《Inside Microsoft IL Assembler》学习笔记4：.net中PE文件的结构
前文索引：
（1）《Inside Microsoft IL Assembler》学习笔记1：初步认识IL代码
（2）《Inside Microsoft IL Assembler》学习笔记2：让IL代码简短些
（3）《Inside Microsoft IL Assembler》学习笔记3：简述PE文件
一.摘要
在我们使用了任何支持CLR的语言来创建了源代码文件之后，无论使用什么编译器，编译出的文件都是一个托管模块（managed module），这个托管模块可以在CLR上运行。所以，我们把这种文件称为托管可执行文件（Managed Executable File）。关于通用PE文件的格式已经在笔记三中间记录了，这里只记录一些托管文件自身比较有特色的部分。
二.托管执行文件的重要组成部分
1.CLR Header
我们知道，在PE头中，包含一个数据目录表（Data Directory Table），这个表的第15项就是一个包含了CLR头的RVA和大小，可以通过它找到CLR Header。简单记录一下CLR Header中的几个主要的字段：
（1）Flags
这是一个二进制的标记，其可选值包括：
A.COMIMAGE_FLAGS_ILONLY (0x00000001) 文件中只包含纯的IL代码，未嵌入任何Native Code（除了Dos Stub，这个stub会被所有能够识别CLR的系统忽略掉）。
B.COMIMAGE_FLAGS_32BITREQUIRED (0x00000002) 文件只能被加载到32位的进程空间中。
C.COMIMAGE_FLAGS_STRONGNAMESIGNED (0x00000008) 文件受到强名称签名的保护
（2）EntryPointToken
这是一个指明了此PE文件入口点的元数据标志符（MeteData Identifier），它指向一个方法定义或者文件引用，而指向文件引用的唯一可能是：一个多模块程序集的入口点不在其主模块中，那么主模块里的入口点标记指向包含入口点的模块文件。入口点只能出现在可执行文件里，如果你的代码里不包含入口点，IL汇编器会拒绝为你编译EXE文件。但对于非可执行文件，却分为两种情况：如果程序是一个纯的托管程序，则不需要入口点；如果程序中即包含IL代码又包含机器码（由MC++编译器和链接器生成），则必须把DLLMain()作为入口点函数，它要对程序集里的非托管代码进行一些必要的初始化操作。
（3）VTableFixups
要理解这个字段，首先要理解v-table的概念。这是我摘了一个老外的描述，应该很精确，“Certain languages, which choose not to follow the common type system runtime model, may have virtual functions which need to be represented in a v-table. These v-tables are laid out by the compiler, not by the runtime. Finding the correct v-table slot and calling indirectly through the value held in that slot is also done by the compiler”。v-table是为虚方法调用服务的，而VTableFixups包含了一组v-table的地址和大小。
根据笔者当前的认识，v-table只有在此托管文件需要和非托管环境交互的时候才有用（比如这个托管代码要被一个非托管环境调用），在纯的托管环境下可能是没用的。当然，大家都知道C#作为典型的OO语言，也有虚函数的概念，但它的虚函数实现机制和C++中的v-table的实现方式有什么不同，我暂时还不清楚。
2.文本段（.Text section）
整个CLR Header是放置在一个文本段中的。这是一个只读的段，包含了元数据表、IL代码、引入表等，整个结构如下图所示：
这个段里的各个部分并非同时生成的，上图用带序号的方框来提示这一点，序号低的先生成。
3.资源
在托管文件中可以嵌入两种不同类型的资源：非托管的平台相关的资源，或者托管资源。这两种资源存储在PE文件的不同section里（其中托管资源已经在上面的文本段内出现过了，不是吗？）,其中非托管资源被放在一个单独的.rsrc段里，而托管资源放在文本段里。
需要注意的是，IL汇编器在每个托管可执行文件中只能嵌入一个资源文件（.RES）。IL反汇编器会定位到这个section，然后把section中的所有内容作为一个.RES文件释放出来。
三.元数据的结构
