多读书多实践，勤思考善领悟

python字节码还原成源码

破解 python 字节码 逆向 2019/01/17

本文于2007天之前发表，文中内容可能已经过时。

一. 前言

Python 代码先被编译为字节码后，再由Python虚拟机来执行字节码， Python的字节码是一种类似汇编指令的中间语言， 一个Python语句会对应若干字节码指令，虚拟机一条一条执行字节码指令， 从而完成程序执行。
Python dis 模块支持对Python代码进行反汇编， 生成字节码指令。

dis.dis()将CPython字节码转为可读的伪代码(类似于汇编代码)。结构如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
7           0 LOAD_CONST               1 (0)
            3 STORE_FAST               1 (local1)
 
8           6 LOAD_CONST               2 (101)
            9 STORE_GLOBAL             0 (global1)
 
9          12 LOAD_FAST                1 (local1)
           15 PRINT_ITEM
           16 LOAD_FAST                0 (arg1)
           19 PRINT_ITEM
           20 LOAD_GLOBAL              0 (global1)
           23 PRINT_ITEM
           24 PRINT_NEWLINE
           25 LOAD_CONST               0 (None)
           28 RETURN_VALUE

其实就是这样的结构：

1
源码行号 | 指令在函数中的偏移 | 指令符号 | 指令参数 | 实际参数值

二. 变量

1.const

LOAD_CONST加载const变量，比如数值、字符串等等，一般用于传给函数的参数

1
2
3
4
55       12 LOAD_GLOBAL              1 (test)
         15 LOAD_FAST                0 (2) #读取2
         18 LOAD_CONST               1 ('output')
         21 CALL_FUNCTION            2

转为python代码就是：

1
test(2, 'output')

2.局部变量

LOAD_FAST一般加载局部变量的值，也就是读取值，用于计算或者函数调用传参等。
STORE_FAST一般用于保存值到局部变量。

1
2
3
4
61          77 LOAD_FAST                0 (n)
             80 LOAD_FAST                3 (p)
             83 INPLACE_DIVIDE
             84 STORE_FAST               0 (n)

这段bytecode转为python就是：

1
n = n / p

函数的形参也是局部变量，如何区分出是函数形参还是其他局部变量呢？

形参没有初始化，也就是从函数开始到LOAD_FAST该变量的位置，如果没有看到STORE_FAST，那么该变量就是函数形参。

而其他局部变量在使用之前肯定会使用STORE_FAST进行初始化。

具体看下面的实例：

1
2
3
4
5
6
7
8
9
10
4           0 LOAD_CONST               1 (0)
            3 STORE_FAST               1 (local1)
 
5           6 LOAD_FAST                1 (local1)
            9 PRINT_ITEM
           10 LOAD_FAST                0 (arg1)
           13 PRINT_ITEM
           14 PRINT_NEWLINE
           15 LOAD_CONST               0 (None)
           18 RETURN_VALUE

对应的python代码如下，对比一下就一目了然。

1
2
3
def test(arg1):
    local1 = 0
    print local1, arg1

3.全局变量

LOAD_GLOBAL用来加载全局变量，包括指定函数名，类名，模块名等全局符号。

STORE_GLOBAL用来给全局变量赋值。

1
2
3
4
8           6 LOAD_CONST               2 (101)
            9 STORE_GLOBAL             0 (global1)
            20 LOAD_GLOBAL              0 (global1)
            23 PRINT_ITEM

对应的python代码

1
2
3
4
def test():
    global global1
    global1 = 101
    print global

三. 常用数据类型

1.list

BUILD_LIST用于创建一个list结构。

1
2
3
4
13           0 LOAD_CONST               1 (1)
             3 LOAD_CONST               2 (2)
             6 BUILD_LIST               2
             9 STORE_FAST               0 (k)

对应python代码是：

1
k = [1, 2]

另外再看看一种常见的创建list的方式如下：

1
[x for x in xlist if x!=0 ]

一个实例bytecode如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
22         235 BUILD_LIST               0 //创建list，为赋值给某变量，这种时候一般都是语法糖结构了
           238 LOAD_FAST                3 (sieve)
           241 GET_ITER
       >>  242 FOR_ITER                24 (to 269)
           245 STORE_FAST               4 (x)
           248 LOAD_FAST                4 (x)
           251 LOAD_CONST               2 (0)
           254 COMPARE_OP               3 (!=)
           257 POP_JUMP_IF_FALSE      242 //不满足条件contine
           260 LOAD_FAST                4 (x)//读取满足条件的x
           263 LIST_APPEND              2 //把每个满足条件的x存入list
           266 JUMP_ABSOLUTE          242
       >>  269 RETURN_VALUE

转为python代码是：

1
[for x in sieve if x != 0]

