【汉化资料】金山词霸”屏幕取词技术揭密

shane007

对于一些调用Windows标准API来进行文本输出的AVG游戏，也许可以借鉴金山词霸之类的屏幕取词技术，HOOK API 之后，在自己的函数里把截获的英文替换为中文，然后输出到屏幕上来实现汉化，而且，这样的工具一旦制作完成，对于这类的AVG游戏将是通用的。
) y5 I& Q! b" B6 x( O! z
& J4 i1 M. G! A6 m7 w# ^
金山词霸”屏幕取词技术揭密(讨论稿)
这篇文章最早是发在北极星论坛的一系列帖子，那时候闻怡洋（好像他也是MVP）也在那里混
原始的帖子我已经没有了，但不知道是谁帮我收集整理了下来（非常感谢），我用google找到了
?
这是我进金山之前写的，应该不算泄露公司技术秘密吧
7 _5 S+ W4 @# N7 ], c7 \8 E+ }而且这些现在看来似乎已经有些过时了
?
那时讨论的只是Win31和Win9x下的取词实现
?
我到了金山之后不是负责取词模块，而是做UI，因为有个家伙比我更擅长做这种东西
他用SoftIce调试汇编代码非常熟练，做逆向工程方面有过人的天分。
?
?
“亦东” 是我那时的笔名
?
?
“金山词霸”屏幕取词技术揭密(讨论稿)
?
主题 　屏幕取词技术系列讲座（一）
作者 　 亦东
! _4 j  P+ g  G/ d1 q很多人对这个问题感兴趣。
+ O8 y0 c" I+ H2 v, a原因是这项技术让人感觉很神奇，也很有商业价值。
% j. N8 `+ G$ J: O5 J7 j现在词典市场金山词霸占了绝对优势，所以再做字典也没什么前途了。我就是这么认为的，所以我虽然掌握了这项技术，却没去做字典软件。只做了一个和词霸相似的软件自己用，本来想拿出来做共享软件，但我的词库是“偷”来的，而且词汇不多，所以也就算了，词库太小，只能取词有什么用呢？而且词霸有共享版的。
+ T0 ]6 m9 h( W: Y+ ]2 J但既然很多人想了解这项技术，我也不会保留。我准备分多次讲述这项技术的所有细节。
; i2 I- k3 }0 t+ \7 K) R/ d大约每周一两次。想知道的人就常常来看看吧！
* t' V0 d# G. a, q一.基础知识
首先想编这种程序需要一些基础知识。
9 S: I, Z( d2 h会用Vc++，包括16/32位。
( H& U' c6 e6 C1 P* m' M精通Windows API特别是GDI,KERNEL部分。
5 P8 [) E# H3 P# X9 S" j懂汇编语言，会用softice调试程序，因为这种程序最好用softice调试。
  e1 o3 |4 h6 Y: w- e8 F二.基本原理
( @3 }( y' M: p& }& Y8 U在Window 3.x时代，windows系统提供的字符输出函数只有很少的几个。
) I/ Y% N$ @) G1 D- I+ {! [TextOut
ExtTextOut
9 g, L8 y/ n! f, p. X; m9 s* T2 y, Y! }DrawText
5 y0 e( n' q4 B: [4 T7 E  w......
1 Y& f7 }" W9 q* \; t+ g2 t其中DrawText最终是用ExtTextOut实现的。
所以Windows的所有字符输出都是由调用TextOut和ExtTextOut实现的。因此，如果你可以修改这两个函数的入口，让程序先调用你自己的一个函数再调用系统的字符输出，你就可以得到Windows所有输出的字符了。
到了Windows95时代，原理基本没变，但是95比3.x要复杂。开始的时候，一些在windows3.x下编写的取词软件仍然可以是使用。但是后来出了个IE4，结果很多词典软件就因为不支持IE4而被淘汰了，但同时也给一些软件创造了机会，如金山词霸。其实IE4的问题并不复杂，只不过它的输出的是unicode字符，是用TextOutW和ExtTextOutW输出的。知道了这一点，只要也截取就可以了。不过实现方法复杂一点，以后会有详细讲解。现在又出了个IE5，结果词霸也不好用了，微软真是#^@#$%$*&^&#@#@..........
% y# b9 h4 K  e' C# i* I! {$ x9 y我研究后找到了一种解决办法，但还有些问题，有时会取错，正在继续研究，希望大家共同探讨。
' y" K, U; ~7 h! o8 j5 X另外还有WindowsNT，原理也是一样，只是实现方法和95下完全不同。
三.技术要点
+ w( R- W* N) v0 ?9 O( C" q要实现取词，主要要解决以下技术问题。
1.截取API入口，获得API的参数。
2.安全地潜入Windows内部，良好地兼容Windows的各个版本
3.计算鼠标所在的单词和字母。
4.如果你在Window95下，做32位程序，还涉及Windows32/16混合编程的技术。
5 s) n3 T: P$ h( F: R. d1 \今天先到这里吧！最好准备一份softice for 95/98和金山词霸，让我们先来分析一下别人是怎么做的。
欢迎与我联系
E-Mail:[email protected]
. r( W8 _) Q; u1 i, P8 q0 D主题 　屏幕取词技术系列讲座（二）
/ K1 H' A9 \, m, V( ]作者 　 亦东
很抱歉让大家久等了！
