COFF

 

COFF

2007年07月17日 星期二 下午 4:47

COFF – 通用對象文件格式（Common Object File Format），是一種很流行的對象文件格式（注意：這裏不說它是“目標”文件，是爲了和編譯器產生的目標文件（*.o/*.obj）相區別，因爲這種格式不只用於目標文件，庫文件、可執行文件也經常是這種格式）。大家可能會經常使用VC吧？它所產生的目標文件（*.obj）就是這種格式。其它的編譯器，如GCC（GNU Compiler Collection）、ICL（Intel C/C++ Compiler）、VectorC，也使用這種格式的目標文件。不僅僅是C/C++，很多其它語言也使用這種格式的對象文件。統一格式的目標文件爲混合語言編程帶來了極大的方便。       當然，並不是只有這一種對象文件格式。常用格式的還有OMF-對象模型文件（Object Module File）以及ELF-可執行及連接文件格式（Executable and Linking Format）。OMF是一大羣IT巨頭在n年制定的一種格式，在Windows平臺上很常見。大家喜歡的Borland公司現在使用的目標文件就是這種格式。MS和Intel在n年前用的也是這種格式，現在都改投異側，用COFF格式了。ELF格式在非Windows平臺上使用得比較多，在Windows平臺基本上沒見過。做爲程序員，很有必要認識一下這些你經常打交道的傢伙！不過這次讓我介紹COFF先！     COFF的文件結構       讓我們先來看一下COFF文件的整體結構，看看它到底長得什麼樣！

File Header Optional Header Section Header 1 ...... Section Header n Section Data Relocation Directives Line Numbers Symbol Table String Table

如左圖： COFF文件一共有8種數據，自上而下分別爲： 1. 文件頭（File Header） 2. 可選頭（Optional Header） 3. 段落頭（Section Header） 4. 段落數據（Section Data） 5. 重定位表（Relocation Directives） 6. 行號表（Line Numbers） 7. 符號表（Symbol Table） 8. 字符串表（String Table）

值	名稱	說明
0x0001	F_RELFLG	無重定位信息標記。這個標記指出COFF文件中沒有重定位信息。通常在目標文件中這個標記們爲0，在可執行文件中爲1。
0x0002	F_EXEC	可執行標記。這個標記指出 COFF 文件中所有符號已經解析， COFF 文件應該被認爲是可執行文件。
0x0004	F_LNNO	文件中所有行號已經被去掉。
0x0008	F_LSYMS	文件中的符號信息已經被去掉。
0x0100	F_AR32WR	些標記指出文件是 32 位的 Little-Endian COFF 文件。

      注：Little-Endian，記不得它的中文名稱了。它是指數據的排列方式。比如：十六進制的0x1234以Little-Endian方式在內存中的順序爲0x34 0x12。與之相反的是Big-Endian，這種方式下，在內存中的順序是0x12 0x34。
這個表的內容並不全面，但在目標文件中，常用的也就只有這些。其它的標記我將在以後介紹PE格式時給出。
可選頭
      可選頭接在文件頭的後面，也就是從COFF文件的0x0014偏移處開始。長度可以爲0。不同長度的可選頭，其結構也不同。標準的可選頭長度爲24或28字節，通常是28啦。這裏我就只介紹長度爲28的可選頭。（因爲這種頭的長度是自定義的，不同的人定義的結果就不一樣，我只能選一種最常用的頭來介紹，別的我也不知道）
這種頭的結構如下：
typedef struct {
    unsigned short usMagic;    // 魔法數字
    unsigned short usVersion;    // 版本標識
    unsigned long    ulTextSize;    // 正文（text）段大小
    unsigned long    ulInitDataSZ;    // 已初始化數據段大小
    unsigned long    ulUninitDataSZ;    // 未初始化數據段大小
    unsigned long    ulEntry;    // 入口點
    unsigned long    ulTextBase;    // 正文段基址
    unsigned long    ulDataBase;    // 數據段基址（在PE32中才有）
} OPTHDR;
      第一個成員usMagic還是魔法數字，不過這回它的值應該爲0x010b或0x0107。當值爲0x010b時，說明COFF文件是一個一般的可執行文件；當值爲，0x0107時，COFF則爲一個ROM鏡像文件。
      usVersion是COFF文件的版本，ulTextSize是這個可執行COFF的正文段長度，ulInitDataSZ和ulUninitDataSZ分別爲已初始化數據段和未初始化數據段的長度。
      ulEntry是程序的入口點，也就是COFF載入內存時正文段的位置（EIP寄存器的值），當COFF文件是一個動態庫時，入口點也就是動態庫的入口函數。
      ulTextBase是正文段的基址。
      ulDataBase是數據段基址。
      其實在這些成員中，只要注意usMagic和ulEntry就可以了。

