dex文件结构(一):dex文件结构

作者:朱立志
链接:https://www.jianshu.com/p/3db09670ffda

文件头(File Header)

Dex文件头主要包括校验和以及其他结构的偏移地址和长度信息。

字段名称偏移值长度描述

magic0x08'Magic'值,即魔数字段,格式如”dex/n035/0”,其中的035表示结构的版本。

checksum0x84校验码。

signature0xC20SHA-1签名。

file_size0x204Dex文件的总长度。

header_size0x244文件头长度,009版本=0x5C,035版本=0x70。

endian_tag0x284标识字节顺序的常量,根据这个常量可以判断文件是否交换了字节顺序,缺省情况下=0x78563412。

link_size0x2C4连接段的大小,如果为0就表示是静态连接。

link_off0x304连接段的开始位置,从本文件头开始算起。如果连接段的大小为0,这里也是0。

map_off0x344map数据基地址。

string_ids_size0x384字符串列表的字符串个数。

string_ids_off0x3C4字符串列表表基地址。

type_ids_size0x404类型列表里类型个数。

type_ids_off0x444类型列表基地址。

proto_ids_size0x484原型列表里原型个数。

proto_ids_off0x4C4原型列表基地址。

field_ids_size0x504字段列表里字段个数。

field_ids_off0x544字段列表基地址。

method_ids_size0x584方法列表里方法个数。

method_ids_off0x5C4方法列表基地址。

class_defs_size0x604类定义类表中类的个数。

class_defs_off0x644类定义列表基地址。

data_size0x684数据段的大小,必须以4字节对齐。

data_off0x6C4数据段基地址

魔数字段

魔数字段,主要就是Dex文件的标识符,它占用4个字节,在目前的源码里是 “dex\n”,它的作用主要是用来标识dex文件的,比如有一个文件也以dex为后缀名,仅此并不会被认为是Davlik虚拟机运行的文件,还要判断这 四个字节。另外Davlik虚拟机也有优化的Dex,也是通过个字段来区分的,当它是优化的Dex文件时,它的值就变成”dey\n”了。根据这四个字 节,就可以识别不同类型的Dex文件了。

跟在“dex\n”后面的是版本字段,主要用来标识Dex文件的版本。目前支持的版本号为“035\0”,不管是否优化的版本,都是使用这个版本号。

检验码字段

主要用来检查从这个字段开始到文件结尾,这段数据是否完整,有没有人修改过,或者传送过程中是否有出错等等。通常用来检查数据是否完整的算法,有 CRC32、有SHA128等,但这里采用并不是这两类,而采用一个比较特别的算法,叫做adler32,这是在开源zlib里常用的算法,用来检查文件 是否完整性。该算法由MarkAdler发明,其可靠程度跟CRC32差不多,不过还是弱一点点,但它有一个很好的优点,就是使用软件来计算检验码时比较 CRC32要快很多。可见Android系统,就算法上就已经为移动设备进行优化了。

Java中可使用java.util.zip.Adler32类做校验操作

SHA-1签名字段

dex文件头里,前面已经有了面有一个4字节的检验字段码了,为什么还会有SHA-1签名字段呢?不是重复了吗?可是仔细考虑一下,这样设计自有道理。因 为dex文件一般都不是很小,简单的应用程序都有几十K,这么多数据使用一个4字节的检验码,重复的机率还是有的,也就是说当文件里的数据修改了,还是很 有可能检验不出来的。这时检验码就失去了作用,需要使用更加强大的检验码,这就是SHA-1。SHA-1校验码有20个字节,比前面的检验码多了16个字 节,几乎不会不同的文件计算出来的检验是一样的。设计两个检验码的目的,就是先使用第一个检验码进行快速检查,这样可以先把简单出错的dex文件丢掉了, 接着再使用第二个复杂的检验码进行复杂计算,验证文件是否完整,这样确保执行的文件完整和安全。

SHA(Secure Hash Algorithm, 安全散列算法)是美国国家安全局设计,美国国家标准与技术研究院发布的一系列密码散列函数。SHA-1看起来和MD5算法很像,也许是Ron Rivest在SHA-1的设计中起了一定的作用。SHA-1的内部比MD5更强,其摘要比MD5的16字节长4个字节,这个算法成功经受了密码分析专家 的攻击,也因而受到密码学界的广泛推崇。这个算法在目前网络上的签名,BT软件里就有大量使用,比如在BT里要计算是否同一个种子时,就是利用文件的签名 来判断的。同一份8G的电影从几千BT用户那里下载,也不会出现错误的数据,导致电影不播放。

map_off字段

这个字段主要保存map开始位置,就是从文件头开始到map数据的长度,通过这个索引就可以找到map数据。map的数据结构如下:

名称大小说明

size4字节map里项的个数

list变长每一项定义为12字节,项的个数由上面项大小决定。

map数据排列结构定义如下:

/*

*Direct-mapped "map_list".

/typedefstructDexMapList{u4 size;/ #of entries inlist /DexMapItem list[1];/ entries */}DexMapList;

每一个map项的结构定义如下:

/*

*Direct-mapped "map_item".