& o1 F7 M' m' s1 I# m3 _我看了一些人的回帖，发现很多人对取词的原理还是不太清楚。
首先我来解释一下hook问题。词霸中的确用到了hook，而且他用了两种hook其中一种是Windows标准hook,通过SetWindowHook安装一个回调函数，它安装了一个鼠标hook，是为了可以及时响应鼠标的消息用的和取词没太大关系。
另一种钩子是API钩子，这才是取词的核心技术所在。他在TextOut等函数的开头写了一个jmp语句，跳转到自己的代码里。
你用softice看不到这个跳转语句是因为它只在取词的一瞬间才存在，平时是没有的。
3 R; i% I3 M% J6 X& G. D你可以在TextOut开头设一个读写断点
) E4 {- Z2 G& L0 w) Fbpm textout
; I4 g/ x, c/ R' ~( N! K# u* L' }再取词，就会找到词霸用来写钩子的代码了。
/**********************************
) c! q  g& m; v$ x$ P所以我在次强调，想学这种技术一定要懂汇编语言和熟练使用softice.
**********************************/
至于从cjktl95中dump出来的未公开函数是和Windows32/16混合编程有关的，以后我会提到他们。
我先来讲述取词的过程，
0 判断鼠标是否在一个地方停留了一段时间
/ M( @. b, f; J% N' M9 P1 取得鼠标当前位置
: T' [4 ?/ p$ P+ w' u2 以鼠标位置为中心生成一个矩形
3 挂上API钩子
$ w, s- A' ~9 l' G. g. v# }/ W7 t4 让这个矩形产生重画消息
* {/ C* `- V2 c' u1 Y9 L. E( C) L/ {, }5 在钩子里等输出字符
6 计算鼠标在哪个单词上面，把这个单词保存下来
7 如果得到单词则摘掉API钩子，在一段时间后，无论是否得到单词都摘掉API钩子
% u/ W$ G7 k1 J* o8 用单词查词库，显示解释框。
很多步骤实现起来都有一些难度，所以在中国可以做一个完善的取词词典的人屈指可数。
其中0,1,2,7,8比较简单就不提了。
$ r6 Z/ s  p, _) [先说如何挂钩子：
所谓钩子其实就是在WindowsAPI入口写一个JMP XXXX:XXXX语句，跳转到自己的代码里。
步骤如下：
1.取得Windows API入口，用GetProcAddress实现
! L9 v7 F% j# H% R2.保存API入口的前五个字节，因为JMP是0xEA，地址是4个字节
% c! D  p0 B4 j; o3.写入跳转语句
这步最复杂
Windows的代码段本来是不可以写的，但是Microsoft给自己留了个后门。
有一个未公开函数是AllocCsToDsAlias，
UINT WINAPI ALLOCCSTODSALIAS(UINT);
你可以取到这个函数的入口，把API的代码段的选择符（要是不知道什么是选择符，就先去学学保护模式编程吧）传给他，他会返回一个可写的数据段选择符。这个选择符用完要释放的。用新选择符和API入口的偏移量合成一个指针就可以写windows的代码段了。
这就是取词技术的最核心的东东，不止取词，连外挂中文平台全屏汉化都是使用的这种技术。现在知道为什么这么简单的几句话却很少知道了吧？因为太多的产品使用他，太多的公司靠他赚钱了。
! M) \. |7 [  v; n这些公司和产品有：中文之星，四通利方，南极星，金山词霸，实达铭泰的东方快车，roboword，译典通,即时汉化专家等等等等。。。。还有至少20多家小公司。他们的具体实现虽然不同，但大致原理是相同的。
  D# ~7 Q: O: v! N; o$ o9 C7 [我这些都是随手写的，也没有提纲之类的东西，以后如果有机会我会整理一下，大家先凑合着看吧！xixi...
?
* a% _& [" c/ d$ I  L) q. w# d; y主题 　关于屏幕取词的讨论(三)
作者 　 亦东
9 o' l! y0 K9 w
' M9 v8 a8 i8 U8 U让大家久等，很抱歉，前些时候工作忙硬盘又坏了，太不幸了。
2 b) B  v7 K$ x, ~1 t这回来点真格的。
; r5 Y9 r  B2 U& `- q咱们以截取TextOut为例。
) Y. c* v+ U  v) J8 B$ t' B下面是代码：
  T5 p* b+ U, Q% W$ b! F! d  q//截取TextOut
typedef UINT (WINAPI* ALLOCCSTODSALIAS)(UINT);
. u1 n! W5 D3 ]: ]6 o, w: B1 G6 ^) AALLOCCSTODSALIAS AllocCsToDsAlias;
BYTE Newvalue[5];//保存新的入口代码
. [8 D5 K6 f4 H5 u2 u7 E, TBYTE Oldvalue[5];//API原来的入口代码
! x+ F9 y; ^4 _, D0 `unsigned char * Address=NULL;//可写的API入口地址
UINT DsSelector=NULL;//指向API入口的可写的选择符
WORD OffSetEntry=NULL;//API的偏移量
