Hotdry.
归档
ai-engineering

构建Photoshop 1.0源代码的逆向工程工具链：从二进制到AST的自动化流水线

针对Photoshop 1.0.1源代码的逆向工程工具链实现，涵盖资源提取、68K反汇编、符号恢复与AST重建的完整技术方案。

2013 年，计算机历史博物馆发布了 Adobe Photoshop 1.0.1 的完整源代码，这份包含约 128,000 行 Pascal 代码和 68K 汇编的遗产，为软件考古学提供了珍贵的研究材料。然而，直接分析这些源代码仅是逆向工程的第一步，构建完整的工具链以自动化处理二进制到高级语言表示的转换，才是工程化的核心挑战。本文将深入探讨针对 Photoshop 1.0 的逆向工程工具链实现，从资源提取到抽象语法树（AST）重建的完整技术方案。

技术背景与挑战

Photoshop 1.0 诞生于 1988-1990 年间，其技术栈具有典型的时代特征：使用 THINK Pascal 编译器针对 Motorola 68000 处理器，运行在经典 Mac OS 系统上。经典 Mac OS 采用独特的资源分支（Resource Fork）架构，将代码、图像、字符串等资源统一管理。这种架构为逆向工程带来了特定挑战：

  1. 资源压缩格式：Mac OS 资源管理器使用 dcmp（Decompressor）资源进行透明压缩，这些解压器本身是 68K 或 PowerPC 代码片段
  2. 编码转换：文本资源使用 Mac OS Roman 编码，需要转换为 UTF-8
  3. 混合语言：Pascal 主体代码中嵌入大量 68K 汇编优化关键路径
  4. 工具链过时：原始编译工具链在现代系统上难以运行

工具链核心组件设计

完整的逆向工程工具链需要多个协同工作的组件，形成从二进制到高级表示的转换流水线。

1. 资源提取器（Resource Extractor）

基于resource_dasm工具的实现，这是处理经典 Mac OS 资源分支的核心。该工具能够：

  • 读取资源分支、AppleSingle/AppleDouble 文件、MacBinary 文件等多种格式
  • 透明解压使用 dcmp 资源压缩的内容
  • 将超过 100 种资源类型转换为现代格式

关键实现细节包括对 dcmp 资源的仿真执行。如resource_dasm项目文档所述：“资源管理器压缩方案从未由 Apple 正式记录或公开，因此这些解压器的实现基于对 ResEdit 和其他经典 Mac OS 代码的逆向工程。” 工具内置了 68K 和 PowerPC 仿真器，能够运行非默认解压器，包括系统内置的 DonnDecompress、GreggyDecompress 以及第三方如 After Dark 的自修改 dcmp 128。

2. 68K 反汇编器与符号恢复

对于 CODE 资源中的 68K 汇编代码，需要专门的处理器。m68kdasm组件提供了以下能力：

  • 反汇编原始 68K、PowerPC、x86 或 SH-4 二进制代码
  • 解析 PEF（经典 Mac OS PowerPC 可执行）文件、DOL（任天堂 Gamecube 可执行）文件等多种格式
  • 通过解析 CODE 0 资源中的跳转表恢复导出函数符号

符号恢复的关键在于理解经典 Mac OS 的 A-Trap 机制。系统调用通过 A-Trap 指令（如_A_Line）实现，反汇编器需要维护完整的 Trap 表映射，将二进制操作码转换为有意义的 API 名称。例如，_NewHandle调用对应特定的 A-Trap 编号，反汇编器应输出可读的符号而非原始操作码。

3. Pascal 语法分析与 AST 重建

从反汇编代码重建 Pascal AST 需要处理语言特定的语义：

// 原始Pascal代码特征
procedure ProcessImage(var buffer: Ptr; width, height: Integer);
type
  PixelArray = array[0..32767] of Byte;
var
  pixels: ^PixelArray;
  i: Integer;
begin
  pixels := Pointer(buffer);
  for i := 0 to width * height - 1 do
    pixels^[i] := 255 - pixels^[i];  // 反相操作
end;

AST 重建器需要识别 Pascal 特有的语言结构：

  • begin/end块而非大括号
  • procedure/function声明语法
  • 类型安全的枚举和子范围类型
  • with语句的记录字段访问

4. 跨平台编译适配层

为使逆向工程结果可在现代系统上编译，需要适配层处理平台差异：

  1. 内存模型转换：从经典 Mac OS 的 Handle-based 内存管理转换为现代堆分配
  2. API 映射：QuickDraw 图形 API 到现代图形库的映射
  3. 数据类型对齐：68K 的字节对齐要求与现代处理器的差异

实现步骤：四阶段转换流水线

第一阶段：二进制资源提取

# 使用resource_dasm提取Photoshop资源
./resource_dasm "Photoshop 1.0.1" ./photoshop.out \
  --save-raw=yes \
  --image-format=png \
  --text-encoding=utf-8

此阶段输出包括：

  • CODE资源：反汇编为 68K 汇编文本
  • PICT资源：转换为 PNG 格式
  • TEXT/STR资源：转换为 UTF-8 文本
  • 原始二进制资源备份

第二阶段：控制流分析与符号恢复

对反汇编的 68K 代码进行控制流分析，识别基本块、函数边界和调用图。关键算法包括：

  1. 递归下降反汇编：从已知入口点开始，跟踪所有可能的分支目标
  2. 数据 / 代码分离：通过启发式方法区分代码段和数据段
  3. 类型恢复：通过使用模式推断变量类型（指针、整数、记录等）

