c语言leb128编码,DalVik学习之LEB128是神马

学习dalvik,首先得从了解dex文件的格式开始,这可以参考相关的一下资料:

其实也就是一些告诉你dex文件是由那些头组成,头里面的信息又是指向文件中的哪些块,各个块又是什么意思。说白了设计这个格式的人是介于牛A和牛C之间的人，而我们只需要读懂该格式的人，只要肯下功夫，肯定都是能读懂的。当然，都有一些工具帮您解析这个格式。这里我就不多说了。大家可以去google, dexdump， dedexer, smali都是神马，来了解这些神马和制作这些神马的都是些什么人：)同时，我也会陆续的记录关于smali解析的相关文章，希望和大家一起学习探讨。

好了废话不说，来看我学习dex format遇到的第一个问题， LEB128是神马玩意？

看了mydroid/dalvik/docs/dex-format.html中的描述，直接无语，不知所云：(然后又Link到Dwarf3的标准，这才了解一二，最终还是在wikipedia上找到了最让我理解的解释：))

其实，LEB128就是利用了一种压缩算法(variable-length code)，来一个表示整型数值。当然，可以是表示有符号的，也可表示无符号的。

LEB128的wiki上比较清楚的表示了一个如何把一个无符号的整型数压缩位3个bytes的LEB128格式。

10011000011101100101 624485的2进制表示

010011000011101100101 把2进制的表示的bit扩展为能被7整除(不足的加0)

0100110 0001110 1100101 再以7-bit为一组进行分组

00100110 10001110 11100101 把第一组+0扩展为8bit，而其余的都+1扩展为8bit

0xE5 0x8E 0x26 结果表示位16进制

0x26 0x8E 0xE5 最终在内存中的表示

而对于有符号的转换只有文字描述，下面我套用无符号的格式，描述一下有符号的压缩

01100111100010011011 -624485的2进制表示(呵呵，负数在计算机中是如何表示的，大家没有忘吧：)补码啊补码)

001100111100010011011 把2进制的表示扩展为能被7整除

0011001 1110001 0011011 再以7-bit为一组进行分组

01011001 11110001 10011011 把第一组+0扩展为8bit，而其余的都根据原整形数的符号位来扩展为8bit(所以这里最后两个7bit组都是+1来扩展的)

0x59 0xf1 0x9b 结果表示位16进制

0x9b 0xf1 0x59 最终在内存中的表示

具体的C语言算法，伪代码在wiki上就有。而相关的android dalvik的代码目前只找到在dalvik/vm/reflect/Annotation.c中的readUleb128。

这里还留有两个跟dalvik相关的问题，需要以后逐步求证(关于这两个疑问希望知道的朋友不吝赐教！！！)

1. 这里很奇怪的，在dalvik的dex-format的文档中描述有2个地方会用到有符号的leb128，却没有发现类似的readUleb128的读取有符号的leb128的函数，

2.在分析smali源码的时候，在libdex/DexFile.java中关于preserveSignedRegisters中有关于dalvik对于leb128的一个bug的描述。但是，现阶段我还么有找到相关的证据。希望随着后面对smali和dex的了解，能够找到这个bug的例子。(？？待求证？？)

参考资料:

http://en.wikipedia.org/wiki/LEB128

http://dwarfstd.org/doc/Dwarf3.pdf, Appendix C -- Variable Length Data: Encoding/Decoding (informative)