/typedefstructDexMapItem{u2 type;/ type code (seekDexType* above) /u2 unused;u4 size;/ count of items ofthe indicated type /u4 offset;/ file offset tothe start of data */}DexMapItem;

DexMapItem结构定义每一项的数据意义:类型、类型个数、类型开始位置。

其中的类型定义如下:

/*map item type codes */enum{kDexTypeHeaderItem=0x0000,kDexTypeStringIdItem=0x0001,kDexTypeTypeIdItem=0x0002,kDexTypeProtoIdItem=0x0003,kDexTypeFieldIdItem=0x0004,kDexTypeMethodIdItem=0x0005,kDexTypeClassDefItem=0x0006,kDexTypeMapList=0x1000,kDexTypeTypeList=0x1001,kDexTypeAnnotationSetRefList=0x1002,kDexTypeAnnotationSetItem=0x1003,kDexTypeClassDataItem=0x2000,kDexTypeCodeItem=0x2001,kDexTypeStringDataItem=0x2002,kDexTypeDebugInfoItem=0x2003,kDexTypeAnnotationItem=0x2004,kDexTypeEncodedArrayItem=0x2005,kDexTypeAnnotationsDirectoryItem=0x2006,};

从上面的类型可知,它包括了在dex文件里可能出现的所有类型。可以看出这里的类型与文件头里定义的类型有很多是一样的,这里的类型其实就是文件头里定义 的类型。其实这个map的数据,就是头里类型的重复,完全是为了检验作用而存在的。当Android系统加载dex文件时,如果比较文件头类型个数与 map里类型不一致时,就会停止使用这个dex文件

string_ids_size/off字段

这两个字段主要用来标识字符串资源。源程序编译后,程序里用到的字符串都保存在这个数据段里,以便解释执行这个dex文件使用。其中包括调用库函数里的类名称描述,用于输出显示的字符串等。

string_ids_size标识了有多少个字符串,string_ids_off标识字符串数据区的开始位置。字符串的存储结构如下:

/*

* Direct-mapped "string_id_item".

/typedefstructDexStringId{u4 stringDataOff;/ file offset to string_data_item */}DexStringId;

可以看出这个数据区保存的只是字符串表的地址索引。如果要找到字符串的实际数据,还需要通过个地址索引找到文件的相应开始位置,然后才能得到字符串数据。 每一个字符串项的索引占用4个字节,因此这个数据区的大小就为4*string_ids_size。实际数据区中的字符串采用UTF8格式保存。

例如,如果dex文件使用16进制显示出来内容如下:

063c 696e 6974 3e00

其实际数据则是”\0”

另外这段数据中不仅包括字符串的字符串的内容和结束标志,在最开头的位置还标明了字符串的长度。上例中第一个字节06就是表示这个字符串有6个字符。

关于字符串的长度有两点需要注意的地方:

1、关于长度的编码格式

dex文件里采用了变长方式表示字符串长度。一个字符串的长度可能是一个字节(小于256)或者4个字节(1G大小以上)。字符串的长度大多数都是小于 256个字节,因此需要使用一种编码,既可以表示一个字节的长度,也可以表示4个字节的长度,并且1个字节的长度占绝大多数。能满足这种表示的编码方式有 很多,但dex文件里采用的是uleb128方式。leb128编码是一种变长编码,每个字节采用7位来表达原来的数据,最高位用来表示是否有后继字节。

它的编码算法如下:

/*

* Writes a 32-bit value in unsigned ULEB128 format.

* Returns the updated pointer.

/DEX_INLINE u1writeUnsignedLeb128(u1ptr,u4 data){while(true){u1 out=data&0x7f;if(out!=data){ptr++=out|0x80;data>>=7;}else{*ptr++=out;break;}}returnptr;}

它的解码算法如下:

/*

* Reads an unsigned LEB128 value, updating the given pointer to point

* just past the end of the read value. This function tolerates

* non-zero high-order bits in the fifth encoded byte.

/DEX_INLINEintreadUnsignedLeb128(constu1pStream){constu1ptr=pStream;intresult=(ptr++);if(result>0x7f){intcur=(ptr++);result=(result&0x7f)|((cur&0x7f)<<7);if(cur>0x7f){cur=(ptr++);result|=(cur&0x7f)<<14;if(cur>0x7f){cur=(ptr++);result|=(cur&0x7f)<<21;if(cur>0x7f){/

* Note: We don't check to see if cur is out of

* range here, meaning we tolerate garbage in the

* high four-order bits.

/cur=(ptr++);result|=cur<<28;}}}}*pStream=ptr;returnresult;}

根据上面的算法分析上面例子字符串,取得第一个字节是06,最高位为0,因此没有后继字节,那么取出这个字节里7位有效数据,就是6,也就是说这个字符串是6个字节,但不包括结束字符“\0”。

2、关于长度的意义

由于字符串内容采用的是UTF-8格式编码,表示一个字符的字节数是不定的。即有时是一个字节表示一个字符,有时是两个、三个甚至四个字节表示一个字符。 而这里的长度代表的并不是整个字符串所占用的字节数,表示这个字符串包含的字符个数。所以在读取时需要注意,尤其是在包含中文字符时,往往会因为读取的长 度不正确导致字符串被截断。

文末

欢迎关注我的,分享Android干货,交流Android技术。
对文章有何见解,或者有何技术问题,都可以在评论区一起留言讨论,我会虔诚为你解答。
最后,如果你想知道更多Android的知识或需要其他资料我这里均免费分享,点赞+评论找我获取资料哦!

你可能感兴趣的:(dex文件结构(一):dex文件结构)