2 R. K. u. b' d, KBOOL bHookAlready = FALSE; //是否挂钩子的标志
$ h$ T$ o( l- B; `- E- O5 IBOOL InitHook()
{
4 c! n# T! E" S3 A4 s! k7 Y, ^2 Q6 kHMODULE hKernel,hGdi;
hKernel = GetModuleHandle("Kernel");
if(hKernel==NULL)
return FALSE;
AllocCsToDsAlias = (ALLOCCSTODSALIAS)GetProcAddress(hKernel,"AllocCsToDsAlias");//这是未公开的API所以要这样取地址
9 q, z. t- p  }, ]if(AllocCsToDsAlias==NULL)
( d' ?2 r" q$ @8 P! A5 k9 z$ `5 freturn FALSE;
hGdi = GetModuleHandle("Gdi");
if(hmGdi==NULL)
return FALSE;
' a* H1 J9 R* C( K/ k( {FARPROC Entry = GetProcAddress(hGdi,"TextOut");
if(Entry==NULL)
8 Z3 J7 |( j, d8 D, greturn FALSE;
5 z# A" c+ X0 \9 jOffSetEntry = (WORD)(FP_OFF(Entry));//取得API代码段的选择符
  I0 ~* P5 r" b  F! Q( B' t" K1 NDsSelector = AllocCsToDsAlias(FP_SEG(Entry));//分配一个等同的可写的选择符
# m4 f! Y4 @* R8 H( ]/ ]- yAddress = (unsigned char*)MK_FP(DsSelector,OffSetEntry);//合成地址
Newvalue[0]=0xEA;
0 J  e- _: p' V  r* [2 c: ?*((DWORD*)(Newvalue+1)) = (DWORD)MyTextOut;
5 E5 n4 w1 |. S: n0 D: hOldvalue[0]=Address[0];
*((DWORD*)(Oldvalue+1)) = *((DWORD*)(Address+1));
}
2 x! K3 L- Y" r  H, _BOOL ClearHook()
{
8 R8 E& }& T9 N$ K8 U$ cif(bHookAlready)
HookOff();
FreeSelector(DsSelector);
9 a' q: h8 f# c% ~- y/ w/ r}
BOOL HookOn()
{
' H4 r9 ]* E- Vif(!bHookAlready){
4 a) t+ l# T4 I: o" N7 w& O: j/ dfor(int i=0;i<5;i++){
Address=Newvalue;
}
bHookAlready=TRUE;
}
8 L3 X9 `) m: y}
5 m7 m: j) u$ E- M" A) eBOOL HookOff()
{
- q0 U8 G+ Z) i( D: ]if(bHookAlready){
, F' Y5 t0 _5 A! K& vfor(int i=0;i<5;i++){
* e& \4 B, w  Q' `5 T: F* BAddress=Oldvalue;
$ T" S+ Z0 {3 N2 l7 M}
bHookAlready=FALSE;
}
}
//钩子函数，一定要和API有相同的参数和声明
/ V9 t3 y, d: q" r9 eBOOL WINAPI MyTextOut(HDC hdc,int nXStart,int nYStart,LPCSTR lpszString,UINT cbString)
{
BOOL ret;
/ k9 D$ H1 |* }4 t1 rHookOff();
ret = TextOut(hdc,nXStart,nYStart,lpszString,cbString);//调原来的TextOut
! f+ n; D- j' Z8 hHookOn();
return ret;
}
上面的代码是一个最简单的挂API钩子的例子，我要提醒大家的是，这段代码是我凭记忆写的，我以前的代码丢了，我没有编译测试过
: u. ~! V; A6 b8 f因为我没有VC++1.52.所以代码可能会有错。
建议使用Borland c++，按16位编译。
; Q, j) ]9 L3 {6 I* M/ U) F如果用VC++1.52，则要改个选项
/ p& }3 l  y4 e" A; D4 V8 a在VC++1.52的Option里，有个内存模式的设置，选大模式，和"DS!=SS DS Load on Function entry.",切记，否则会系统崩溃。
有什么不明白的可以给我写信
[email protected]
, D. ]( U5 I1 N3 [' H6 i( ?Wednesday, June 23, 2004 7:11 PM

4 q4 s' j6 z' r' X. i# o; t

liunan7080

[s:6] 高深莫测