1、LLVM

1.1、什么是LLVM

如 LLVM官网第一句话所介绍的：The LLVM Project is a collection of modular and reusable compiler and toolchain technologies. （LVVM项目是模块化、可重用的编译器以及工具链技术的集合。）
关于LLVM这个名称官网也做了说明：The name “LLVM” itself is not an acronym; it is the full name of the project.（LLVM这个名字本身不是首字母的缩写；它是项目的全名。）

1.2、传统编译器的架构

传统的编译器一般分为三个部分：前端、优化器和后端
前端（Frontend）：词法分析、语法分析、语义分析、生成中间代码
优化器（Optimizer）：中间代码优化
后端（Backend）：生成机器代码

1.3、LLVM架构

LLVM支持多种开发语言，包括C/C++/ObjC、Swift、Fortran、Haskell等，通过不同的前端把源码转化成统一的中间代码，再通过不同的后端生成适合不同平台使用的机器代码。

LVVM的架构有一下特点：
1、不同的前端后端使用统一的中间代码 LLVM Intermediate Representation （LLVM IR）
2、如果需要支持一种新的编程语言，那么只需要实现一个新的前端
3、如果需要支持一种新的硬件设备，那么只需要实现一个新的后端
4、优化阶段是一个通用的阶段，它针对的是统一的 LLVM IR，不论支持新的编程语言，还是支持新的硬件设备，都不需要对优化阶段做修改。

2、Clang

2.1、什么是Clang

Clang 是LLVM项目的一个子项目，它基于LLVM架构的C/C++/Objective-C编译器前端。
相比于GCC，Clang具有如下优点：
1、编译速度快：在某些平台上，Clang的编译速度显出的快过GCC（Debug模式下编译OC速度比GCC快3倍）
2、占用内存小：Clang生成的AST所占用的内存是GCC的五分之一左右
3、模块化设计：Clang采用基于库的模块化设计，易于IDE继承及其他用途的重用
4、诊断信息可读性强：在编译过程中，Clang创建并保留了大量详细的元数据（metadata），有利于调试和错误报告
5、设计清晰简单，容易理解，易于扩展增强

2.2、Clang与LLVM

Clang是LLVM架构的前端。广义上的LLVM指的是整个LLVM架构，狭义上的LLVM指的是LLVM架构的后端（代码优化、目标代码生成等）

LLVM把编程语言转换成机器码的过程如下：

*Pass：中间代码优化

3、OC源文件的编译过程

3.1、查看编译过程

新建一个命令行项目，查看main.m文件的编译过程，命令行输入 $ clang -ccc-print-phases main.m

               +- 0: input, "main.m", objective-c
            +- 1: preprocessor, {0}, objective-c-cpp-output
         +- 2: compiler, {1}, ir
      +- 3: backend, {2}, assembler
   +- 4: assembler, {3}, object
+- 5: linker, {4}, image
6: bind-arch, "x86_64", {5}, image

简单分析编译过程如下：第1步：找到源代码main.m 第2步：预处理阶段，替换#import、#include、#define 第3步：编译成中间代码 IR 第4步：后端生成目标代码（汇编等）第5步：生成目标代码第6步：链接静态库、动态库第7步：生成适合某个架构的代码

3.2、查看 preprocessor（预处理）的结果

将main.m文件中的代码修改如下：

#include <stdio.h>
#define AGE 40
int main(int argc, const char * argv[]) {
    int a = 10;
    int b = 20;
    int c = a + b + AGE;
    return 0;
}

查看预处理结果：$ clang -E main.m

......
省略stdio.h头文件内容
......
int main(int argc, const char * argv[]) {
  int a = 10;
  int b = 20;
  int c = a + b + 40;
  return 0;
}

引入了stdio.h同文件的内容，并且替换了宏定义

3.3、词法分析

词法分析就是将代码生成多个Token，查看词法分析结果：
$ clang -fmodules -E -Xclang -dump-tokens main.m

annot_module_include '#include <stdio.h>
#define AGE 40
int main(int argc, const char * argv[]) {
int a = 10;
'        Loc=<main.m:8:1>
int 'int'     [StartOfLine]    Loc=<main.m:12:1>
identifier 'main'     [LeadingSpace]    Loc=<main.m:12:5>
...... 省略部分打印
identifier 'a'     [LeadingSpace]    Loc=<main.m:13:9>
equal '='     [LeadingSpace]    Loc=<main.m:13:11>
numeric_constant '10'     [LeadingSpace]    Loc=<main.m:13:13>
semi ';'        Loc=<main.m:13:15>
int 'int'     [StartOfLine] [LeadingSpace]    Loc=<main.m:14:5>
identifier 'b'     [LeadingSpace]    Loc=<main.m:14:9>
equal '='     [LeadingSpace]    Loc=<main.m:14:11>
numeric_constant '20'     [LeadingSpace]    Loc=<main.m:14:13>
semi ';'        Loc=<main.m:14:15>
int 'int'     [StartOfLine] [LeadingSpace]    Loc=<main.m:15:5>
...... 省略部分打印

