LLVM中如何获取程序全部StructType？多模块去重及首次出现记录方法

一、获取整个程序的去重结构体类型 #

LLVM中单个Module的结构体可通过Module::getIdentifiedStructTypes()直接获取，但多源文件对应多个独立Module时，相同结构体可能重复出现，可通过两种方式实现全局去重获取：

方式1：手动遍历所有Module并维护去重集合 #

遍历每个待处理的Module，对每个结构体类型，用唯一标识判断是否已记录，避免重复：

• 对于已命名结构体，可结合结构体名称+数据布局作为唯一键（布局相同是类型等价的核心标准，名称避免同布局不同类型的误判）；
• 对于匿名结构体，可依赖调试信息或布局特征识别，不过这类结构体通常不会跨源文件复用，按需处理即可。

示例代码片段（基于LLVM C++ API）：

#include "llvm/IR/Module.h"
#include "llvm/IR/StructType.h"
#include <map>

// 全局存储：唯一键到结构体类型的映射
std::map<std::pair<llvm::StringRef, llvm::DataLayout>, llvm::StructType*> GlobalStructs;

void processSingleModule(llvm::Module &M) {
  llvm::DataLayout DL(&M);
  for (auto *ST : M.getIdentifiedStructTypes()) {
    if (ST->isOpaque()) continue; // 跳过未完全定义的不透明结构体
    auto key = std::make_pair(ST->getName(), DL);
    if (!GlobalStructs.count(key)) {
      GlobalStructs[key] = ST;
    }
  }
}

// 遍历所有Module时调用processSingleModule即可

方式2：合并所有Module后获取 #

使用LLVM的Linker工具将多个Module合并为一个全局Module，Linker会自动处理类型合并，此时直接从合并后的Module中获取结构体即可得到去重后的全局集合：

#include "llvm/Linker/Linker.h"

llvm::Module* mergeAllModules(llvm::Module &Dest, std::vector<llvm::Module*> &SrcModules) {
  llvm::Linker L(Dest);
  for (auto *Src : SrcModules) {
    if (auto Err = L.linkInModule(std::unique_ptr<llvm::Module>(Src))) {
      // 处理链接错误
      return nullptr;
    }
  }
  return &Dest;
}

// 合并后直接从Dest中获取结构体
// for (auto *ST : Dest.getIdentifiedStructTypes()) { ... }

二、记录结构体首次出现位置 #

在遍历或合并Module的过程中，可同步记录结构体首次出现的位置信息，核心逻辑是首次加入全局集合时，记录其所在Module的源文件及调试信息：

实现思路 #

1. 定义结构体存储位置信息：包含Module源文件路径、结构体定义的源文件、行号；
2. 遍历Module时，对首次识别到的结构体，通过Module::getSourceFileName()获取Module路径，通过StructType::getDebugInfo()获取调试信息中的定义位置（如果存在）。

示例代码片段：

#include "llvm/IR/DebugInfoMetadata.h"

struct StructOccurrenceInfo {
  llvm::StringRef ModulePath;
  llvm::StringRef SourceFile;
  unsigned LineNum = 0;
};

std::map<std::pair<llvm::StringRef, llvm::DataLayout>, StructOccurrenceInfo> StructFirstOccur;

void recordFirstOccurrence(llvm::Module &M) {
  llvm::DataLayout DL(&M);
  for (auto *ST : M.getIdentifiedStructTypes()) {
    if (ST->isOpaque()) continue;
    auto key = std::make_pair(ST->getName(), DL);
    if (StructFirstOccur.count(key)) continue;

    StructOccurrenceInfo info;
    info.ModulePath = M.getSourceFileName();
    // 从调试信息中提取定义位置
    if (auto *DI = ST->getDebugInfo()) {
      if (auto *File = DI->getFile()) {
        info.SourceFile = File->getFilename();
      }
      info.LineNum = DI->getLine();
    }
    StructFirstOccur[key] = info;
  }
}

注意事项 #

• 若结构体无调试信息（编译时未加-g参数），则只能记录所在Module的源文件路径，无法获取具体行号；
• 合并Module时，Linker可能保留首次出现的结构体调试信息，但若需精准控制，建议手动遍历记录更可靠。

内容的提问来源于stack exchange，提问作者Yerson.Dong