    段落頭
      段落頭緊跟在可選頭的後面（如果可選頭的長度爲0，那麼它就是緊跟在文件頭後）。它的長度爲36個字節，如下：
typedef struct {
    char             cName[8];    // 段名
    unsigned long    ulVSize;    // 虛擬大小
    unsigned long    ulVAddr;    // 虛擬地址
    unsigned long    ulSize;    // 段長度
    unsigned long    ulSecOffset;    // 段數據偏移
    unsigned long    ulRelOffset;    // 段重定位表偏移
    unsigned long    ulLNOffset;    // 行號表偏移
    unsigned short ulNumRel;    // 重定位表長度
    unsigned short ulNumLN;    // 行號表長度
    unsigned long    ulFlags;    // 段標識
} SECHDR;
      這個頭可是個重要的頭頭，我們要用到的最終信息就由它來描述。一個COFF文件可以不要其它的節，但文件頭和段落頭這兩節是必不可少的。
      cName用來保存段名，常用的段名有.text，.data，.comment，.bss等。.text段是正文段，通常也就是代碼段；.data是數據段，在這個數據段中所保存的數據是初始化過的數據；.bss段也可以用來保存數據，不過這裏的數據是未初始化的，這個段也是一個空段；.comment段，看名字也知道，它是註釋段，用來保存一些編譯信息，算是對COFF文件的註釋。
      ulVSize是段數據載入內存時的大小。只在可執行文件中有效，在目標文件中總爲0。如果它的長度大於段的實際長度，則多的部分將用0來填充。
      ulVAddr是段數據載入或連接時的虛擬地址。對於可執行文件來說，這個地址是相對於它的地址空間而言。當可執行文件被載入內存時，這個地址就是段中數據的第一個字節的位置。而對於目標文件而言，這只是重定位時，段數據當前位置的一個偏移量。爲了計算方便，便定位的計算簡化，它通常設爲0。
      ulSize這纔是段中數據的實際長度，也就是段數據的長度，在讀取段數據時就由它來確定要讀多少字節。
      ulSecOffset是段數據在COFF文件中的偏移量。
      ulRelOffset是該段的重定位信息的偏移量。它指向了重定位表的一個記錄。
      ulLNOffset是該段的行號表的偏移量。它指向的是行號表中的一個記錄。
      ulNumRel是重定位信息的記錄數。從ulRelOffset指向的記錄開始，到第ulNumRel個記錄爲止，都是該段的重定位信息。
      ulNumLN和ulNumRel相似。不過它是行號信息的記錄數。
      ulFlags是該段的屬性標識。其值如下表：

值	名稱	說明
0x0020	STYP_TEXT	正文段標識，說明該段是代碼。
0x0040	STYP_DATA	數據段標識，有些標識的段將用來保存已初始化數據。
0x0080	STYP_BSS	有這個標識段也是用來保存數據，不過這裏的數據是未初始化數據。

      注意，在BSS段中，ulVSize、ulVAddr、ulSize、ulSecOffset、ulRelOffset、ulLNOffset、ulNumRel、ulNumLN的值都爲0。（上表只是部分值，其它值在PE格式中介紹，後同）

    段數據
      “人”如其名，這裏是保存各個段的數據的位置。不同類型的段，數據的內容、結構也不盡相同。但在目標文件中，這些數據都是原始數據（Raw Data）。不存在什麼特別的格式。

    重定位表
      這個表所保存的是各個段的重定位信息。這是一張很大的表，因爲所有段的重定位信息都在這個表裏。各個段落頭記錄了自己的重定位信息的偏移和數量。要用到重定位信息時就到這個表裏來讀。當然，你也可以把整個重定位表看成多個重定位表，每個段落都有一個自己的重定位表。這個表只在目標文件中有，可執行文件中是不存在這個表的。
      既然有表，那麼就會有記錄。重定位表中的每一條記錄就是一條重定位信息。這個記錄的結構很簡單，如下：
typedef struct {
    unsigned long    ulAddr;    // 定位偏移
    unsigned long    ulSymbol;    // 符號
    unsigned short usType;    // 定位類型
} RELOC;
      有夠簡單吧，一共只三個成員！ulAddr是要定位的內容在段內偏移。比如：一個正文段，起始位置爲0x010，ulAddr的值爲0x05，那你的定位信息就要寫在0x15處。而且信息的長度要看你的代碼的類型，32位的代碼要寫4個字節，16位的就只要字2個字節。
      ulSymbol是符號索引，它指向符號表中的一個記錄。注意，這裏是索引，不是偏移！它只是符號表中的一個記錄的記錄號。這個成員指明瞭重定位信息所對映的符號。
usType是重定位類型的標識。32位代碼中，通常只用兩種定位方式。一是絕對定位，二是相對定位。其代碼如下：