符号恢复的启发式规则：

  • 遵循 68K 调用约定的参数传递模式
  • 全局变量通常通过 A5 相对寻址访问
  • 局部变量使用 A6（帧指针）相对寻址

第三阶段：Pascal AST 生成

将低级中间表示转换为 Pascal AST 的过程：

class PascalASTBuilder:
    def visit_68k_instruction(self, instr):
        # 将68K指令映射到Pascal结构
        if instr.opcode == 'MOVE.L' and instr.src.startswith('(A6'):
            # 局部变量访问
            return LocalVarAccess(self.extract_offset(instr.src))
        elif instr.opcode == 'BSR' or instr.opcode == 'JSR':
            # 过程调用
            return ProcedureCall(self.resolve_symbol(instr.target))
    
    def reconstruct_control_flow(self, basic_blocks):
        # 重建if/then/else, for, while等控制结构
        # 基于分支模式和循环检测算法

第四阶段：代码优化与规范化

生成的 Pascal 代码需要进一步处理以提高可读性和可维护性：

  1. 常量传播：替换已知常量的计算
  2. 死代码消除：移除不可达的代码路径
  3. 表达式简化：简化复杂的算术和逻辑表达式
  4. 注释生成：基于反汇编上下文添加解释性注释

工程挑战与解决方案

挑战一：资源压缩格式的多样性

经典 Mac OS 支持多种压缩格式，且允许应用程序提供自定义 dcmp 资源。解决方案：

  1. 内置解压器库：实现系统标准解压器（dcmp 0, 1, 2, 3）
  2. 仿真执行：对于自定义解压器，使用内置 68K 仿真器执行
  3. 回退机制：当解压失败时保存原始二进制供手动分析

挑战二：混合语言代码的协调处理

Photoshop 代码中 Pascal 与 68K 汇编紧密交互。处理策略：

  1. 内联汇编识别：通过特定模式识别INLINE指令嵌入的汇编
  2. 调用约定适配：确保 Pascal 与汇编间的参数传递正确转换
  3. 寄存器使用分析：跟踪汇编代码对 Pascal 变量的寄存器分配

挑战三：平台特定 API 的抽象

QuickDraw、Toolbox 等 API 在现代系统中不存在。解决方案：

  1. API 兼容层：实现关键 API 的现代替代
  2. 功能子集：专注于核心图像处理功能，非关键 UI 代码可简化
  3. 条件编译：使用编译指令隔离平台相关代码

工具链配置与使用示例

完整的工具链配置需要多个组件协同工作：

# 工具链配置文件 reverse_engineer.yml
stages:
  - name: resource_extraction
    tool: resource_dasm
    args:
      - "--save-raw=yes"
      - "--image-format=png"
      - "--text-encoding=utf-8"
  
  - name: disassembly
    tool: m68kdasm
    args:
      - "--architecture=m68k"
      - "--resolve-symbols"
      - "--output-format=pascal"
  
  - name: ast_generation
    tool: pascal_ast_builder
    args:
      - "--reconstruct-types"
      - "--generate-comments"
  
  - name: code_emission
    tool: pascal_emitter
    args:
      - "--modern-syntax"
      - "--platform-adaptation=modern"

使用流程：

# 完整逆向工程流程
./reverse_engineer --config reverse_engineer.yml \
  --input "Photoshop 1.0.1" \
  --output ./reconstructed/
  
# 结果验证：尝试编译重建的代码
cd ./reconstructed/
fpc main.pas -o photoshop_reconstructed

质量评估与验证机制

为确保逆向工程结果的正确性，需要建立验证机制：

  1. 行为一致性测试：使用原始二进制和重建代码处理相同输入，比较输出
  2. 代码覆盖率分析：确保所有反汇编的代码路径都在重建代码中体现
  3. 手动审查点：对关键算法（如卷积滤波、颜色转换）进行重点审查
  4. 历史版本比对：与后来版本的 Photoshop 源代码进行语义比对

验证指标包括：

  • 代码行数匹配度（原始 vs 重建）
  • 函数接口一致性
  • 关键算法输出位精确性
  • 资源引用完整性

扩展应用与未来方向

此工具链不仅适用于 Photoshop，还可应用于其他经典 Mac OS 软件的逆向工程：

  1. 其他创意软件：Adobe Illustrator 早期版本、MacPaint 等
  2. 游戏逆向：经典 Mac 游戏资源提取与修改
  3. 系统软件研究：操作系统组件分析

未来改进方向：

  • 机器学习辅助：使用神经网络改进控制流分析和类型推断
  • 多语言输出：支持将 Pascal 代码转换为 C、Rust 等现代语言
  • 交互式分析环境：集成可视化工具，支持探索性逆向工程
  • 云化处理：将计算密集型分析任务迁移到云端

结语

构建 Photoshop 1.0 的逆向工程工具链不仅是对历史代码的技术复原，更是对软件工程方法论的实践检验。通过系统化的资源提取、反汇编、符号恢复和 AST 重建，我们能够将二进制遗产转化为可读、可维护、可演进的代码库。这一过程揭示的不仅是 30 多年前的编程实践，更是软件系统长期演化的普遍规律。

工具链的成功实现证明了，即使面对过时的技术栈和复杂的系统交互，通过分层的架构设计和自动化的处理流程，仍然能够有效地进行大规模代码逆向工程。这为处理其他历史软件系统提供了可复用的方法论和工具基础。

参考资料：

  1. Hacker News 讨论：Adobe Photoshop 1.0.1 Source Code (2013) - https://news.ycombinator.com/item?id=17132058
  2. resource_dasm 工具：经典 Mac OS 资源反汇编器 - https://github.com/fuzziqersoftware/resource_dasm
查看归档