Skip to main content

Mach-O

概念​

Mach-O (Mach Object) 文件格式是苹果 macOS 和 iOS 系统使用的可执行、可链接的 ABI 文件格式。Mach-O 文件是代码与数据的集合，体现了在苹果定义的一套规则下，程序文件是如何构成的，程序的链接、装载是如何发生的。

ABI 文件是操作系统的基石。学习认识一个新的 OS，理解它的 ABI 文件是非常好的切入点，对于苹果系统同样如此。

Mach-O 官方文档：https://github.com/aidansteele/osx-abi-macho-file-format-reference/blob/master/Mach-O_File_Format.pdf

Mach-O 源码：https://github.com/apple/darwin-xnu/blob/main/EXTERNAL_HEADERS/mach-o/loader.h

Mach-O 文件格式：

img

ABI (Application Binary Interface): 通过 machoinfo 这个程序，我们了解到 Mach-O 内信息的排列，是按照约定的格式（一个个的结构体）来对齐的。ABI 即对应 Mach-O 的格式，也就对应了一套读取的规则。ABI 稳定也就是说 Mach-O 内部的格式不会再变了，那么编译器、链接器才能稳定地向后兼容。

查看 Mach-O​

工具：https://github.com/fangshufeng/MachOView

objdump prints the contents of object files and final linked images named on the command line.

# 输出 mach header
objdump --macho --private-header machoinfo
# 读取目标文件中的重定位信息
objdump --macho --reloc main.o
# 读取符号表信息
objdump --macho --syms MachOAndSymbol
# 查看 `__TEXT` 段
objdump --macho -d MachOAndSymbol
# 查看导出符号
objdump --macho --exports-trie MachOAndSymbol

otool is the preferred tool for inspecting Mach-O binaries.

otool --help # 除了 man otool 外，也可以使用 --help 输出简短的使用说明
otool -h machoinfo # print the mach header
otool -l machoinfo # print the load commands

Load Commands​

Load Commands 是“告诉 dyld 怎么把这个 Mach-O 加载到内存并运行”的指令表。

当你在 macOS 或 iOS 上打开一个应用或在终端运行一个命令时，操作系统内核首先会识别它是一个 Mach-O 文件。然后，内核会启动一个叫做 dyld 的程序。dyld 的核心任务就是读取这个 Mach-O 文件的 Load Commands，并根据这些命令一条一条地执行，最终把这个文件从磁盘上的静态形式，变成一个可以在内存中运行的进程。

每一条命令都有自己的类型 (cmd) 和大小 (cmdsize)，告诉 dyld 要执行一个特定的任务。以下是一些最常见和最重要的 Load Commands 及其作用：

内存布局映射 (LC_SEGMENT_64): 这是最基本、最重要的命令之一。它告诉 dyld 把文件中的这一块数据，映射到内存的这个虚拟地址上。

  • __TEXT 段：包含可执行代码、只读数据等。这条命令会把它映射到内存中，并设置为只读+可执行 (r-x) 权限，防止代码被意外篡改。
  • __DATA 段：包含可读写的数据，比如全局变量、静态变量等。这条命令会把它映射到内存中，并设置为可读+可写 (rw-) 权限。
  • __LINKEDIT 段：包含链接时需要的信息，如符号表、字符串表、重定位信息等。dyld 会用它来解析符号。

动态库加载 (LC_LOAD_DYLIB): 这条命令告诉 dyld 本程序依赖于某个动态库，请在启动时找到并加载它。

主线程入口点 (LC_MAIN): 这条命令指定了程序 main 函数相对于 __TEXT 段基地址的偏移量。dyld 在完成所有加载和链接工作后，会跳转到这个地址开始执行。

符号表信息 (LC_SYMTAB): 为了进行动态链接和调试，dyld 和调试器需要知道函数和变量的名字与地址的对应关系。这条命令告诉 dyld 符号表和字符串表在文件中的什么位置，以及它们有多大。dyld 会利用这些信息来完成符号的“绑定”（Binding），比如将你的代码中对 printf 函数的调用，链接到 libSystem.B.dylib 中 printf 函数的实际内存地址。