使用过.net的Reflection功能的人对元数据可能多少都有点概念，它是对整个托管模块的逻辑结构的完整描述，包含了所有在模块中声明和引用的元素。从结构上来说，所有元数据类似于一个关系数据库，里面的数据体现为一组交叉引用的表（而不是树或者什么其他数据结构），并且任何数据都只有一份（其他用到这个数据的位置都将包含一个指向此数据的引用）。从用途上来说，这些表分为三类：定义表(definition table)、引用表(reference table)和清单表(manifest table)。
整个元数据是一个二进制的数据块，你只能通过工具来查看已生成程序集的元数据信息，如ildasm.exe(你可以在“视图”菜单里找到关于元数据信息显示的命令)。
（1）元数据结构概览
下面贴出来的显示信息，是我用ildasm.exe统计了自己写的一个很小的Demo程序中的元数据信息，先放在这里，可以和后面提到的内容相互参考：
CLR meta-data size : 1260 ---------这些是元数据中的table stream----------------- Module - 1 (10 bytes) TypeDef - 3 (42 bytes) 0 interfaces, 0 explicit layout TypeRef - 8 (48 bytes) MethodDef - 8 (112 bytes) 0 abstract, 0 native, 4 bodies FieldDef - 1 (6 bytes) 0 constant MemberRef - 5 (30 bytes) ParamDef - 9 (54 bytes) CustomAttribute- 4 (24 bytes) StandAloneSig - 1 (2 bytes) Assembly - 1 (22 bytes) AssemblyRef - 1 (20 bytes) -----------table stream end-------------------------- -----------这些是元数据中的Heap stream------------------- Strings - 385 bytes Blobs - 108 bytes // UserStrings - 200 bytes Guids - 16 bytes -----------heap stream end--------------------------- Uncategorized - 181 bytes可以看到，在元数据中除了上面我们提到的那些表以外，还有一些用于记录UserString,Guid的堆数据，后面会提到。
（2）元数据中的父子关系
元数据中包含很多“父子关系”，如“类--方法”、“方法--参数”等等。如果你想找到和某个父数据对应的所有子数据，遍历这个子数据所在的表可是个糟糕的选择。事实上，对于这种一对多关系，汇编器在构造元数据表的时候，并不仅仅使用数据间的引用关系，而且使用了数据的排列顺序来帮助定位。每个父数据都只含有一个指向其第一个子数据的引用，其子数据的结尾靠下一个父数据的起始引用来定位。这就要求子数据要依照他们的父数据来排序（符合这种条件的元数据被称为“优化的”、“压缩的”元数据，而IL汇编器一般都是生成这种元数据）。下图是书中给出的class-method父子关系的元数据表示意图：
（3）元数据结构
前面曾经提到过，元数据其实就是一个二进制的数据块，所以元数据的内部，就是一个个的named stream。这些stream又分为两种类型，除了前面提到过的Table，还有一类是以Heap的形式体现（见上文代码段中的注释）。下图是书中给出的一个完整的元数据结构图：
上面以#开头的就是元数据中可能出现的6个命名流，他们的用途分别是
#Strings:用来存储元数据项的名字，如类名、方法名等 //Heap Stream
#Blob: 用来存储一些内部的对象实例，如默认值什么的 //Heap Stream
#US: 用户定义的字符串常量 //Heap Stream
#GUID: 包含各种全局统一标志符 //Heap Stream
#~: “优化的”、“压缩的”元数据，里面的元数据表以优化方式存储（我们在父子关系中刚刚提到过的） //Table Stream
#-： 非优化的元数据（和#~不能共存） //Table Stream
其中(#~或#-)、#GUID、#Strings是必不可少的。
另外，元数据既然被存储在很多表里，那么CLR是如何定位一个元数据项的呢（怎么样定位到某个表的某一行）？这里，它使用了一种叫做Token的机制，每个token占4个字节，其中高位字节表示表序号，剩余三个字节表示表内的行序号。具体这些序号被称为RID(record index)，其中行序号从1开始，表序号从0开始。
