Dex文件中MUTF-8字符串内容提取C语言实现

1：MUTF-8字符串

MUTF-8意为Modified UTF-8，修改过的UTF-8编码

MUTF-8的特点：
1：使用1-3字节编码长度
2：对于大于16位Unicode编码使用3字节编码
3：对于U+0x0000，采用2字节编码
4：采用类似C语言的 ‘\0’ 作为字符串结束标志（小重点）

高级小重点：MUTF-8字符串头部存放uleb128编码表示的字符个数

2：uleb128编码：

由1-5字节组成，所有字节组合在一起表示一个32位的数，每一个字节的最高位表示uleb128是否在本字节停止，按位组合有效位拿到的结果也就是在uleb128之后的真正的字符串的长度。

其中，每当一个低字节的最高位为零，那么，就表示这个uleb128数仍未结束，最高判定到第四字节，如果仍旧大于0x7f，那么就直接和第五字节一起运算。

高级小重点：根据uleb128拿到所表示int值

unsigned int result = *(start++);
	if (result > 0x7f) {
		count++;
		unsigned int cur = *(start++);
		result = (result & 0x7f) | ((cur & 0x7f) << 7);
		if (cur > 0x7f) {
			count++;
			cur = *(start++);
			result |= ((cur & 0x7f) << 14);
			if (cur > 0x7f) {
				count++;
				cur = *(start++);
				result |= ((cur & 0x7f) << 21);
				if (cur > 0x7f) {
					cur = *(start++);
					count++;
					result |= (cur << 28);
				}
			}
		}
	}

start为指向uleb128起始位置的指针

count的意义在于记录这个uleb128数到底占了多少字节，以便加上字符串的字节数，提取下一个uleb128表示的字符串
重重重重点：unsigned int，一定记得，我这里之前用的int导致分析class内容时一步一坑啊，惨

3：提取出真实的字符串

注：由于编码的问题，我们不能通过前方计算出的uleb128真实int值就作为后边字符串的字节数，例如：02 e4 bd a0 e5 a5 bd 00，第一个字节小于0x7f，也就是uleb128数为2，两个字符，表示汉字的“你好”，可是他们有6个字节，所以我们通过判断 ‘\0’ 的方式决定字符串长度

那有人就要问了，那这个uleb128有啥用呢？
可能 是节省空间 吧，俺也想问，可能是俺太菜了

好了，接下来就可以提取字符串了，接上边计算uleb128真实值的程序

小贴士：start指针已经到了真实字符串的初始位置，只需拿到长度，然后copy一下子，完事

char* tmp = start;
	while ((*start) != '\0') {
		start++;
		lengthOfString++;
	}
	str = malloc(lengthOfString + 1);
	memset(str, 0, lengthOfString + 1);
	memcpy(str, tmp, lengthOfString);

好啦，这样就基本完工啦，最后构造一个结构体对象出来，保存一下这个MUTF-8字符串的所有细节，就可以返回啦，如下

struct uleb128 a = { count,result,lengthOfString ,str };
return a;

count就是上方计算出的uleb前缀真实字节长度，result为uleb表示的字符个数，接着是字符串长度，字符串真实内容

4：MUTF-8字符串提取终章

这是我对这个字符串详细信息的定义，结合上方返回值一起食用

struct uleb128 {
	int lengthOfHead;//前缀数leb128占几个字节
	int resultOfleb;//前缀数转为int到底是几
	int lengthOfString;//字符串长度，字节为单位
	char* content;//字符串指针，malloc拿到空间
};

附注：跳过uleb128直接提取有效字符串

你可能发现了，uleb128这部分好像并没有太大用处，我本身是为了提取出所有内容的，那，额，好的，那就，拿到uleb128起始地址直接提取真实字符串的方法，代码如下，原理同上，跳过uleb128部分

while (*(start++) > 0x7f);
	char* tmp = start;
	while ((*start) != '\0') {
		start++;
		lengthOfString++;
	}
	str = malloc(lengthOfString + 1);
	memset(str, 0, lengthOfString + 1);
	memcpy(str, tmp, lengthOfString);
	struct uleb128 a = { count,result,lengthOfString ,str };
	return a;

5：完整代码

struct uleb128 {
	int lengthOfHead;//前缀数leb128占几个字节
	int resultOfleb;//前缀数到底是几，转为int
	int lengthOfString;//字符串长度
	char* content;//字符串指针，malloc拿到空间
};
struct uleb128 Uleb128(char* start) {
	int count = 1;
	int lengthOfString = 0;
	char* str = NULL;
	unsigned int result = *(start++);
	if (result > 0x7f) {
		count++;
		unsigned int cur = *(start++);
		result = (result & 0x7f) | ((cur & 0x7f) << 7);
		if (cur > 0x7f) {
			count++;
			cur = *(start++);
			result |= ((cur & 0x7f) << 14);
			if (cur > 0x7f) {
				count++;
				cur = *(start++);
				result |= ((cur & 0x7f) << 21);
				if (cur > 0x7f) {
					cur = *(start++);
					count++;
					result |= (cur << 28);
				}
			}
		}
	}
	char* tmp = start;
	while ((*start) != '\0') {
		start++;
		lengthOfString++;
	}
	str = malloc(lengthOfString + 1);
	memset(str, 0, lengthOfString + 1);
	memcpy(str, tmp, lengthOfString);
	struct MUTF-8 a = { count,result,lengthOfString ,str };
	return a;
}
char* Uleb128Skip(char* start) {
	int lengthOfString = 0;
	char* str = NULL;
	while (*(start++) > 0x7f);
	char* tmp = start;
	while ((*start) != '\0') {
		start++;
		lengthOfString++;
	}
	str = malloc(lengthOfString + 1);
	memset(str, 0, lengthOfString + 1);
	memcpy(str, tmp, lengthOfString);
	return str;
}

结束啦，感谢浏览，如有错误，欢迎指导