2.dict

BUILD_MAP用于创建一个空的dict。STORE_MAP用于初始化dict的内容。

1
2
3
4
5
13           0 BUILD_MAP                1
             3 LOAD_CONST               1 (1)
             6 LOAD_CONST               2 ('a')
             9 STORE_MAP
            10 STORE_FAST               0 (k)

对应的python代码是：

1
k = {'a': 1}

再看看修改dict的bytecode：

1
2
3
4
14          13 LOAD_CONST               3 (2)
             16 LOAD_FAST                0 (k)
             19 LOAD_CONST               4 ('b')
             22 STORE_SUBSCR

对应的python代码是：

1
k['b'] = 2

3.slice

BUILD_SLICE用于创建slice。对于list、元组、字符串都可以使用slice的方式进行访问。

但是要注意BUILD_SLICE用于[x:y:z]这种类型的slice，结合BINARY_SUBSCR读取slice的值，结合STORE_SUBSCR用于修改slice的值。

另外SLICE+n用于[a:b]类型的访问，STORE_SLICE+n用于[a:b]类型的修改，其中n表示如下：

1
2
3
4
5
6
7
8
9
10
11
SLICE+0()
Implements TOS = TOS[:].
 
SLICE+1()
Implements TOS = TOS1[TOS:].
 
SLICE+2()
Implements TOS = TOS1[:TOS].
 
SLICE+3()
Implements TOS = TOS2[TOS1:TOS].

下面看具体实例：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
13           0 LOAD_CONST               1 (1)
              3 LOAD_CONST               2 (2)
              6 LOAD_CONST               3 (3)
              9 BUILD_LIST               3
             12 STORE_FAST               0 (k1) //k1 = [1, 2, 3]
 
 14          15 LOAD_CONST               4 (10)
             18 BUILD_LIST               1
             21 LOAD_FAST                0 (k1)
             24 LOAD_CONST               5 (0)
             27 LOAD_CONST               1 (1)
             30 LOAD_CONST               1 (1)
             33 BUILD_SLICE              3
             36 STORE_SUBSCR                    //k1[0:1:1] = [10]
 
 15          37 LOAD_CONST               6 (11)
             40 BUILD_LIST               1
             43 LOAD_FAST                0 (k1)
             46 LOAD_CONST               1 (1)
             49 LOAD_CONST               2 (2)
             52 STORE_SLICE+3                   //k1[1:2] = [11]
 
 16          53 LOAD_FAST                0 (k1)
             56 LOAD_CONST               1 (1)
             59 LOAD_CONST               2 (2)
             62 SLICE+3
             63 STORE_FAST               1 (a)  //a = k1[1:2]
 
 17          66 LOAD_FAST                0 (k1)
             69 LOAD_CONST               5 (0)
             72 LOAD_CONST               1 (1)
             75 LOAD_CONST               1 (1)
             78 BUILD_SLICE              3
             81 BINARY_SUBSCR
             82 STORE_FAST               2 (b) //b = k1[0:1:1]

四. 循环

SETUP_LOOP用于开始一个循环。SETUP_LOOP 26 (to 35)中35表示循环退出点。

while循环

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
23           0 LOAD_CONST               1 (0)
             3 STORE_FAST               0 (i) // i=0
 
24           6 SETUP_LOOP              26 (to 35)
       >>    9 LOAD_FAST                0 (i) //循环起点
            12 LOAD_CONST               2 (10)
            15 COMPARE_OP               0 (<)
            18 POP_JUMP_IF_FALSE       34     //while i < 10:
 
25          21 LOAD_FAST                0 (i)
            24 LOAD_CONST               3 (1)
            27 INPLACE_ADD                    
            28 STORE_FAST               0 (i) // i += 1
            31 JUMP_ABSOLUTE            9    // 回到循环起点
       >>   34 POP_BLOCK
       >>   35 LOAD_CONST               0 (None)

对应python代码是：

1
2
3
i = 0
    while i < 10:
        i += 1

for in结构

1
2
3
4
5
6
    238 LOAD_FAST                3 (sieve)#sieve是个list
    241 GET_ITER                    //开始迭代sieve
>>  242 FOR_ITER                24 (to 269) //继续iter下一个x
    245 STORE_FAST               4 (x)
    ...
    266 JUMP_ABSOLUTE          242 //循环

这是典型的for+in结构，转为python代码就是：

1
for x in sieve:

五. if

POP_JUMP_IF_FALSE和JUMP_FORWARD一般用于分支判断跳转。POP_JUMP_IF_FALSE表示条件结果为FALSE就跳转到目标偏移指令。JUMP_FORWARD直接跳转到目标偏移指令。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
23           0 LOAD_CONST               1 (0)
             3 STORE_FAST               0 (i) //i=0
24           6 LOAD_FAST                0 (i)
             9 LOAD_CONST               2 (5)
            12 COMPARE_OP               0 (<)
            15 POP_JUMP_IF_FALSE       26
 
