filebuf + *tmpAddrName);
		}
		else
		{
			tmpName = PCHAR(_filebuf + RvaToRaw(*tmpAddrName));
		}
		if (strcmp(tmpName,name) == 0)
		{
			return isUseRva?_filebuf+*tmpAddrFunc:
				_filebuf+RvaToRaw(*tmpAddrFunc);
		}
	}
	return NULL;
}

写了个根据名字取函数地址的函数，其实就是个GetProcAddress，只不过这里支持解析硬盘上的文件，读文件的部分在其它函数里，这里只是其中一个功能。

还可以写一个按序号来取得函数地址的，感觉用处不大，代码就不贴了。如果要从序号来取的话就需要用到输出表中的Base，AddressOfNameOrdinals记录的是相对Base的偏移，根据以上的代码应该不难扩展。

写了蛮长的，再写下去不利于阅读体验，新建另一篇来写。