上傳反編譯文字型檔

㈠ 安卓的so庫能夠反編譯嗎，如果可以，拿什麼軟體

用跨軟體翻譯

㈡ 威綸mt6100i的，上傳反編譯時出現格式錯誤

1，EB8000升級到最新版本試一下。
2，設置了「禁止反編譯」。這樣的話只有破解了。

㈢ 如何反編譯android 的apk/dex/odex，獲得源碼

關於APK，DEX的介紹

當我們編譯一個安卓項目的時候，整個項目會被打包成一個 .apk文件。這個文件其實是一個標準的zip文件，因此可以用解壓縮工具打開。這個apk文件一般都包含程序的代碼（在classes.dex文件中）, 資源文件, 證書， manifest 文件等。 其中對我們最重要的是classes.dex文件，因為編譯後的位元組碼(bytecode)都是放在這個文件中。我們後面講的反編譯就是針對這個dex文件來的。

反編譯普通的APK文件：

對於普通的APK/DEX文件的反編譯，其實工具有很多, 包括：

• ByteCode Viewer: 一個可視化的集成工具，說實話，不太好用，不夠穩定，生成代碼質量中等。

• dex2jar + jd_gui: 這兩個工具組合還可以， 用起來比ByteCode Viewer麻煩一些，但比較穩定，生成代碼質量中等。

• 在線反編譯工具JADX： http://www.javadecompilers.com/apk ， 這是基於SourceForge上的JADX的開源工具來實現的。本來以為在線反編譯質量不會好，但出人意料的是：JADX是我發現的最好的反編譯工具， 不但使用簡單（直接上傳，轉換，下載就ok），而且反編譯出來的代碼質量很高，特別是變數命名方面，可讀性很不錯。

反編譯ODEX文件：

Android 5.0 Lollipop以後，Google用ART代替了以前的Dalvik，對於普通的app來說我們仍然可以用上面的方法來把dex文件反編譯成Java源代碼。但對於系統預裝的App，特別是類似應用商店，播放器等， 你會發現這些應用的apk文件中找不到對應的classes.dex文件，而是會發現在其子目錄下有個.odex文件。 那如何反編譯這個odex文件呢？我通過google查了查，知道應該用baksmali，但從github上下載了幾個版本都不行，報各種不同錯誤。經過反復搜索和嘗試，終於找到了這篇文章
： http://www.naldotech.com/how-to-deodex-applications-on-android-5-0-lollipop/ 。 具體方法如下：

1. 從這里下載工具包， 解壓縮到本地。 這里的baksmali的版本是2.0.3. 不同版本的baksmali針對的Android內核不同。有時候高版本反倒不好用。

2. 打開工具所在目錄， 按住shift鍵， 點擊滑鼠右鍵，打開windows命令窗口

3. 把 odex文件拷貝到該目錄

4. 在命令窗口運行： oat2dex.bat *.odex. 正常情況下，應該顯示OK等信息。如果報錯的話，說明這個文件無法轉換，後面的也不用試了。

5. 運行 oat2dex.bat *.odex temp.dex . 運行後會創建一個temp.dex文件。

6. 運行 java -jar baksmali-2.0.3.jar -a 21 -x temp.dex -o source . 運行後會創建一個source的文件夾，並將temp.dex反編譯到該文件夾。-a 21 表明的是Android內核的版本21

7. 運行 java -jar small-2.0.3.jar -a 21 source -o classes.dex, 反編譯為classes.dex文件。

需要注意的是：由這種方式反編譯成的classes.dex 文件相比原生的classes.dex 還是缺少了些信息，因此反編譯這種classes.dex 文件後生成的java代碼可讀性會更差些。

8. 用在線工具JADX 來把 classes.dex 最終反編譯為java代碼。

㈣ file.read()讀取的位元組數據怎麼反編譯恢復成源文件中的數據、字母或文字。

由於課程原因，用到了其中的離線手寫漢字型檔（HWDB1.1trn_gnt與HWDB1.1tst _gnt）的數據。這些數據以.gnt格式存儲，解碼後可以得到3755個常用漢字的各300個樣本。按照CASIA的建議，240個不同的書寫者的樣本作為training set，剩餘60位書寫者的樣本作為testing set, 則共有897758個training sample, 223991個testing sample. 本文提供一段python腳本，可以直接將其中的數據存儲成numpy數組文件(.npy文件)。只是，由於圖像位置及大小對齊處理的原因，代碼效率不是很高，執行起來需要的時間有點久：

Intel Core i7-4710MQ
16GB DDR3L RAM123

配置下，training set由.gnt文件轉成.npy文件共花費 78 分鍾。最終的結果文件有點大（training set 876MB, testing set 218M），可能存成.npy文件不如.h5文件更方便些。

