我原来写了个手搓反汇编引擎的帖子，有人说垃圾，我觉得确实写的潦潦草草，这里重新仔细的写一遍

反汇编其实很简单，没有特殊处理过的elf/pe/mach-o，找到对应的代码部分，顺着往下写就行，查表-解码-输出汇编，比如基于llvm的capstone、ghidra、zydis这些，都是查表做的。这个表是什么，就是cpu指令集的手册。

我实现了一个arm的反汇编引擎，名字叫rosemary，原理和capstone，zydis这些差不多，属于重复的轮子。

引擎基于：DDI0487L_b_a-profile_architecture_reference_manual.pdf这个手册实现的，是不是最新的我也好久没有看过了。

现在进入正题

arm汇编的码表设计类似b-tree索引，以arm64为例，4字节，32个bit的一个数字

从0-31，每一个bit或者bit组合形成一个章节，比如0xx0000xxxxxxxxxxxxxxxxxxxxxxxx，这个就是arm的保留码，任何符合这个规则的编码，都可以认为是nop。

arm的码表一级目录分为Reserved/SME/SVE/Data Processing IMM/Branch/Data processing register/SIME/Load and Store，如下图：

二级码表又可以分为data processing 1 source, Pc-rel, Add/SUB/Logic等等，那么根据手册，就可以非常轻松的理解，给定一条arm指令，如果它的二进制是：

那么它就是属于Data processing Immediate, 如果它的二进制是：

那么它就是Data-processing(1 source immediate)里面的，依次类推，直到匹配到一条确定性的指令。

当匹配到一条指令时候，就需要确定这条指令的操作数是什么了，比如mov x0, 1，那么指令是mov，操作数有两个一个是x0，另外一个是常数1。

我们拿arm64的add(Immediate)来举例：

这一条add指令有三个操作数：add Xd, Xn, #imm，其中：

寄存器Xd是0-4

寄存器Xn是5-9

立即数是10-21

立即数有shift，如果sh（第22位） == 1的情况下，那么立即数要左移12位，如果是0的情况下，就不显示

sf表示的是寄存器是32位还是64位，如果是32位，那么Xn就是Wn，他们的Wn和Xn的物理位置是一样的，只不过长短不一样

有了上面基础理解，就可以设计解码器和解码数据了，按照最简单也是最蠢的办法就是

但是cpu的指令集有成千上万条的具体指令，不能做成一个巨大的switch，那样几乎是无法维护的，所以大家都是自己定义数据格式来生成解码表。

接下来是设计描述汇编arm/x86/mips的数据结构，这里就可以根据自己的喜好，比如有人喜欢lua，有人喜欢python，根据自己的情况选一门脚本语言，来描述汇编语言。

我比较喜欢写ruby，我选ruby，以Data Processing – Immediate里的add为例：

定义

一条add指令的描述数据就是这个样子的：

patterns： 描述指令的每个bit位，有0/1/x，0/1表示必须位0或者必须位1，x表示不关心。

desc：在章节部分的字符串，调试方便。

list：标识这是一个章节，如果一个item没有list，那么表示它是一条确定的指令。

param：格式是31:0,30:0,29:0，这里表示指令的第31位，第30位，第29位必须同时为0。

name：指令的助记符。

grammar：指令的语法，调试方便。

ops_desc: 描述指令的每一个oprands，以上面为例，add Wd, Wn, #imm，

t: :r_w表示操作数是寄存器类型，w表示32位寄存器，x表示64位寄存器，还有SIMD的向量寄存器。

冰与火的战歌：Windows内核攻防实战高级班！从零到实战，融合AI与Windows内核攻防全技术栈，打造具备自动化能力的内核开发高手。