Apktool处理多DEX文件压缩问题的技术分析
在Android逆向工程领域,Apktool作为一款强大的反编译和打包工具,被广泛应用于APK文件的修改和分析工作。近期发现了一个关于Apktool处理多DEX文件压缩方式的潜在问题,值得开发者关注。
问题背景
在Android应用开发中,随着代码量的增加,单个DEX文件(classes.dex)可能无法容纳所有代码,这时会产生多个DEX文件(如classes2.dex、classes3.dex等)。现代Android系统建议这些DEX文件在APK或JAR中保持未压缩状态(Stored),而非使用DEFLATE算法压缩。
问题现象
当使用Apktool处理包含多个DEX文件的框架JAR时(如某些厂商提供的framework.jar),发现工具仅将主DEX文件(classes.dex)标记为不压缩(doNotCompress),而忽略了其他次级DEX文件。这导致在重新打包时,只有classes.dex保持原始未压缩状态,其他DEX文件被不必要地压缩。
技术细节分析
通过对一个实际案例的分析,可以看到原始framework.jar中所有classes*.dex文件都采用Stored方式存储:
classes.dex - Stored
classes2.dex - Stored
classes3.dex - Stored
...
classes6.dex - Stored
然而经过Apktool反编译后,生成的apktool.yml配置文件中,doNotCompress列表仅包含classes.dex。这导致重新打包后,除主DEX外,其他DEX文件都被压缩:
classes.dex - Stored
classes2.dex - Defl:N
classes3.dex - Defl:N
...
classes6.dex - Defl:N
解决方案
该问题已被确认为Apktool的一个bug。修复方案是改进工具对多DEX文件的处理逻辑,确保所有classes*.dex文件都能正确继承原始文件的压缩属性。开发者可以通过手动修改apktool.yml文件,将所有DEX文件添加到doNotCompress列表作为临时解决方案。
影响与建议
这个问题主要影响需要修改和重新打包系统框架JAR的开发者。不正确的压缩处理可能导致:
- 文件大小非最优(压缩DEX反而可能增大体积)
- 潜在的运行时性能影响
- 与原始文件签名验证不匹配
建议使用最新修复版本的Apktool,并检查任何包含多DEX文件的处理结果,确保所有DEX文件都保持了正确的存储方式。
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
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust023
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- 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
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。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
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00