de4js:JavaScript 反混淆与解包工具详解
de4js 是一个功能强大的 JavaScript 反混淆与解包工具,专门用于处理和分析被混淆或压缩的 JavaScript 代码。该项目完全开源,支持离线工作,提供了多种反混淆和解包功能。
核心功能特性
de4js 提供了全面的 JavaScript 反混淆解决方案,主要功能包括:
离线工作能力:无需网络连接即可进行代码反混淆操作 源代码美化与语法高亮:将混淆代码格式化为可读性强的格式 多种反混淆技术支持:支持 Eval、Array、Packer 等多种混淆方式 性能解包器:高效的代码解包和还原能力
支持的混淆类型
de4js 支持以下常见的 JavaScript 混淆技术:
- Eval 编码:如 Packer、WiseLoop 等
- 数组编码:Javascript Obfuscator、Free JS Obfuscator
- 数字编码:非标准数字混淆技术
- Packer 编码:Dean Edwards 的 Packer 算法
- URL 编码:书签工具常用的编码方式
- JSFuck 编码:仅使用 6 个字符的极端混淆
- JJencode/AAencode:日式编码风格混淆
- WiseLoop: WiseLoop 混淆器生成的内容
技术架构
de4js 基于 JavaScript 开发,使用了一系列开源库和技术:
- mathjs:数学表达式解析和计算
- js-beautify:代码格式化和美化
- highlight.js:语法高亮显示
- clipboard.js:复制到剪贴板功能
- Jekyll:静态网站生成器
项目的主要解码逻辑位于 lib 目录下,包含多个专门的解码器文件:
- arraydecode.js:数组编码解码器
- evaldecode.js:Eval 编码解码器
- jsfuckdecode.js:JSFuck 解码器
- numberdecode.js:数字编码解码器
- obfuscatorio.js:Obfuscator IO 解码器
- cleansource.js:源代码清理工具
- utils.js:通用工具函数
安装与使用
Docker 部署
使用 Docker 可以快速部署 de4js:
docker-compose up
部署完成后,在浏览器中访问 http://localhost:4000/de4js/ 即可使用。
本地开发环境
克隆项目仓库:
git clone https://gitcode.com/gh_mirrors/de/de4js
cd de4js
安装 Ruby 依赖:
bundle install
安装 Workbox CLI:
npm install workbox-cli --global
启动开发服务器:
npm start
# 或使用实时重载
npm run watch
构建生产版本
npm run build
用户脚本辅助
de4js 提供了一个用户脚本 helper,用于增强某些功能:
安装用户脚本可以启用 Unreadable 选项,该选项使用 JS Nice 的数据服务来进一步优化代码可读性。用户脚本文件位于:
userscript/de4js_helper.user.js
注意:用户脚本辅助功能需要网络连接,无法离线工作。
项目结构
de4js 的项目结构清晰,主要目录包括:
- assets/:静态资源文件,包括 CSS 和图片
- lib/:核心解码器库文件
- third_party/:第三方库依赖
- _data/:配置数据文件
- _includes/:模板包含文件
- _layouts/:页面布局模板
- _sass/:Sass 样式文件
开源贡献
de4js 是一个活跃的开源项目,欢迎开发者贡献代码。项目采用 MIT 许可证,允许自由使用和修改。
主要贡献者包括 lelinhtinh、Himura2la、Flleeppyy 等开发者,项目也集成了多个优秀的开源库。
相关项目
de4js 在 JavaScript 反混淆领域并非孤立的项目,还有其他相关工具:
- IlluminateJS:静态 JavaScript 反混淆器
- JStillery:通过部分评估进行高级反混淆
- Akamai Deobfuscator:专门处理 Akamai 脚本
- Prepack:JavaScript 包优化器
这些工具各有侧重,de4js 以其全面的功能支持和离线工作能力在同类工具中表现出色。
总结
de4js 是一个功能完善、易于使用的 JavaScript 反混淆工具,无论是对安全研究人员、Web 开发者还是学习 JavaScript 的学生来说,都是一个宝贵的资源。其离线工作能力、多种解码器支持和友好的用户界面使其成为处理混淆 JavaScript 代码的首选工具之一。
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-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00