从MCInsts获取“实际”寄存器（x86）

Question

我正在使用llvm-mc，目的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。

当我开始这个时，我希望我能够相对容易地识别MCInst使用的寄存器和值，并自己掏出另一个我可以轻松使用的表示。然而，经过一些调查，我意识到显示的操作数与指令的文本表示和实际存在于MCInst对象中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{115>作为32位立即转移到eax将使用MOV32ri操作码完成。文本表示将是mov eax, 11587。相应的MCInst将有两个操作数，一个寄存器和一个立即数。这适合我。这很棒。
• 使用11587操作码可以将eax添加到ADD32ri。文本表示将是add eax, 11587。但是，这次，相应的MCInst有三个操作数：eax有两次，而最后一次是立即数。这不是很好。我可以假设这是降级过程的一个工件，eax的第一个实例是目标寄存器，第二个实例是源（即使x86不区分这两个），我可以解决这个问题。
• 使用eip操作码将32位eax - 相对值移至MOV32ao32。文本表示将是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，但事情变得越来越少，我只测试了x86支持的1300多个不同的指令。

显然，为了显示文字，我可以用MCInstPrinter得到文本表示，但是那里显示的内容与MCInst之间的映射仍然很混乱。

是否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Three address code的编译器构建器首选项正在流行，因为在英特尔汇编程序中没有理由这样做。 （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），操作码将达到数百个，更糟糕的是，由于寻址模式和前缀，操作码有多种变体。

NASM汇编程序在源代码中有一些表，如果你的llvm-mc系统没有提供这些功能，你可以尝试挖掘它们。

Answer 2

MC级别非常低，操作数布局取决于操作码。也就是说，有一些映射表可以告诉你它在哪里。 MCInstrDesc和MCOperandInfo将告诉您哪些操作数和源和目的地，它们是立即数，寄存器等以及一组标志。

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

我会看一下各种基于MC的工具的代码。你不应该需要自己的代表，MC应该拥有你需要的一切。