使用 Python 检测 C 文件中的递归

Question

我需要在相当大的 (5-15,000) 组 C（不是 C++）文件中检测直接和间接递归。

文件已经过预处理。

出于安全原因，该代码非常“老派”，因此其中没有函数指针之类的花哨的东西，只有传递变量的函数和一些执行相同操作的函数宏。

检测递归最自然的方法是制作有向调用图，将每个函数视为一个节点，其边缘连接到它调用的所有其他函数。如果图有任何循环，那么我们就有递归。

查找函数调用的正则表达式很简单，但我还需要知道调用的是哪个函数。

PyCParser 很好，但它抱怨很多事情，例如未定义的变量或未定义源类型或在不同文件中定义的 typedef，这与我的用例完全无关。该项目使用自定义的依赖管理系统，所以一些包含和这些是自动添加的，所以我需要 PyCParser 不关心 anything 除了FuncCall 和 FuncDef 节点，我不认为有一种方法可以限制解析过程本身。

我宁愿不实现解析器，因为我没有时间学习如何在 python 中执行此操作然后实现解决方案。

回到问题，我将如何解析 C 文件中的函数？基本上得到一个以字符串（文件中定义的函数的名称）作为键，字符串列表（每个函数调用的函数）作为值的字典？正则表达式似乎是最自然的解决方案。

遗憾的是，使用 python 不是可选的。

Answer 1

为什么不在编译后的代码上使用objdump，然后解析生成的程序集来构建图表？

test1.c 文件：

extern void test2();

void test1()
{
   test2();
}

test2.c 文件：

extern void test1();

void test2()
{
   test1();
}


int main()
{
   test2();
}

现在构建它：

gcc -g test1.c test2.c -o myprog

现在反汇编

objdump -d myprog > myprog.asm

使用几个简单的正则表达式查找所有函数调用，同时记住您所在的上下文。反汇编示例向您展示了它应该是多么容易：

00401630 <_test1>:
  401630:   55                      push   %ebp
  401631:   89 e5                   mov    %esp,%ebp
  401633:   83 ec 08                sub    $0x8,%esp
  401636:   e8 05 00 00 00          call   401640 <_test2>
  40163b:   c9                      leave  
  40163c:   c3                      ret    
  40163d:   90                      nop
  40163e:   90                      nop
  40163f:   90                      nop

00401640 <_test2>:
  401640:   55                      push   %ebp
  401641:   89 e5                   mov    %esp,%ebp
  401643:   83 ec 08                sub    $0x8,%esp
  401646:   e8 e5 ff ff ff          call   401630 <_test1>
  40164b:   c9                      leave  
  40164c:   c3                      ret    

然后使用 python 对您的反汇编进行后处理并构建一个函数字典=>调用：

import re
import collections

calldict = collections.defaultdict(set)

callre = re.compile(".*\scall\s+.*<(.*)>")
funcre = re.compile("[0-9a-f]+\s<(.*)>:")

current_function = ""

with open("myprog.asm") as f:
    for l in f:
        m = funcre.match(l)
        if m:
            current_function = m.group(1)
        else:
            m = callre.search(l)
            if m:
                called = m.group(1)
                calldict[current_function].add(called)

我没有编写完整的图形搜索，但您可以使用以下简单代码检测“乒乓”递归：

for function,called_set in calldict.items():
    for called in called_set:
        callset = calldict.get(called)
        if callset and function in callset:
            print(function,called)

这给了我：

_test2 _test1
_test1 _test2

callcatcher 也使用此符号/asm 分析技术来检测未使用的 C 函数（这也可以通过检查不在任何集合中的键来非常容易地完成，并对编译器符号进行一些过滤)