值	名稱	說明
6	RELOC_ADDR32	32位絕對定位。
20	RELOC_REL32	32位相對定位。

      對於不同的處理器，這些值也不盡相同。這裏給出的是i386平臺上最常用的兩個種定位方式的標識。
      其定位方式如下：
    絕對定位
      在絕對定位方式下，你要給出符號的絕對地址（注意，有時候這裏可能不是地址，而是值，對於常量來說，你不用給出它的地值，只用給出它的值）。當然，這個地址也不是現成的，你要用符號的相對地址＋它所在段的相對地址來得到它的絕對地址。
    公式：符號絕對地址＝段偏移＋符號偏移
      這些偏移量你要分別從段落頭和符號表中得到。當段落要重定位時，當然還要先重定位段落，才能定位其中的符號。
    相對定位
      相對定位要複雜一些。它所要的地址信息是相對於當前位置的偏移，這個當前位置就是ulAddr所指向的這個偏移的絕對地址後四個字節（32位代碼是四個字節，16位是兩個字節）的位置。也就是用定位偏移＋當前段偏移＋機器字長÷8
    公式：當前地址＝定位偏移＋當前段偏移＋機器字長÷8
      有了當前地址，相對地址就好計算了。只要用符號的絕對地址減去當前地址就可以了。
    公式：相對地址＝符號絕對地址-當前地址
      計算好了地址，把它寫到ulAddr所指向的位置，就一切OK！你已經完成了重定位的工作了。

    行號表
      行號表在調試時很有用。它把可執行的二進制代碼與源代碼的行號之間建立了對映關係。這樣，當程序執行不正確時（其實正確的也可以J），我們就可以根據當前執行代碼的位置得知出錯源代碼的行號，再加以修改。如果沒有它的話，鬼才知道是哪一行出了毛病！
      它的格式也很簡單。只有兩個成員，如下：
typedef struct {
      unsigned long ulAddrORSymbol;    // 代碼地址或符號索引
      unsigned short usLineNo;    // 行號
} LINENO;
      讓我們先看第二個成員，usLineNo。這是一個從1開始計數的計數器，它代表源代碼的行號。第一個成員ulAddrORSymbol在行號大於0時，代表源代碼的地址；而當行號爲0時，它就成了行號所對映的符號在符號表中的索引。下面讓我們來看看符號表吧！

    符號表
      符號表是對象文件中用來保存符號信息的一張表，也是COFF文件中最爲複雜的一張表。所有段落使用到的符號都在這個表裏。它也是由很多條記錄組成，每條記錄都以如下結構保存：
typedef struct {
    union {
      char cName[8];              // 符號名稱
      struct {
        unsigned long ulZero;     // 字符串表標識
        unsigned long ulOffset; // 字符串偏移
      } e;
    } e;
    unsigned long ulValue;       // 符號值
    short iSection;              // 符號所在段
    unsigned short usType;       // 符號類型
    unsigned char usClass;       // 符號存儲類型
    unsigned char usNumAux;      // 符號附加記錄數
} SYMENT;
      cName符號名稱，和前面所有的名稱一樣，它也是8個字節，但不同的是它在一個聯合體中。和它佔相同的存儲空間的還有ulZero和ulOffset這兩個成員。如果符號的名稱只有8個字符，那很好，可以直接放到這個cName中；可是，如果名稱的長度大於8個字節，這裏就放不下了，只好放到字符串表中。這時候，ulZero的值就會爲0，而在ulOffset中會給出我們所用的符號的名稱在字符串表中的偏移。
      一個符號有了名稱不夠，它還要有值！ulValue就是這個符號所代表的值。
      iSection成員指出了這個符號所在的段落。如果它的值爲0，那麼這個符號就是一個外部符號，要從其它的COFF文件中解析（連接多個目標文件就是要解析這種符號）。當它的值爲-1時，說明這個符號的值是一個常量，不是它在段落中的偏移。而當它的值爲-2時，這個符號只是一個調試符號，只有在調試時纔會用到它。當它大於0時，纔是符號所在段的索引值。
      usType是符號的類型標識。它用來說明這個符號的類型，是函數？整型？還是其它什麼。這個標識是兩個字節。
      低字節的低四位是基本標識，它指出了符號的基本類型，如整型，字符，結構，聯合等。高四位指出了符號的高級類型，如指針（0001b），函數（0010b），數組（0011b），無類型（0000b）等。現在的編譯器，通常不使用基本類型，只使用高級類型。所以，符號的基本類型通常被設爲0。
高字節通常未用。
      usClass是符號的存儲類型標識。它指明瞭符號的存儲方式。
      其值與意義見下表：

