LLDB Python 脚本中的指针算法

Question

我一直在尝试为 Xcode 中的自定义字符串类型创建自定义数据格式化程序。下面的代码让我得到字符串中第一个字符的地址：

def MyStringSummary(valobj, internal_dict):
    data_pointer = valobj.GetChildMemberWithName('AllocatorInstance').GetChildMemberWithName('Data')
    print data_pointer.GetValue()

打印出指针地址。当我查看该地址的内容时，我可以看到用于存储该数据的宽字符，所以我想我要做的就是将此指针转换为wchar_t，然后我就得到了第一个字符。我的第一个方法是：

if data_pointer.TypeIsPointerType():
    mychar = data_pointer.Dereference()
    print mychar.GetValue()
else:
    print "data_pointer is not a pointer!"

这证实了 data_pointer 是一个指针，但是 Dereference() 调用似乎没有解决任何问题：mychar.GetValue() 只是返回 None。 另一个问题 - 然后我是否能够通过一个循环并将data_pointer 的地址每次增加一个固定数量并继续取消引用并找到下一个字符，然后将其添加到输出字符串中？如果是这样，我该怎么做？

编辑：

为了帮助澄清问题，我将发布一些关于字符串底层数据结构的信息。该定义太长，无法在此处发布（它也继承了它从泛型数组基类所做的大部分工作），但我会提供更多详细信息。

查看StringVar.AllocationInstance.Data 指针位置时，我可以看到我们为每个字符使用了16 位。我正在查看的字符串中的所有字符都只有 8 位，每个字符后面还有 8 位 0。所以，这就是我在调试器中执行此操作时发生的情况：

(lldb) p (char*)(StringVar.AllocatorInstance.Data)
(char *) $4 = 0x10653360 "P"
(lldb) p (char*)(StringVar.AllocatorInstance.Data)+1
(char *) $6 = 0x10653361 ""
(lldb) p (char*)(StringVar.AllocatorInstance.Data)+2
(char *) $7 = 0x10653362 "a"

所以我认为它一次只显示一个字符的原因是因为它认为每个 8 位字符都以以下 8 位为空终止。但是，当我投射到 unsigned short 时，我得到了这个：

(lldb) p (unsigned short*)(StringVar.AllocatorInstance.Data)
(unsigned short *) $9 = 0x10653360
(lldb) p *(unsigned short*)(StringVar.AllocatorInstance.Data)
(wchar_t) $10 = 80
(lldb) p (char*)(unsigned short*)(StringVar.AllocatorInstance.Data)
(char *) $11 = 0x10653360 "P"
(lldb) p (char*)((unsigned short*)(StringVar.AllocatorInstance.Data)+1)
(char *) $14 = 0x10653362 "a"
(lldb) p (char*)((unsigned short*)(StringVar.AllocatorInstance.Data)+2)
(char *) $18 = 0x10653364 "r"

...所以看起来转换为unsigned short 很好，只要我们将每个整数转换为一个字符。知道如何尝试将其放入 Python 数据格式化程序中吗？

Answer 1

没有任何源代码参考，这个问题比它应该的更难弄清楚。

话虽如此，我的第一个赌注是你的 Char* 类型是一个“不透明”的引用，所以当你去引用它时，LLDB 对指针类型一无所知并且无法解析它。或者指针类型不是基本类型（int、char、float ......），因此没有值（值本质上是标量属性，结构或类或联合没有值，它们有成员）

你能公布你的字符串类型的定义吗？

从那里开始，有几种方法可以从内存位置提取一大块数据。你的字符串是 ASCII/UTF8 编码的吗？如果是这样，您可以只使用 Process.ReadCStringFromMemory 给它指针的值。这将一直读取直到找到第一个 0 终止符，或者直到达到某个最大长度（您希望避免从乱码内存中读取无限量的数据）

如果不是这样，还有其他方法。

同样，您可以提供的有关数据结构内部的信息越多，为它编写格式化程序就越容易。

Answer 2

您的 Data 看起来可能是 UTF-16。我做了一个快速的 C 程序，看起来有点像你的问题描述，并在交互式 Python 解释器中进行了一些操作。我认为这可能足以为您指明编写自己的格式化程序的正确方向？

int main ()
{
    struct String *mystr = AllocateString();
    mystr->AllocatorInstance.len = 10;
    mystr->AllocatorInstance.Data = (void *) malloc (10);
    memset (mystr->AllocatorInstance.Data, 0, 10);
    ((char *)mystr->AllocatorInstance.Data)[0] = 'h';
    ((char *)mystr->AllocatorInstance.Data)[2] = 'e';
    ((char *)mystr->AllocatorInstance.Data)[4] = 'l';
    ((char *)mystr->AllocatorInstance.Data)[6] = 'l';
    ((char *)mystr->AllocatorInstance.Data)[8] = 'o';

    FreeString (mystr);
}

使用lldb.frame、lldb.process 快​​捷方式（仅在进行交互式script 时有效），我们可以轻松地将Data 读入python 字符串缓冲区：

>>> valobj = lldb.frame.FindVariable("mystr")
>>> address = valobj.GetChildMemberWithName('AllocatorInstance').GetChildMemberWithName('Data').GetValueAsUnsigned()
>>> size = valobj.GetChildMemberWithName('AllocatorInstance').GetChildMemberWithName('len').GetValueAsUnsigned()
>>> print address
4296016096
>>> print size
10
>>> err = lldb.SBError()
>>> print err
error: <NULL>
>>> membuf = lldb.process.ReadMemory (address, size, err)
>>> print err
success
>>> membuf
'h\x00e\x00l\x00l\x00o\x00'

从这一点开始，你可以做任何常见的 python 数组类型的事情 -

>>> for b in membuf:
...   print ord(b)
... 
104
0
101
0
108
0
108
0
111
0

我不确定你如何告诉 Python 这是 UTF-16 并且应该正确地内化为宽字符，这更像是一个 Python 问题而不是 lldb 问题——但我认为你最好的选择是不要使用SBValue 方法（因为您的 Data 指针具有像 void * 这样的无信息类型，就像我在测试程序中所做的那样），但要使用 SBProcess 内存读取方法。