当前位置:首页 > 文章列表 > Golang > Go问答 > Go debug/elf.R_TYPE64 怎样从64位重定位信息提取类型

Go debug/elf.R_TYPE64 怎样从64位重定位信息提取类型

来源:17golang原创 2026-11-18 17:04:04 0浏览 收藏

Go 中从 ELF64 重定位信息提取类型,使用 typ := elf.R_TYPE64(rel.Info),返回值类型为 uint32。该函数取 Info 的低32位;高32位属于符号索引,可另用 R_SYM64 提取。不要沿用 ELF32 常见的低8位类型掩码,也不要把整条重定位记录的偏移字段传进去。

官方文档:https://pkg.go.dev/debug/elf#R_TYPE64

先确认传入的是 Info 字段

假设你在整理一个读取 ELF 元数据的小工具,发现部分类型号与预期不一致。首先检查输入对象:Rel64 包含 Off、Info,Rela64 额外包含 Addend。R_TYPE64 的参数是 uint64 格式的 Info,不是 Off,也不是 Addend。

这里的 Off 表示待重定位位置,Info 组合类型和符号索引,Addend 是另一项加数信息。它们可能都是数字,但承担不同职责。只看变量名叫 raw 或 value,往往不容易发现传错字段;在读取代码中保留 Info 这一语义名称更清楚。

Rela64 的三个字段与 Info 内部类型和符号索引的关系
图1:静态结构说明图,提取对象是 Info;Off 和 Addend 不参与类型位提取。

用低32位提取替换旧掩码

Go 官方源码中的 R_TYPE64 通过转换到 uint32 保留低32位。若旧工具用 Info 与 0xff 按位与,遇到大于255的类型号就会丢失高位。下面的原创示例专门选择 0x123,让低8位截断的差异容易辨认。

package main

import (
    "debug/elf"
    "fmt"
)

func main() {
    // 人工构造字段布局,只演示位提取,不代表实际架构重定位记录。
    const symbolIndex uint32 = 19
    const typeNumber uint32 = 0x00000123
    info := elf.R_INFO(symbolIndex, typeNumber)
    record := elf.Rela64{Info: info}

    // ELF64 的类型在低32位,符号索引在高32位。
    typ := elf.R_TYPE64(record.Info)
    sym := elf.R_SYM64(record.Info)
    fmt.Printf("info=%#016x type=%#x symbol=%d\n", record.Info, typ, sym)

    // 对照旧的低8位掩码,便于看出高于255的类型号被截断。
    truncated := uint32(record.Info & 0xff)
    fmt.Printf("低8位掩码=%#x 完整类型=%#x\n", truncated, typ)
}

按字段组合推导,类型号应保留为 0x123,符号索引为19;旧掩码只留下0x23。这些数字是人工构造的位布局示例,并未宣称0x123是某种目标架构的有效重定位类型,也不是实际文件的运行输出。

修复时将低8位表达式替换为 R_TYPE64,而不是仅仅把旧结果转为 uint32。已经被掩掉的位不会因为扩大结果类型重新出现。也不要把 R_SYM64 的高32位提取方式误用到类型上。

区分字节解码与架构名称

R_TYPE64 接收已经解码好的整数,不接收字节数组,也不负责猜测大小端。若自己从文件字节读取 Info,应先按照 ELF 文件的字节序得到正确的 uint64,再调用它。整数已经由正确的文件解析器得到时,不要再额外交换一次字节。

位提取回答的是“类型号是多少”,类型名称及重定位含义还需要结合 ELF 的 Machine 和对应架构规范。相同数字在不同架构中不能脱离上下文比较;不要一律强制转成 R_X86_64 来显示所有输入文件的名称。

可以把对象关系分成两层:Info、R_TYPE64 与类型号属于字段提取;Machine、架构类型表与类型名称属于语义解释。记录原始类型号,再按明确支持的 Machine 分支解释,未知架构保留数值,比猜一个名字更便于后续处理。

Info 类型提取与按 Machine 解释类型名称的两组静态关系
图2:结构说明图,数字提取与架构名称解释是不同职责,连线不表示执行轨迹。

保留原始值帮助定位问题

定位类型不一致时,建议同时记录 ELF 类别、字节序、Machine、原始 Info 和提取后的类型号。类别为 ELF32 时应进入对应32位记录的处理分支,不能仅把它的 Info 转成 uint64 就套用 ELF64 的位布局。

R_TYPE64 没有 error 返回值。任意 uint64 都能得到一个 uint32,不代表原记录完整或类型号受目标架构支持。截断、错误偏移、字节序不匹配,应在文件读取和记录解析阶段分别处理;不能把“提取成功”当成整条记录已经有效。

观察到的现象优先检查
类型号只剩低两位十六进制数是否仍使用0xff掩码
类型号看似随机输入字段、记录边界及字节序
数字相同但名称不对Machine 与架构类型表是否匹配
没有错误却读出异常类型不要将无 error 返回误当成格式检查

R_TYPE64 返回 uint64 吗?

返回 uint32。名称中的64对应输入重定位信息的布局,并不表示结果也有64位。

Rel64 和 Rela64 能用同一个提取函数吗?

两者的 Info 都是 uint64,可以交给 R_TYPE64。额外的 Addend 字段不改变这个提取对象。

能通过 R_TYPE64 得到符号名称吗?

不能。R_SYM64 可以先得到符号索引,名称查找还涉及正确的关联符号表,属于另一个任务。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
Copilot CLI 预览 Entra 登录后,托管用户身份怎样关联Copilot CLI 预览 Entra 登录后,托管用户身份怎样关联
上一篇
Copilot CLI 预览 Entra 登录后,托管用户身份怎样关联
Go go/types.Tuple.Len 怎样统计函数结果元组的项数
下一篇
Go go/types.Tuple.Len 怎样统计函数结果元组的项数
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    1095次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    1092次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    1258次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    1198次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    1047次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码