比如其中：

identifier 'a'     [LeadingSpace]    Loc=<main.m:13:9>

就代表了 a 是在main.m 的第13行的第9个字符，这样如果代码出错的话就可以快速定位到出错位置。

3.4、语法树-AST

在main.m中添加函数：

void test(int a, int b) {
    int c = a + b - 3;
}

查看test函数的语法树部分：$ clang -fmodules -fsyntax-only -Xclang -ast-dump main.m

`-FunctionDecl 0x7fe49b192f78 <line:20:1, line:22:1> line:20:6 test 'void (int, int)'
  |-ParmVarDecl 0x7fe49b192df8 <col:11, col:15> col:15 used a 'int'
  |-ParmVarDecl 0x7fe49b192e78 <col:18, col:22> col:22 used b 'int'
  `-CompoundStmt 0x7fe49b1931a8 <col:25, line:22:1>
    `-DeclStmt 0x7fe49b193190 <line:21:5, col:22>
      `-VarDecl 0x7fe49b193058 <col:5, col:21> col:9 c 'int' cinit
        `-BinaryOperator 0x7fe49b193170 <col:13, col:21> 'int' '-'
          |-BinaryOperator 0x7fe49b193130 <col:13, col:17> 'int' '+'
          | |-ImplicitCastExpr 0x7fe49b193100 <col:13> 'int' <LValueToRValue>
          | | `-DeclRefExpr 0x7fe49b1930c0 <col:13> 'int' lvalue ParmVar 0x7fe49b192df8 'a' 'int'
          | `-ImplicitCastExpr 0x7fe49b193118 <col:17> 'int' <LValueToRValue>
          |   `-DeclRefExpr 0x7fe49b1930e0 <col:17> 'int' lvalue ParmVar 0x7fe49b192e78 'b' 'int'
          `-IntegerLiteral 0x7fe49b193150 <col:21> 'int' 3

*Decl：声明、Stmt：语句、Operator：操作符

其中FunctionDecl下面包含了ParmVarDecl、ParmVarDecl、CompoundStmt这三个节点，CompoundStmt下面又包含了其他节点，这样就形成了一个树的结构：

3.5、LVVM IR

3.5.1、IR分类

LLVM IR 有3种表示形式（但本质是等价的），其中：
text：便于阅读的文本格式，类似于汇编语言，拓展名.ll，终端命令：$ clang -S -emit-llvm main.m
memory：内存格式
bitcode：二进制格式，拓展名.bc，终端命令：$ clang -c -emit-llvm main.m

3.5.2、IR基本语法

注释以分号开头 ;
全局标识以@开头，局部标识符以%开头
alloca，在当前函数栈帧中分配内存
i32，32bit，4个字节的意思
align，内存对其
store，写入数据
load，读取数据

3.5.3、代码分析

以text形式为例，查看转换后的中间代码：

define void @test(i32 %0, i32 %1) #0 {
  %3 = alloca i32, align 4
  %4 = alloca i32, align 4
  %5 = alloca i32, align 4
  store i32 %0, i32* %3, align 4
  store i32 %1, i32* %4, align 4
  %6 = load i32, i32* %3, align 4
  %7 = load i32, i32* %4, align 4
  %8 = add nsw i32 %6, %7
  %9 = sub nsw i32 %8, 4
  store i32 %9, i32* %5, align 4
  ret void
}

简单分析：

define void @test(i32 %0, i32 %1) #0 {
  %3 = alloca i32, align 4 ; 定义了一个局部变量,int x
  %4 = alloca i32, align 4 ; 定义了一个局部变量,int y
  %5 = alloca i32, align 4 ; 定义了一个局部变量,int z
  store i32 %0, i32* %3, align 4 ; 把第1个参数赋值给x, x = a 
  store i32 %1, i32* %4, align 4 ; 把第2个参数赋值给y, y = b
  %6 = load i32, i32* %3, align 4 ; a 
  %7 = load i32, i32* %4, align 4 ; b
  %8 = add nsw i32 %6, %7 ; a + b
  %9 = sub nsw i32 %8, 3 ; a + b - 3
  store i32 %9, i32* %5, align 4 ; 把%9赋值给z（z就是源码里的c）
  ret void
}

了解更多LLVM IR语法可以查看官方文档。

4、应用与实践

4.1、libclang、libTooling

使用LLVM中的这两个插件，可以进行语法树分析和语言转换（OC转Swift）等功能。
官方参考：https://clang.llvm.org/docs/Tooling.html

4.2、Clang插件开发

可以开发Clang插件，实现代码检查（命名规范、代码规范）等。
官方参考：
https://clang.llvm.org/docs/ClangPlugins.html
https://clang.llvm.org/docs/ExternalClangExamples.html
https://clang.llvm.org/docs/RAVFrontendAction.html

4.3 Pass开发

实现代码优化、代码混淆等。
官方参考：
https://llvm.org/docs/WritingAnLLVMPass.html

4.4 开发新的编程语言

参考：
https://llvm-tutorial-cn.readthedocs.io/en/latest/index.html
https://kaleidoscope-llvm-tutorial-zh-cn.readthedocs.io/zh_CN/latest/

iOS 逆向

十二、LLVM