25          18 LOAD_CONST               3 ('i < 5')
            21 PRINT_ITEM
            22 PRINT_NEWLINE
            23 JUMP_FORWARD            25 (to 51)
 
26     >>   26 LOAD_FAST                0 (i)
            29 LOAD_CONST               2 (5)
            32 COMPARE_OP               4 (>)
            35 POP_JUMP_IF_FALSE       46
 
27          38 LOAD_CONST               4 ('i > 5')
            41 PRINT_ITEM
            42 PRINT_NEWLINE
            43 JUMP_FORWARD             5 (to 51)
 
29     >>   46 LOAD_CONST               5 ('i = 5')
            49 PRINT_ITEM
            50 PRINT_NEWLINE
       >>   51 LOAD_CONST               0 (None)

转为python代码是：

1
2
3
4
5
6
7
i = 0
if i < 5:
    print 'i < 5'
elif i > 5:
    print 'i > 5'
else:
    print 'i = 5'

六. 分辨函数

1.函数范围

前面介绍第二列表示指令在函数中的偏移地址，所以看到0就是函数开始，下一个0前一条指令就是函数结束位置，当然也可以通过RETURN_VALUE来确定函数结尾

1
2
3
4
5
6
7
8
9
10
11
54         0 LOAD_FAST                1 (plist) //函数开始
           3 LOAD_CONST               0 (None)
           6 COMPARE_OP               2 (==)
           9 POP_JUMP_IF_FALSE        33
 
55         ...
 
67     >>  139 LOAD_FAST              2 (fs)
           142 RETURN_VALUE
70         0 LOAD_CONST               1 ('FLAG') //另一个函数开始
           3 STORE_FAST               0 (flag)

2.函数调用

函数调用类似于push+call的汇编结构，压栈参数从左到右依次压入（当然不是push，而是读取指令LOAD_xxxx来指定参数）。

函数名一般通过LOAD_GLOBAL指令指定，如果是模块函数或者类成员函数通过LOAD_GLOBAL+LOAD_ATTR来指定。

先指定要调用的函数，然后压参数，最后通过CALL_FUNCTION调用。

CALL_FUNCTION后面的值表示有几个参数。

支持嵌套调用：

1
2
3
4
5
6
7
6           0 LOAD_GLOBAL              0 (int) //int函数
              3 LOAD_GLOBAL              1 (math)//math模块
              6 LOAD_ATTR                2 (sqrt)//sqrt函数
              9 LOAD_FAST                0 (n) //参数
             12 CALL_FUNCTION            1
             15 CALL_FUNCTION            1
             18 STORE_FAST               2 (nroot)

这段bytecode转换成python代码就是

1
nroot = int(math.sqrt(n)) //其中n是一个局部变量或者函数参数，具体看上下文

七. 其他指令

其他常见指令，一看就明白，就不具体分析了，更多详细内容请看官方文档。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
INPLACE_POWER()
Implements in-place TOS = TOS1 ** TOS.
 
INPLACE_MULTIPLY()
Implements in-place TOS = TOS1 * TOS.
 
INPLACE_DIVIDE()
Implements in-place TOS = TOS1 / TOS when from __future__ import division is not in effect.
 
INPLACE_FLOOR_DIVIDE()
Implements in-place TOS = TOS1 // TOS.
 
INPLACE_TRUE_DIVIDE()
Implements in-place TOS = TOS1 / TOS when from __future__ import division is in effect.
 
INPLACE_MODULO()
Implements in-place TOS = TOS1 % TOS.
 
INPLACE_ADD()
Implements in-place TOS = TOS1 + TOS.
 
INPLACE_SUBTRACT()
Implements in-place TOS = TOS1 - TOS.
 
INPLACE_LSHIFT()
Implements in-place TOS = TOS1 << TOS.
 
INPLACE_RSHIFT()
Implements in-place TOS = TOS1 >> TOS.
 
INPLACE_AND()
Implements in-place TOS = TOS1 & TOS.
 
INPLACE_XOR()
Implements in-place TOS = TOS1 ^ TOS.
 
INPLACE_OR()
Implements in-place TOS = TOS1 | TOS.

基础运算还有一套对应的BINARY_xxxx指令，两者区别很简单。

1
2
i += 1 //使用INPLACE_xxx
i = i + 1 //使用BINARY_xxxx

参考资料

  1. python dis官方文档
  2. google搜索dis指令
  3. https://github.com/vstinner/bytecode
  4. https://blog.hakril.net/articles/2-understanding-python-execution-tracer.html
  5. A Python Interpreter Written in Python
  6. https://blog.csdn.net/qs9816/article/details/51661659
  7. https://github.com/Mysterie/uncompyle2
转载声明：商业转载请联系作者获得授权,非商业转载请注明出处 © Ljjyy.com
Copyright © 2019-2024 Ljjyy.com | 关于我们 | 网站地图 | 时间轴