➠更多技術乾貨請戳：聽雲博客 0x01 Mach-O格式簡單介紹 Mach-O文件格式是 OS X 與 iOS 系統上的可執行文件格式，類似於windows的 PE 文件 與 Linux（其他 Unix like）的 ELF 文件，如果不徹底搞清楚Mach-O的格式與相關內容，那麼深入研究 xnu ...
0x01 Mach-O格式簡單介紹
Mach-O文件格式是 OS X 與 iOS 系統上的可執行文件格式，類似於windows的 PE 文件 與 Linux（其他 Unix like）的 ELF 文件，如果不徹底搞清楚Mach-O的格式與相關內容，那麼深入研究 xnu 內核就無從談起。
Mach-O文件的格式如下圖所示：
有如下幾個部分組成：
1. Header：保存了Mach-O的一些基本信息，包括了平臺、文件類型、LoadCommands的個數等等。
2. LoadCommands：這一段緊跟Header，載入Mach-O文件時會使用這裡的數據來確定記憶體的分佈。
3. Data：每一個segment的具體數據都保存在這裡，這裡包含了具體的代碼、數據等等。
0x02 FAT二進位數據 ，數據結構定義在 \<mach-o/fat.h\>
1. 第一段為magic 魔數,這裡註意大小端，讀出來之後需要看下是0xCAFEBABE還是 0xBEBAFECA（否則即為thin），需要根據這個來轉後續讀取的位元組的位元組序。 可以看出來 前4byte 為 0xBEBAFECA ，說明為fat。
2. 第二段為arch count，也就是該App或dSYM中包含哪些CPU架構，比如armv7、arm64等，這個例子中為2（後4byte 0x 00 00 00 02），表示包含了兩種cpu架構。
`sizeof(struct fat-header) = 8byte`
3. 後續段中包含cputype（0x 0C 00 00 01）、cpusubtype (0x 00 00 00 00)、offset (0x 00 10 00 00)、size(0x 00 F0 27 00)等數據，根據fat中的結構定義，依次讀取，這裡需要說明的是，如果只包含一種CPU架構的話，是沒有這段fat頭定義的，可以跳過這部分，直接讀取Arch數據。
`sizeof(struct fat-arch) = 20byte`
4. 根據fat頭中讀取的offset數據，我們可以跳到文件對應的arch數據的位置，當然如果只有一種架構的話就不需要計算偏移量了。 下圖給出解析的函數
0x03 Mach Header二進位數據
通過magic我們可以區分出是32-bit還是64-bit，64-bit多了4個位元組的保留欄位，這裡同樣需要註意位元組序的問題，也就是判斷magic，來確定是否需要轉換位元組序。
`sizeof(struct mach-header-64) = 32byte` ; `sizeof(struct mach-header) = 28byte`
根據mach-header與mach-header_64的定義，很明顯可以看出，Headers的主要作用就是幫助系統迅速的定位Mach-O文件的運行環境，文件類型。
FileType
因為Mach-O文件不僅僅用來實現可執行文件，同時還用來實現了其他內容
1. 內核擴展
2. 庫文件
3. CoreDump
4. 其它
下麵是一些精彩用到的文件類型
1. MH-OBJECT 編譯過程中產生的 obj文件 (gcc -c xxx.c 生成xxx.o文件)
2. MH-EXECUTABLE 可執行二進位文件 (/usr/bin/ls)
3. MH-CORE CoreDump (崩潰時的Dump文件)
4. MH-DYLIB 動態庫(/usr/lib/裡面的那些共用庫文件)
5. MH-DYLINKER 連接器linker（/usr/lib/dyld文件）
6. MH-KEXT-BUNDLE 內核擴展文件 （自己開發的簡單內核模塊）
flags
Mach-O headers還包含了一些很重要的dyld的載入參數。
1. MH-NOUNDEFS 目標沒有未定義的符號，不存在鏈接依賴
2. MH-DYLDLINK 該目標文件是dyld的輸入文件，無法被再次的靜態鏈接
3. MH-PIE 允許隨機的地址空間（開啟ASLR -\>Address Space Layout Randomization）
4. MH-ALLOW-STACK-EXECUTION 棧記憶體可執行代碼，一般是預設關閉的。
5. MH-NO-HEAP-EXECUTION 堆記憶體無法執行代碼
0x04 LoadCommands
Load Commands 直接就跟在Header後面，所有command占用記憶體的總和在Mach-O Header裡面已經給出了。在載入過Header之後就是通過解析LoadCommand來載入接下來的數據了。定義如下：
cmd欄位
