如何用Il2CppAssemblyUnhollower高效处理Unity逆向工程?完整指南
Il2CppAssemblyUnhollower是Unity游戏逆向工程利器,帮助开发者解析Il2Cpp程序集,生成可读C#代理代码,适合游戏分析师与逆向工程师使用。
解析目录结构:快速定位核心模块
掌握项目结构是高效使用工具的第一步,以下是关键目录的功能解析:
Il2CppAssemblyUnhollower/
├── AssemblyUnhollower/ # 核心转换逻辑
│ ├── Contexts/ # 重写上下文管理
│ ├── Passes/ # 代码生成流程
│ └── Program.cs # 程序入口点
├── UnhollowerBaseLib/ # 基础类型定义
│ ├── Runtime/ # 运行时适配代码
│ └── Attributes/ # 特性定义
└── Documentation/ # 使用文档
💡 新手注意事项:AssemblyUnhollower/Passes目录包含20+代码生成步骤,建议按数字前缀顺序阅读,理解转换流程。
启动工具:从环境准备到执行命令
环境配置
- 安装.NET 6.0+ SDK
- 克隆仓库:
git clone https://gitcode.com/gh_mirrors/il/Il2CppAssemblyUnhollower
执行流程
- 准备Il2Cpp游戏文件(Global-Metadata.dat和GameAssembly.dll)
- 进入项目目录:
cd Il2CppAssemblyUnhollower - 运行命令:
dotnet run --project AssemblyUnhollower -- -i "输入目录" -o "输出目录"
🔍 注意:首次运行会自动还原依赖,若遇网络问题可手动执行dotnet restore
配置工具:两种方案的对比选择
命令行参数(推荐)
- 优点:无需配置文件,适合临时调整参数
- 常用参数:
-i:指定输入目录(包含元数据和二进制文件)-o:设置输出目录(生成的C#代码)--unity-version:指定Unity版本,提高兼容性
配置文件(进阶)
- 路径:需手动创建
config.json并放置于程序目录 - 优点:保存常用配置,支持复杂规则设置
- 缺点:需要学习JSON配置格式,不适合快速测试
💡 新手注意事项:入门阶段建议使用命令行参数,熟悉后再创建配置文件固化常用设置。
工具适用场景对比表
| 场景 | 推荐工具 | 优势 | 局限性 |
|---|---|---|---|
| 快速分析单个游戏 | Il2CppAssemblyUnhollower | 轻量高效,无需额外配置 | 不支持批量处理 |
| 多版本游戏对比 | Il2CppAssemblyUnhollower + 自定义脚本 | 可生成结构化代码便于比较 | 需要手动编写对比脚本 |
| 大型项目长期维护 | Il2CppAssemblyUnhollower + 配置文件 | 配置可复用,生成稳定 | 初期配置成本较高 |
常见问题诊断流程图
-
生成代码为空? → 检查输入目录是否包含正确的Global-Metadata.dat → 确认Unity版本参数是否匹配游戏版本
-
编译错误? → 查看错误提示定位对应Pass文件 → 检查是否使用最新版本工具(
git pull更新) -
性能问题? → 尝试增加内存分配:
set COMPlus_GCHeapHardLimit=4294967296→ 分阶段处理:先分析元数据再生成代码
进阶学习路径
-
源码级理解 从Pass10(创建类型定义)开始阅读AssemblyUnhollower/Passes/目录下的代码,理解类型转换核心逻辑
-
扩展开发 参考UnhollowerBaseLib/Attributes/中的自定义特性,开发适合特定游戏的代码生成规则
-
自动化集成 结合Python脚本实现批量处理,利用Documentation/Command-Line-Usage.md文档中的高级参数构建工作流
通过以上步骤,你可以从基础使用逐步深入到工具定制,充分发挥Il2CppAssemblyUnhollower在Unity逆向工程中的强大能力。记住,实践中遇到问题时,项目的Documentation/Common-Problems.md文档往往能提供解决方案。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
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
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00