值	名稱	說明
NULL	0	無存儲類型。
AUTOMATIC	1	自動類型。通常是在棧中分配的變量。
EXTERNAL	2	外部符號。當爲外部符號時，iSection的值應該爲0，如果不爲0，則ulValue爲符號在段中的偏移。
STATIC	3	靜態類型。ulValue爲符號在段中的偏移。如果偏移爲0，那麼這個符號代表段名。
REGISTER	4	寄存器變量。
MEMBER_OF_STRUCT	8	結構成員。ulValue值爲該符號在結構中的順序。
STRUCT_TAG	10	結構標識符。
MEMBER_OF_UNION	11	聯合成員。ulValue值爲該符號在聯合中的順序。
UNION_TAG	12	聯合標識符。
TYPE_DEFINITION	13	類型定義。
FUNCTION	101	函數名。
FILE	102	文件名。

      最後一個成員usNumAux是附加記錄的數量。附加記錄是用來描述符號的一些附加信息，爲了便於保存，這些附加記錄通常選擇成爲一條符號信息記錄的整數倍（多數爲1）。所以，如果這個成員的值爲1，那麼就表示在當前符號信息記錄後附加了一條記錄，用來保存附加信息。
      附加信息的結構是與符號的類型以及存儲類型相關的。不同的類型的符號，其附加信息（如果有的話）的結構也不同。如果你不在意這些內容，也可以把它們乎略。
       當段的類型爲FILE時，附加信息就是一個字符串，它是目標文件對應源文件的名稱。其它類型在介紹PE時再進行詳細討論。

    字符串表
      不用多說，瞎子也能看出這個表是用來保存字符串的。它緊接在符號表後。至於爲什麼要保存字符串，前面已經說過了。這裏就不再多說了，只說說字符串的保存格式。
       字符串表是所有節中最簡單一節。如下圖：

0                               4                        

字符串表長度	字符串1\0
....	字符串n\0

      字符串表的前四個字節是字符串表的長度，以字節爲單位。其後就是以0結尾的字符串（C風格字符串）。要注意的是，字符串表的長度不僅僅是字符串的長度（這個長度要包括每個字符串後的‘\0’）的總合，它還包括這個長度域的四個字節。符號表中ulOffset成員所指出的偏移就是從字符串表起始處的偏移。比如：指像每一個字符串的符號，ulOffset的值總爲4。
      下面給出的代碼，是從字符串表中讀取字符串的典型C代碼。

int iStrlen,iCur=4;                   // iStrLen是字符串表的長度，iCur是當前字符串偏移
char *str;                            // 字符串表
read(fn, &iStrlen, 4);                // 得到字符串表長度
str = (char *)malloc(iStrlen);        // 爲字符串表分配空間
while (iCur<iStrlen )                 // 讀字符串表，直到全部讀入內存
      iCur+=read(fn, str+iCur, iStrlen- iCur);
iCur=4;                               // 把當前字符串偏移指到每一個字符串
while (iCur<iStrlen ) {               // 顯示每一個字符串
      printf("String offset 0x%04X : %s\n", iCur, str + iCur);
      iCur+=(strlen(str+iCur)+1);       // 計算偏移時不要忘了計算‘\0’字符所佔的1個字節！
}
free(str);                            // 釋放字符串表空間

      直到這裏，整個COFF的結構已經全部介紹完了。很多瞭解PE格式的朋友一定會奇怪，好像少了很多內容！？是的，標準的COFF文件只有這麼多的東西。但MS爲了和DOS的可執行文件兼容，以及對可執行文件功能的擴展，在COFF格式中加了很多它自己的標準。讓我差點就認不出COFF了。但瞭解了COFF文件以後，再來學習PE文件的格式，那就很簡單了。
      想了解PE文件的格式？網上有很多它的資料，我將在本文的基礎上再寫幾篇文章，分別介紹PE，OMF以及ELF的格式。
      現在大家可以自己動手，寫一個COFF文件解析器或是一個簡單的連接程序了！