从 MCInsts (x86) 获取“实际”寄存器

Question

我使用 llvm-mc 的目标是制作一个相对智能的反汇编程序（识别和跟踪本地人，轻松跟踪分支等），其中一部分是创建反汇编指令的字符串表示形式。

当我开始这个时，我希望我能够相对容易地识别MCInsts 使用的寄存器和值，并自己制作另一个我可以轻松使用的表示。但是，经过一番调查，我意识到，以指令的文本表示形式显示的操作数与 MCInst 对象中实际存在的操作数之间的相关性相当低。以下是一些示例（英特尔语法）：

• 将 11587 作为 32 位立即数移动到 eax 将使用 MOV32ri 操作码完成。文本表示将是mov eax, 11587。对应的MCInst 将有两个操作数，一个寄存器和一个立即数。这对我有用。这很棒。
• 将11587 添加到eax 将使用ADD32ri 操作码完成。文本表示为add eax, 11587。但是，这一次，对应的MCInst 有三个 操作数：eax 有两次，最后是立即数。这不是很好。我可以假设这是降低过程的产物，eax 的第一个实例是目标寄存器，第二个是源寄存器（即使 x86 不区分两者），我可以解决这个问题。
• 将 32 位 eip 相对值移动到 eax 将使用 MOV32ao32 操作码完成。文本表示为mov eax, dword ptr [11587]。在这种情况下，MCInst 甚至没有eax 的操作数，它只能从操作码名称中存在的操作数类型推断出来。我也可以解决这个问题，但事情变得越来越不漂亮，我只测试了 x86 支持的 1300+ 中的 5-6 种不同的指令。

显然，出于显示文本的目的，我可以使用MCInstPrinter 获得文本表示，但是那里显示的内容与MCInst 所拥有的内容之间的映射仍然很模糊。

有没有一种直接的方法来判断哪些操作数出现在指令的文本表示中？

Answer 1

添加三个参数听起来像是编译器构建器对Three address code 的偏好正在渗透，因为在英特尔汇编器中没有理由这样做。 （您不能使用 ADD 指令添加和存储到不同的寄存器，但您可以使用 LEA）。

如果计算所有扩展（如 SSE、FPU 等），操作码会达到数百个，更糟糕的是，由于寻址模式和前缀，操作码会出现多种变体。

如果您的 llvm-mc 系统不提供该功能，NASM 汇编器在源代码中有一些表，您可以尝试挖掘这些表。

Answer 2

MC 级别很低，操作数布局取决于操作码。也就是说，有映射表可以告诉你什么在哪里。 MCInstrDesc 和 MCOperandInfo 将告诉您哪些操作数、源和目标，它们是立即数、寄存器等以及一组标志。

您还需要熟悉 MCRegisterClass 和 MCRegisterInfo 以及其他一些东西。这是一个复杂的接口，因为表示任意目标信息的任务很复杂。

我会查看各种基于 MC 的工具的代码以开始使用。你不应该需要自己的代表，MC应该有你需要的一切。