另外，請大家在使用數據時遵守CASIA對於該資料庫數據的使用要求。

gnt格式定義見下圖：

如圖所示，文件的前4個位元組記錄了第一個字元數據與下一個字元數據之間的位元組數，比如這4個位元組是35656的話，第二個字元的數據就是從第35657個位元組開始（下標35656）。接下來的兩個位元組存儲該字元的GBK編碼，再下面的4個位元組記錄了字元圖片的寬度和高度，然後就是字元圖片的數據（按行存儲）。

所需依賴：

• opencv (>=2.0)

• numpy

具體代碼如下：

• # -*- coding: utf-8 -*-



• from __future__ import print_function



• import cv2


• import numpy as np


• import os


• import struct


• import sys


• import zipfile



• def gnt2npy(src_file, dst_file, image_size, map_file):


• '''


• 將gnt文件存為npy格式



• param src_file: 源文件名，gnt文件


• param dst_file: 目標文件名， 若此參數設置為'xxx'，則會生成xxx_images.npy 和 xxx_labels.npy


• param image_size: 圖片大小，設置為m時，最終文件的大小將為 m x m


• param map_file: 由於漢字編碼不連續，作為分類label並不合適，該文件保存漢字碼和label的映射關系


• '''



• code_map = {}


• if os.path.exists(map_file):


• with open(map_file, 'r') as fp:


• for line in fp.readlines():


• if len(line) == 0:


• continue;


• code, label = line.split()


• code_map[int(code)] = int(label)


• fp.close()


• images = []


• labels = []



• if zipfile.is_zipfile(src_file): #單體zip文件


• zip_file = zipfile.ZipFile(src_file, 'r')


• file_list = zip_file.namelist()


• for file_name in file_list:


• print("processing %s ..." % file_name)


• data_file = zip_file.open(file_name)


• total_bytes = zip_file.getinfo(file_name).file_size


• image_list, label_list, code_map = readFromGnt(data_file, file_name, image_size, total_bytes, code_map)


• images += image_list


• labels += label_list


• elif os.path.isdir(src_file): #包含gnt文件的文件夾


• file_list = os.listdir(src_file)


• for file_name in file_list:


• file_name = src_file + os.sep + file_name


• print("processing %s ..." % file_name)


• data_file = open(file_name, 'rb')


• total_bytes = os.path.getsize(file_name)


• image_list, label_list, code_map = readFromGnt(data_file, image_size, total_bytes, code_map)


• images += image_list


• labels += label_list


• else:


• sys.stderr.write('Source file should be a ziped file containing the gnt files. Plese check your input again. ')


• return None



• with open(map_file, 'w') as fp:


• for code in code_map:


• print(code, code_map[code], file=fp)


• fp.close()


• np.save(dst_file + '_images.npy', images)


• np.save(dst_file + '_labels.npy', labels)




• def readFromGnt(data_file, image_size, total_bytes, code_map):


• '''


• 從文件對象中讀取數據並返回



• param data_file， 文件對象


• param image_size: 圖片大小，設置為m時，最終文件的大小將為m x m


• param total_bytes: 文件總byte數


• param code_map： 由於漢字編碼不連續，作為分類label並不合適，該dict保存漢字碼和label的映射關系


• '''


• decoded_bytes = 0


• image_list = []


• label_list = []


• new_label = len(code_map)


• while decoded_bytes != total_bytes:


• data_length, = struct.unpack('<I', data_file.read(4))


• tag_code, = struct.unpack('>H', data_file.read(2))


• image_width, = struct.unpack('<H', data_file.read(2))


• image_height, = struct.unpack('<H', data_file.read(2))


• arc_length = image_width


• if image_width < image_height:


• arc_length = image_height


• temp_image = 255 * np.ones((arc_length, arc_length ,1), np.uint8)


• row_begin = (arc_length - image_height) // 2


• col_begin = (arc_length - image_width) // 2


• for row in range(row_begin, image_height + row_begin):


• for col in range(col_begin, image_width + col_begin):


• temp_image[row, col], = struct.unpack('B', data_file.read(1))


• decoded_bytes += data_length


• result_image = cv2.resize(temp_image, (image_size, image_size))


• if tag_code not in code_map:


• code_map[tag_code] = new_label


• new_label += 1


• image_list.append(result_image)


• label_list.append(code_map[tag_code])



• return image_list, label_list, code_map




• if __name__=='__main__':



• if len(sys.argv) < 5:


• sys.stderr.write('Please specify source file, target file, image size and map file ')


• sys.exit()



• src_file = sys.argv[1]