  • 符号表的位置 (Symbol Table Offset): 指向一个由 nlist_64 结构体组成的数组。每个结构体描述一个符号，但只包含指向字符串表的索引，没有名字本身。
  • 字符串表的位置 (String Table Offset): 指向一个包含所有符号名称的、连续的字符串区域。

LC_DYSYMTAB 是动态符号表。它并不直接存储符号名称，它更像是一个索引表。它里面的条目（本地符号、导出符号、未定义符号）实际上是指向 LC_SYMTAB 所定义的完整符号表中的索引。

LC_SYMTAB 是完整的符号表。它为静态链接器 (ld) 和调试器 (lldb) 服务，包含了程序中所有的符号信息。LC_DYSYMTAB 是动态符号表。它为动态链接器 (dyld) 服务，可以看作是 LC_SYMTAB 的一个子集和索引，只包含与动态链接（跨模块调用）相关的符号。在 Mach-O 的设计中，这种分离非常高效。调试和静态链接时可以使用全部信息，而运行时 dyld 只需要加载和解析与动态链接相关的、更小的一部分信息，从而加快了程序的启动速度。

编译链接​

假设你的代码中调用了 printf 函数。编译时，编译器看到 printf 调用，第一步不是生成代码，而是检查合法性。因为你在文件开头写了 #include <stdio.h>，编译器会去查找这个头文件。

在 stdio.h 里，它会找到 printf 的函数原型 (Function Prototype)，类似这样：int printf(const char *format, ...);

有了这些信息，编译器就能检查你的调用是否正确。比如，printf(123); 就会报错，因为它知道第一个参数必须是字符串。

编译器现在知道如何正确地调用 printf。根据调用约定 (Calling Convention)，它会生成汇编指令来准备这次调用。

但编译器不知道 printf 的地址。printf 是一个外部函数，它的代码在 C 标准库 (libc 或在苹果系统上的 libSystem) 里，而不在你写的 main.c 文件里。

所以，编译器会做以下三件事，将这个问题留给下一个阶段——链接器 (Linker, ld)。

  1. 生成一个带“占位符”的 call 指令，但这条指令的目标地址是一个无效的或临时的值（比如 0x00000000）。
  2. 编译器在生成的中间文件（称为目标文件，main.o）中，有一个符号表 (Symbol Table)。它会在这个表里添加一条记录，内容是一个名为 _printf 的外部符号 (External Symbol)。（注意：C 语言的函数在底层通常会加一个下划线前缀）。
  3. 编译器会在 main.o 的重定位表里写下这样一条指令：“链接器！请在我生成的代码的第 N 个字节处（就是那个带占位符的 call 指令），把它后面的地址，替换成你找到的 _printf 符号的最终地址。”

链接器的任务是把所有独立的零件（目标文件 .o 和库文件 .dylib/.a）组装成一个完整的、可以运行的最终产品（可执行文件或动态库）。

链接器首先会把它收到的所有文件都加载到内存中，遍历所有输入文件中的符号表，创建一个巨大的、统一的全局符号表。这个表里记录了两类关键信息：

  • 已定义符号 (Defined Symbols)：某个文件明确提供了这个函数或变量。例如，main.o 提供了 _main 函数，libSystem.B.dylib 提供了 _printf 函数。
  • 未定义符号 (Undefined Symbols)：某个文件需要使用，但自己没有提供。例如，main.o 说它需要 _printf。

然后，链接器会拿着所有“未定义符号”的清单，去全局符号表里找对应的“已定义符号”。例如在内部记录下：main.o 想要的 _printf，实际上就是 libSystem.B.dylib 里的那个。

如果链接器找不到某个未定义符号的定义，就会发生 "Undefined symbols for architecture..." 错误。

链接器确定所有符号的最终归属后，就可以处理编译器留下的那些重定位条目了。对于 main.o 中对 _printf 的调用，链接器知道 _printf 来自一个动态库，这意味着它的真实内存地址在程序运行时才能确定。直接填一个固定的地址是行不通的。链接器会生成：

  • 一个 printf 的符号桩 (stub) 在 __stubs 节中。
  • 一个为 printf 准备的指针槽位在 __la_symbol_ptr 节中。

你的代码中的 call printf 指令，实际上被改成了 call <printf_stub_address>。