根據cmd欄位的類型不同，使用了不同的函數來載入。簡單的列出一張表看一看在內核代碼中不同的command類型都有哪些作用。
1. LC-SEGMENT；LC-SEGMENT-64 在內核中由load-segment 函數處理（將segment中的數據載入並映射到進程的記憶體空間去）
2. LC-LOAD-DYLINKER 在內核中由load-dylinker 函數處理（調用/usr/lib/dyld程式）
3. LC-UUID 在內核中由load-uuid 函數處理 （載入128-bit的唯一ID）
4. LC-THREAD 在內核中由load-thread 函數處理 （開啟一個MACH線程，但是不分配棧空間）
5. LC-UNIXTHREAD 在內核中由load-unixthread 函數處理 （開啟一個UNIX posix線程）
6. LC-CODE-SIGNATURE 在內核中由load-code-signature 函數處理 （進行數字簽名）
7. LC-ENCRYPTION-INFO 在內核中由 set-code-unprotect 函數處理 （加密二進位文件）
UUID 二進位數據 128byte
UUID是16個位元組（128bit）的一段數據，是文件的唯一標識，前面提到的符號化時，這個UUID必須要和App二進位文件中的UUID一致，才能被正確的符號化。dwarfdump查看的UUID就是這段數據。讀取這部分數據時通過Command結構讀取的，也就是第一段(0x0000001B)表示接下來的數據類型，第二段(0x00000018)數據的大小（包含Command數據）。
SymTab 二進位數據
1. 符號表數據塊結構，前二段依然是Command數據。後邊4段分別為符號在文件中的偏移量(0x001DF5E0)、符號個數(0x001DF5E0)、字元串在文件中的偏移量(0x0020C3A0)、字元串表大小(0x000729A8)。
2. 接下來就是讀取Segment和Section數據塊了，和上面讀取數據塊結構一樣是根據Command結構讀取，下圖展示的Segment數據和Section數據，它們在二進位文件中它們是連續的，也就是每一條Segment數據後面會緊跟著多條對應的Section數據，Section的數據總數是通過Segment結構中的nsects決定的。
3. 這裡我寫了一個簡單地Mach-O解析工具 [https://github.com/liutianshx2012/Tmacho](https://github.com/liutianshx2012/Tmacho)
Segment數據
載入數據時，主要載入的就是LC-SEGMET活著LC-SEGMENT_64。其他的Segment的用途在這裡不做深究。
LCSEGMENT以及LC-SEGMENT-64 定義如下圖。
可以看出，這裡大部分的數據是用來幫助內核將Segment映射到虛擬記憶體的。
nsects 欄位，標示了Segment中有多少secetion ，section是具體有用的數據存放的地方。
TEXT的vmaddr也就是程式的載入地址； —DWARF中表明瞭DWARF數據塊的信息，表示dSYM是DWARF格式的數據結構。
` sizeof(struct segment-command) = 56byte ; sizeof(struct segment-command-64) = 72byte`
Section數據
從Section數據中，我們可以找到—debug-info、—debug-pubnames, —debug-line等調試信息，通過這些調試信息我們可以找到程式中符號的起始地址、變數類型等信息。如果我們要符號化的話，就可以通過解析這些數據得到我們想要的信息。
Symbol 數據
通過SymTab中的數據可以得到Symbol在文件中的位置和個數，Symbol塊數據中包含了符號的起始地址、字元串的偏移量等數據，這部分數據結構可以參考\<nlist.h\> 和 \<stabl.h\>。在這部分數據全部讀取後，就可以讀取所有的符號數據了，也就是接下來的數據。
Symbol String 數據
1. 通過SymTab和Symbo中的數據可以得到每個符號字元串在文件中的偏移量和大小，每個符號數據是以0結尾的字元串。
2. 我們通過以上兩部分數據的組合就可以得到每個symbo在程式中的載入地址了。這些數據對於以後做符號工作都非常的有幫助。
3. 到此，關於dSYM文件中頭部數據讀取就完成了。頭部數據都有相應的數據結構定義，讀取時相對會比較容易些，解析數據時要註意位元組序的問題，32-bit和64-bit數據結構的差異、位元組長度的差異，DWARF版本的差異，每個數據塊之間都是緊密聯繫的，一個位元組的讀取偏差就會造成後續數據的讀取錯誤，正所謂差之毫釐，失之千里。
原文鏈接：http://blog.tingyun.com/web/article/detail/1341
