徒手编写了一个STM8的反汇编工具

一个字节能表示的范围除了 0x90, 0x91, 0x92, 0x72 用来做指令前缀，其它几乎都用来作操作码了。当然许多指令都有多种寻址模式的（比如加法是谁和谁相加，需要指定），因此用了不止一个操作码。算上寻址模式，256种指令都不够用的，所以STM8靠前面增加前缀字节来扩展。从手册里面截一个例子如下(这是XOR指令的多种编码)：

在指令的操作码后面就是提供数据或地址的字节了，长度由操作码加上前缀来决定。编写反汇编程序就是写一个根据字节数据流的查表过程。上面我做的那个表只是划分了指令的分布，涉及到寻址模式的细节还是得一边写一边查手册。从表上看，操作码的高半字节大概可以把指令划分为几类，再用低半字节去细分指令，于是我的程序解码第一步就是一个 switch-case 结构来划分任务：

int decode_instr(unsigned char opcode)

(资料图片)

{

switch(opcode>>4)

{

case 1: case 0x0A: case 0x0B: case 0x0C:

case 0x0D: case 0x0E: case 0x0F:

return decode_group1(opcode);

case 0: case 3: case 4: case 6: case 7:

return decode_group2(opcode);

case 5:

if(Prefix==0x72)

return decode_group2(opcode);

else

return decode_5x(opcode);

case 8:

return decode_8x(opcode);

case 2:

return decode_2x(opcode);

case 9:

return decode_9x(opcode);

default:

return -1;

}

解码的结果是放到全局变量里面的，返回值只代表了指令是否有效。例如，表格最右边一列的指令我是这样解析的：

int decode_9x(unsigned char opcode)

{

AutoXY=1;

switch(opcode&0x0f)

{

case 0: return set_prefix(0x90);

case 1: return set_prefix(0x91);

case 2: return set_prefix(0x92);

case 3: format(0, LDW, regX, regY);

format(0x90, LDW, regY, regX);

return 1;

case 4: format(0, LDW, regSP, regX);

return 1;

case 5: format(0, LD, regXH, regA);

return 1;

case 6: format(0, LDW, regX, regSP);

return 1;

case 7: format(0, LD, regXL, regA);

return 1;

case 8: format(0, RCF, 0, 0);

return 1;

case 9: format(0, SCF, 0, 0);

return 1;

case 0xA: format(0, RIM, 0, 0);

return 1;

case 0xB: format(0, SIM, 0, 0);

return 1;

case 0xC: format(0, RVF, 0, 0);

return 1;

case 0xD: format(0, NOP, 0, 0);

return 1;

case 0xE: format(0, LD, regA, regXH);

return 1;

case 0xF: format(0, LD, regA, regXL);

return 1;

default:

return -1;

}

主要是靠 format() 函数根据当前的指令前缀来翻译操作码：指令名称，寻址的第一操作数、第二操作数。若一共写 256 个 case 分支就太繁琐了，需要抓住共性，像表格中绿色背景的这一组指令我是这么处理的：

int decode_group2(unsigned char opcode)

{

int instr;

AutoXY=1;

switch(opcode&0x0f)

{

case 1:

switch(opcode>>4)

{

case 0: format(0, RRWA, regX, 0); return 1;

case 3: format(0, EXG, regA, longmem); return 1;

case 4: format(0, EXG, regA, regXL); return 1;

case 6: format(0, EXG, regA, regYL); return 1;

default: return -1;

}

break;

case 2:

switch(opcode>>4)

{

case 0: format(0, RLWA, regX, 0); return 1;

case 3: format(0, POP, longmem, 0); return 1;

case 4: format(0, MUL, regX, regA); return 1;

case 6: format(0, DIV, regX, regA); return 1;

case 7: return set_prefix(0x72);

}

break;

case 5:

switch(opcode>>4)

{

case 3: format(0, MOV, longmem, imm8); return 1;

case 4: format(0, MOV, mem, mem); return 1;

case 6: format(0, DIVW, regX, regY); return 1;

default: return -1;

}

break;

case 0xB:

switch(opcode>>4)

{

case 3: format(0, PUSH, longmem, 0); return 1;

case 4: format(0, PUSH, imm8, 0); return 1;

case 6: format(0, LD, offSP, regA); return 1;

case 7: format(0, LD, regA, offSP); return 1;

default: return -1;

}

break;

case 0:instr=NEG; break;

case 3:instr=CPL; break;

case 4:instr=SRL; break;

case 6:instr=RRC; break;

case 7:instr=SRA; break;

case 8:instr=SLL; break;

case 9:instr=RLC; break;

case 0xA:instr=DEC; break;

case 0xC:instr=INC; break;

case 0xD:instr=TNZ; break;

case 0xE:instr=SWAP; break;

case 0xF:instr=CLR; break;

default: return -1;

}

switch(opcode>>4)

{

case 0: format(0, instr, offSP, 0); return 1;

case 3: format(0, instr, mem, 0);

format(0x92, instr, shortptr, 0);

format(0x72, instr, longptr, 0);

return 1;

case 4: format(0, instr, regA, 0);

format(0x72, instr, longoffX, 0);

return 1;

case 5: format(0x72, instr, longmem, 0);

return 1;

case 6: format(0, instr, offX, 0);

format(0x92, instr, sptr_offX, 0);

format(0x72, instr, lptr_offX, 0);

format(0x91, instr, sptr_offY, 0);

return 1;

case 7: format(0, instr, indX, 0);

return 1;

default: return -1;

