【亲测免费】 C++反编译工具
2026-01-20 02:42:41作者:冯梦姬Eddie
简介
本仓库提供了一个C++反编译工具,该工具的主要功能是显示与一个可执行文件(如exe或dll)相关的依赖项(dll),并详细列出该可执行文件引用了这些dll中的哪些接口。通过使用此工具,开发者可以更深入地了解可执行文件的依赖关系,从而更好地进行调试、优化或逆向工程。
功能特点
- 依赖项分析:自动识别并列出可执行文件所依赖的所有dll文件。
- 接口引用分析:详细展示可执行文件引用了每个依赖dll中的哪些接口(函数、类等)。
- 支持多种格式:支持分析exe和dll格式的可执行文件。
- 开源免费:本工具完全开源,开发者可以自由使用、修改和分发。
使用方法
- 下载工具:从本仓库的Releases页面下载最新版本的工具。
- 运行工具:将下载的工具解压到任意目录,然后运行其中的可执行文件。
- 输入文件路径:在工具界面中输入或选择需要分析的可执行文件路径(exe或dll)。
- 查看结果:工具将自动分析并显示该文件的依赖项及引用的接口信息。
示例输出
可执行文件: example.exe
依赖项:
- kernel32.dll
- user32.dll
- libstdc++-6.dll
引用接口:
- kernel32.dll:
- CreateFileA
- ReadFile
- user32.dll:
- MessageBoxA
- libstdc++-6.dll:
- std::string::c_str
贡献
欢迎开发者为本工具贡献代码或提出改进建议。您可以通过以下方式参与:
- 提交Issue:如果您在使用过程中遇到问题或有改进建议,请在Issues页面提交。
- 提交Pull Request:如果您有代码改进或新功能实现,欢迎提交Pull Request。
许可证
本工具采用MIT许可证,您可以自由使用、修改和分发本工具,但请保留原始许可证声明。
联系我们
如果您有任何问题或建议,欢迎通过电子邮件或GitHub Issues与我们联系。
感谢您使用C++反编译工具!
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
CAP基于最终一致性的微服务分布式事务解决方案,也是一种采用 Outbox 模式的事件总线。C#00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
652
4.23 K
deepin linux kernel
C
27
14
Ascend Extension for PyTorch
Python
488
599
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
390
280
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
937
854
Oohos_react_native
React Native鸿蒙化仓库
JavaScript
332
387
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.53 K
886
暂无简介
Dart
900
215
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
123
194
昇腾LLM分布式训练框架
Python
141
167