Galgame汉化中的逆向(二):系统字库与文字编码


  • Galgame汉化中的逆向(二):系统字库与文字编码

    by devseed,

    0x0 前言

    上节我们谈了谈如何找到解密文本的函数,以及如何来反汇编分析。这节来谈谈有关汉化调用字库与编码的问题,如何解决乱码,以及windows上常用的相关函数。通常我们要做的是:

    • 解除非日文系统区域限制
    • 修正游戏由于编码问题无法找到对应文件
    • 修正游戏中的乱码,标题中的乱码
    • 修改游戏中字符的限制,为中文汉化做准备

    0x1 文字编码

    以winodws系统来看,字符编码主要有两种:

    • Multibyte(类型表示为 char *, LPSTR, ),
    • WideChar(类型表示为 wchar_t *, LPWSTR, L"")

    Multibyte为变长字符,中ASCII字符为1字节,中文或日文等为两字节,不同系统编码不同,必须要指定对应的codepage才能正确显示。其中GB2312与shift-jis属于MultiByte;WideChar可以看作是unicode,或者说utf-16,两字节宽字符,所有系统编码都相同。

    (1) utf-8

    utf-8是一种Multibyte编码, 也是unicode的一种存储形式(可以理解为unicode是一种标准,utf-8是一种实现方式),最短为8位,通过位运算可以很容易和unicode进行变换。如下,将x位拼起来就是unicode,其中汉字通常为,0xEx开头。

    1字节 0xxxxxxx
    2字节 110xxxxx 10xxxxxx
    3字节 1110xxxx 10xxxxxx 10xxxxxx

    (2) shift-jis, SHJIS, cp932

    shift-jis即 JIS X 0208子集的所有字符,可以参考sjis字符表

    第一位字节 使用0×81-0×9F、0xE0-0xEF (共47个)
    第二位字节 使用0×40-0×7E、0×80-0xFC (共188个),没有7F。

    一般查字库的时候多用这几个边界处字符定位,0x8141[、], 0x889f[亜], 0xe040[様]

    (3) gb2312, cp936

    gb2312简中编码和sjis差不多,但是中间没有断层,这点要方便不少。
    范围0xA1A1~0xFEFE,其中汉字编码范围是0xB0A1~0xF7FE, 详见gb2312字符表

    0x2 字符转换

    不同编码集的字符转换通常要通过WideChar为桥梁,转换函数没MultiByteToWideCharWideCharToMultiByte。通过CodePage来进行不同字符集到WideChar转换,其中932为sjis编码,936为gb2312编码。

    int MultiByteToWideChar(
      UINT                              CodePage,
      DWORD                             dwFlags,
      _In_NLS_string_(cbMultiByte)LPCCH lpMultiByteStr,
      int                               cbMultiByte,
      LPWSTR                            lpWideCharStr,
      int                               cchWideChar);
    

    有时候游戏调用CreateFileW等相关需要宽字符的函数,而MultiByteToWideChar中codepage为0(跟随系统),这时候就可能找不到文件,如下图。

    我们需要把代码改成0x3A4。可以通过hook此函数,hook不好用就直接改exe,如果利用push eax相关的短指令则需要用code cave了。

    Frida hook MultiByteToWideChar

    var kernel32_MultiByteToWideChar = Module.findExportByName("kernel32.dll", "MultiByteToWideChar");
    console.log('MultiByteToWideChar at '+ kernel32_MultiByteToWideChar);
    var g_multibyte_ptr;
    var g_wide_ptr;
    var g_n=0;
    
    Interceptor.attach(kernel32_MultiByteToWideChar, {
     onEnter: function (args, state) {
        g_multibyte_ptr = args[2];
        g_wide_ptr = args[4];
        console.log(g_n +", cp"+args[0].toString(10))
        args[0] = ptr('932');
        g_n++;},
     onLeave: function (retval) {
        console.log(g_multibyte_ptr.readAnsiString() + ", " + g_wide_ptr.readUtf16String()) }
    

    Code Cave

    0x3 调用系统字库

    游戏中通常用CreateFontIndirectA来选择字库,函数如下:

    HFONT CreateFontIndirectA( const LOGFONTA *lplf);
    typedef struct tagLOGFONTA {
      LONG lfHeight;
      LONG lfWidth;
      LONG lfEscapement;
      LONG lfOrientation;
      LONG lfWeight;
      BYTE lfItalic;
      BYTE lfUnderline;
      BYTE lfStrikeOut;
      BYTE lfCharSet; //0x17
      BYTE lfOutPrecision;
      BYTE lfClipPrecision;
      BYTE lfQuality;
      BYTE lfPitchAndFamily;
      CHAR lfFaceName[LF_FACESIZE];
    } LOGFONTA, *PLOGFONTA, *NPLOGFONTA, *LPLOGFONTA;
    

    日文游戏显示乱码原因多半是lfCharSet值输入为1(ANSI_CHARSET 0 BALTIC_CHARSET 1,跟随系统),语言根据徐通决定,我们要改成0x80 日语,汉化后要改成0x86 中文。其中lfCharSet大多在CreateFontIndirectA上面。
    比如说改为,mov dword ptr ds:[532798], 80000000 ,修改乱码如图所示。

    0x4 枚举系统字库

    游戏中选择字体的时候通常用EnumFontFamiliesAEnumFontFamiliesExA来枚举可用字库,通常会在FONTENUMPROCA回调函数中,通过charset来过滤其他字库。
    如:

    mov edi, dword ptr ss:[ebp + 8] ;arg1      
    cmp byte ptr ds:[edi + 17], 80  ;japanese
    

    这个函数声明如下, charset就在LOGFONT结构体里, charset 0x80为日语, 0x86为中文。

    int CALLBACK EnumFontFamProc(
        ENUMLOGFONT FAR *lpelf,   // pointer to logical-font data
        NEWTEXTMETRIC FAR *lpntm, // pointer to physical-font data
        int FontType,             // type of font
        LPARAM lParam             // address of application-defined data  );
    
    int EnumFontFamiliesExA(
      HDC           hdc,
      LPLOGFONTA    lpLogfont,
      FONTENUMPROCA lpProc,
      LPARAM        lParam,
      DWORD         dwFlags);
    
    typedef struct tagENUMLOGFONT { // elf 
        LOGFONT elfLogFont; //这项结构如tagLOGFONTA所示
        BCHAR    elfFullName[LF_FULLFACESIZE];
        BCHAR    elfStyle[LF_FACESIZE];
    } ENUMLOGFONT;
    

    0x5 其他

    (1) 系统语言检测相关

    一般来说常用的函数是GetSystemDefaultLCID,返回值是系统语言代码,英文 0x409,日文 0x411, 简中0x804,繁中0x404。

    (2) 游戏窗口乱码修复

    游戏窗口标题可能存储在游戏资源文件里,不一定在exe里面,通过CreateWindowEx来初始化窗口标题,或者SetWindowText

    (3) 点阵字模

    GetGlyphOutlineA 将字符转换成点阵来输出,有些游戏的字体输出都是调用此函数,一般都会在调用这个函数之前进行字符边界校验。具体与上面类似,不再赘述。函数声明为:

    DWORD GetGlyphOutlineA(
      HDC            hdc,
      UINT           uChar,
      UINT           fuFormat,
      LPGLYPHMETRICS lpgm,
      DWORD          cjBuffer,
      LPVOID         pvBuffer,
      const MAT2     *lpmat2);
    
    
yurisbbs by @devseed since 2020, powered by nodebb.