}

在给 format() 这个函数的参数中，指令和操作数类型都是用数值来表示的——用 enum 定义：

#define SI_BASE 100

#define SA_BASE 1000

enum{

ADC=SI_BASE, ADD, ADDW, AND, BCCM, BCP, BCPL, BREAK, BRES, BSET, BTJF, BTJT, CALL,

CALLF, CALLR, CCF, CLR, CLRW, CP, CPW, CPL, CPLW, DEC, DECW, DIV, DIVW, EXG,

EXGW, HALT, INC, INCW, INT, IRET, JP, JPF, JRA,

JRC, JREQ, JRF, JRH, JRIH, JRIL, JRM, JRMI, JRNC, JRNE, JRNH, JRNM, JRNV,

JRPL, JRSGE, JRSGT, JRSLE, JRSLT, JRT, JRUGE, JRUGT, JRULE, JRULT, JRV,

LD, LDF, LDW, MOV, MUL, NEG, NEGW, NOP, OR, POP, POPW, PUSH, PUSHW, RCF, RET,

RETF, RIM, RLC, RLCW, RLWA, RRC, RRCW, RRWA, RVF, SBC, SCF, SIM, SLL, SLLW,

SRA, SRAW, SRL, SRLW, SUB, SUBW, SWAP, SWAPW, TNZ, TNZW, TRAP, WFE, WFI, XOR

};

enum{

regA=SA_BASE, regX, regY, regXH, regXL, regYH, regYL, regCC, regSP,

imm8, imm16, rel, mem, longmem, offX, offY, offSP, longoffX, longoffY,

indX, indY, shortptr, longptr, sptr_offX, sptr_offY, lptr_offX, lptr_offY,

ext, extoffX, extoffY

};

我想这么写而不是直接写字符串的原因是，字符串万一写错了很难检查出来。写成常量编译器可以检查，再统一对应到字符串即可。format() 函数是这么实现的：

void format(unsigned char pre, int instr, int opr1, int opr2)

{

char replace=(AutoXY && Prefix==0x90 && pre==0);

if(replace)

{

int r1, r2;

r1=replace_X_Y(opr1);

r2=replace_X_Y(opr2);

if(r1>=SA_BASE && r2==0)

opr1=r1;

else

{

if(r2>=SA_BASE && r1==0)

opr2=r2;

else

return;

}

if(Prefix==pre ||replace)

{

if(instr

Str_inst="INVALID";

else

Str_inst=SYMI(instr);

if(opr1

Str_opr1=Empty;

else

Str_opr1=SYMA(opr1);

if(opr2

Str_opr2=Empty;

else

Str_opr2=SYMA(opr2);

}

format() 函数检查匹配指令前缀，匹配上了才把数值表示的指令和操作数类型转换成字符串，分别存到三个全局变量 Str_inst, Str_opr1, Str_opr2 中，其实这些字符串都是定义好的，也就是写指针而已。有个特殊处理是在 0x90 指令前缀下，自动将 X 寄存器替换为 Y 寄存器。再来看下主程序中怎么输出反汇编文本的，首先是初始换化几个全局变量，然后调用 decode_instr() 按照操作码分解指令，判断是否成功。如果遇到指令前缀，那么就重新取下一个字节；如果有前缀但指令未被识别，那么调用 decode_instr_special() 进行特殊指令的处理，也就是上面的表中没法表示出来的指令。若解码失败，先输出错误的信息。

for(p=code;p

{

if(Prefix==0)

printf("%5X:\t", base_addr+(p-code));

Str_inst=Empty;

Str_opr1=Empty;

Str_opr2=Empty;

BitOpr=0;

RevOpr=0;

AutoXY=0;

tmp=decode_instr(*p);

if(tmp==0)

{ // prefix set

printf("%02X ", Prefix);

continue;

}

if(tmp>0 && Str_inst==Empty && Prefix)

tmp=decode_instr_special(*p);

if(tmp==-1)

{

if(Prefix==0)

printf(" ");

printf("%02X ", *p);

printf(" ???????? Unknown");

}

下面就是解码成功后的翻译过程了，用 get_extra() 函数从代码数据中提取操作数(立即数、地址等)，存放到dat1, dat2两个整型数，供后面用 printf() 输出。至于 printf() 需要的格式字符串，实际上是由解码得到的 Str_opr1, Str_opr2 结果提供的。这里还要特殊处理一下带位操作的指令（BCCM, BCPL, BRES, BSET, BTJF, BTJT这几个），其中的位是编码在操作码当中的，我在 format() 函数中并不把这个位编码作为一个操作数，尽管从汇编语言角度它应该是算一个操作数。

else// OK

{

int nx;

int i;

unsigned int dat1, dat2, arg1, arg2;

char bitpos[]=", #n";

char fmt_str[64];

nx=get_extra(p, &dat1, &dat2);

if(Str_opr1==SYMA(rel))

{

signed char offset=dat1;

dat1=base_addr+(p-code)+nx+1+offset;