深入解析编程与编译过程：信息丢失与代码理解挑战

要理解这个问题，先要看「正」编译的过程是怎样的。

你拥有一个想法，这个想法是能够用人类自然语言进行表达的。你凭借自身的编程技能，将其“转化”为你所熟悉的一种编程语言。

这个过程叫做编程。

接着你运用编译器去进行翻译，将其转化为机器能够理解的语言。

这个过程被称作编译。编程和编译均为“信息丢失”的过程。例如，你讲道，我拥有一组整数，我要对这些数进行排序，接着便熟练地编写了一个冒泡排序。然而在一定程度上，你的最初意图实际上已从代码中消失了——有经验的人能够一眼就看出这段代码是在进行排序，而新手小明所看到的仅仅是一些 for 和 if 等东西。如果是更为复杂的功能，或许过一段时间后你自己都难以理解自己当时的意图。从程序语言到机器语言的这个过程，其实和前面所说的情况是一样的。这两个过程实际上都是将“做什么”转化为“怎么做”的过程，而在转换完成之后，最初到底是要做什么这个信息就已经消失不见了。

所谓「反编译」，指的是找回那些丢失信息的过程。从这个视角来看，你阅读一段代码的时候，实际上就是在把它「反编译」成自然语言。如果要实现完美的反编译，存在一种可能，即信息完全没有丢失。比如你正在阅读的这段代码有充足的注释，或者它采用了一种你所了解的模式，这也是大家反复强调注释和设计模式重要性的原因。对于从机器语言到程序语言的反编译过程，情况也是如此。

比如说有比反编译更低级（非贬义）的过程，叫做反汇编:

严格来说，汇编语言属于编程语言的范畴。然而，在我们当下的语境中，会将它与我们通常所说的高级编程语言（例如 C 语言）区分开来。

在这个步骤中，我在汇编和机器语言中使用双向实线箭头。因为汇编语言和机器语言可以互相转换，所以在从汇编语言到机器语言的过程中没有丢失任何信息。由于两者的指令是一一对应的，所以反汇编能够轻松达成。

很多程序语言只能反汇编，而难以反编译，这就是其原因。通常我们把这种语言称作“编译语言”，也叫“原生语言”。像 C、C++等就是这类语言的代表。

为什么有的语言可以反编译呢？这需要从机器语言开始讲起。就如同不同地域的人使用的语言存在差异，不同的机器所使用的语言也各不相同。用专业术语来说，就是“指令集不同”。例如，你的电脑和你的手机，它们的指令集通常是不一样的。一段程序若要让不同的机器都能够执行，就只能分别将其翻译（编译）成相应的机器语言。这个过程较为麻烦，于是人们想出了一个办法，进而搞出了一种被称作解释语言的东西。（此处未考证解释语言是否就是因这个过程而发明的，只是用于帮助理解。）如下所示：

解释语言有两种执行方式。一种是直接解释执行，在这种方式中，中间没有机器语言的参与。然而，这种方式的效率很低。所以，现代的解释语言通常会采用第二种方式，即先通过图中上部的路径，利用 JIT 编译的方式将其翻译成机器语言，然后再执行，以此来保证执行效率。JIT 编译的意思大致是“用到什么就对其进行编译”，这个过程通常是在执行的过程中同步开展的。

“解释器”的英文是“interpreter”，其实际上就是名词“翻译”的含义。这就如同我国的外交部向各国大使馆发送了一份文件，然后由大使馆的工作人员分别将其翻译成相应的语言，并传达给目标国的有关部门。具有代表性的解释语言如 Javascript，因为它需要在不同机器的浏览器上都能够正确执行，所以采用了这种方式。

但是这样做的话，程序代码就需要提供给每一台执行端机器。这是存在泄密风险的。在防止泄密方面，最为直接的办法自然是进行加密。

有锁就会有与之对应的钥匙，同时也会有开锁的技术；有加密和解密的过程，也会有相应的破解方法。在这种情况下，所谓的“反编译”，实际上就是对加密算法进行破解。关于这一点，就不再详细阐述了。

后来，人们认为解释语言的执行速度有些慢。于是，他们想到了一个办法：先把一些能够在前期完成的工作做完，只留下那些与目标机器相关的工作，等到需要的时候再去处理。这样，程序就被处理成了一种被称为“中间语言”或者“字节码”的东西。

这个过程通常被称作编译。中间语言词汇量少且较为精炼，执行速度较快。这些语言通常会运用 JIT 技术，能够进一步将中间语言编译为机器语言（而非进行解释执行），其执行效率也就与那些原生的编译语言差不多了。具有代表性的这类语言有 C#、Java 等。

程序语言能够被编译成为中间语言，同时，中间语言在一定程度上也可以被反编译成程序语言。因为采用这种编译方式的编程语言要保证其高级特性（例如反射），所以在编译过程中保留了源程序的绝大部分信息，只有少量信息丢失；也正是由于丢失了这部分信息，中间语言通常无法完美地反编译，最常见的情况是反编译出来的程序中局部变量的名字丢失了，被反编译器自动生成的名字所替换。反编译出来的程序，其结构是完备的，功能也是完备的。同时，这类程序的可读性也有一定的保障。通常情况下，我们所说的可以反编译的程序指的就是由这类语言写就的程序。

中间语言能够被反编译；加密之后会被破解，并且在执行之前还需要进行解密，这会带来额外的性能开销。是否存在一种方法，可以让代码既能够有效地执行，又不会被截获代码的人所利用呢？就在这时，人们从一些职业素养很低的程序员那里获得了启发。

实现相同功能，代码可有无数种形式。你认真写注释，准确命名函数和变量，严格按规范缩进和换行。小明则完全相反，没有注释，变量全用 abcd 等，甚至故意误导（如 var mySon = laowang.Son），缩进换行邋遢，大括号前不换行，让大家很不满。老板想，先把小明开除。接着给你发奖金，同时要求大家按照你的方式写代码。还要开发一个工具，名叫“混淆器”，在发布时把代码处理成小明写的那种样子。

这样的代码即便被反编译和解密了，他人看了也难以理解，而且一不小心还会陷入其中。代码主要是写给人看的，只是偶尔让机器运行一下，倘若没有可读性，那这样的代码就没有价值。这种方法一经推出，就受到广泛好评，随后便成为一种极为普遍的做法。需注意，图中省略了中间代码和 JIT 的步骤，混淆通常会与这些技术一同使用。