• dst_file = sys.argv[2]


• image_size = int(sys.argv[3])


• map_file = sys.argv[4]


• gnt2npy(src_file, dst_file, image_size, map_file)


• 10710810911011111114115



命令格式舉例：python gnt2npy.py src target img_size map_file，以上參數中，gnt2npy為腳本文件名，可任意更改。src為源文件名，可以是只包含.gnt文件的zip包，也可以是將壓縮文件解壓後的文件夾名稱，target為目標文件名，假設該值為train則腳本執行後會生成train_images.npy與trian_labels.npy兩個文件，分別為圖像數據和對應的label。圖像的大小則可以通過第三個參數img_size指定，假設該值為32則圖像文件大小為32 x 32。另外，由於漢字的GBK編碼並不是從零開始，也不完全連續，作為分類的label不是很合適，因此在保存label時根據一定的規則將GBK編碼映射為數據的label，最後一個參數map_file則保存這種映射關系，第一次執行腳本時生成該文件，以後則可以通過該文件保證相同漢字，其label總是相同的。

請注意，HWDB1.1trn_gnt.zip包含的其實是一個ALZ壓縮文件，因此請不要將該文件名直接作為參數傳入以上代碼，請將裡面的ALZ文件解壓後將文件夾的名字作為參數。

此外，這個Github鏈接提供了預覽及保存圖片文件的工具，同樣可以用於該文件類型（.gnt）的數據提取，並且可以通過選擇使用的框架（Caffe/CNTK/TensorFlow/NvidiaDigits）將圖片文件按照不同的大小、格式保存。其中，win64_bianry.zip包含編譯好的X64二進制文件和一份簡單的使用說明，其他為源碼及源碼生成GUI需要用到的圖片和一個qt項目文件gntDecoder.pro，有興趣的話也歡迎大家下載源碼隨意修改。預編譯的X64程序運行時可能要求」api-ms-win-crt-runtime-l1-1-0.dll」，出現該信息的話請通過微軟官網或者機器中的Windows Update安裝KB2999226補丁（通用C運行庫）。

㈤ 威倫觸摸屏怎麼反編譯

威綸觸摸屏上傳到PC時,要進入觸摸屏系統,並在」UPLoadPassword」處輸入下載時設定的上傳密碼.讀取」.XOB」文件過後,用ProjectManager打開,出現錯誤報告,點擊取消,在工具處選擇反編譯.----選擇要反編譯的」.XOB」文件

㈥ 把上傳的apk文件反編譯成用Eclipse能打開能看代碼的文件夾

eclipse的項目中的apk文件是需要打包生成的。1、只要run
as
android
application
過，到工作目錄的bin文件夾下就能找到與項目同名的apk文件。
2、a.選中項目，右鍵＝》andoid
tools＝》export
unsigned
application
package，直接保存，未簽名的。
b.選中項目，右鍵＝》andoid
tools＝》export
signed
application
package，後面一步步的去做，簽過名的。
apk簽名主要有兩種:
1.
使用特殊的key簽名可以獲取到一些不同的許可權。
2.
apk如果使用一個key簽名，發布時另一個key簽名的文件將無法安裝或覆蓋老的版本，這樣可以防止你已安裝的應用被惡意的第三方覆蓋或替換掉。

㈦ 步科觸摸屏HMI新建工程如何設置開機啟動畫面怎麼上傳工程以及反編譯

您好，感謝使用步科Kinco DTools組態軟體。

1.設置開機啟動畫面。

新建一個工程，在拓撲圖界面，滑鼠右擊HMI圖標選擇【編輯啟動畫面】，載入點陣圖導入bmp/gif/jpg格式的圖片。下載工程時要將【啟動畫面數據文件】打勾。

㈧ 威綸MT506LV觸摸屏程序上載後，經反編譯，打開文件後文字亂碼是什麼原因。怎樣處理。

重新弄一次，不行就換一個版本

㈨ 維倫通觸摸屏CMT上傳到電腦的文件怎麼反編譯

一般都是用USB上傳，首先先連接USB數據線，觸摸屏通電，檢查USB驅動是否安裝好，進電腦設備管理器裡面看，打開EB8000點擊USB上傳，選擇保存途徑，會有個XOB文件，在反編譯就會出來工程文件了

㈩ 如何將 U 盤上傳的文檔反編譯成可編輯文檔

1. 文檔不存在反編譯的問題；

2. 只有程序才可有編譯和反編譯一說；

3. 文檔本身就是以固定格式存儲的一堆數據；

4. 如果要編輯文檔，尋找對應的文檔編輯器即可，只要文檔沒有加密和設置保護許可權，都是可以編輯的。