能否从调试信息重构可重编译的C++二进制文件源码？

核心结论 #

想从二进制里提取出能直接重编译出功能完全一致克隆版的C++源码，本质上几乎不可能做到完美。哪怕带了完整调试信息，编译器生成二进制的过程会丢失大量源码层面的语义结构，这个过程不可逆。

你当前方法的问题 #

你用-g -Og编译+objdump -S提取源码的思路，出现行乱序、语法错误的原因很明确：

• -Og是「为调试优化」的等级，仍会执行不影响调试的轻量优化（比如删除死代码、局部代码重排），导致DWARF里的源码行与机器码的对应关系错位
• 编译器的内联展开会把其他函数的源码行插入到当前函数的反汇编中，比如你示例里isTransmitRegisterEmpty函数中混入Usart1::write的定义，就是内联导致的
• DWARF仅记录哪行源码对应哪段机器码，不保存完整的语法结构（比如括号匹配规则、函数边界），提取零散行后自然会出现语法错误

能提升提取质量的编译选项 #

如果只是想尽量拿到接近原始的源码，可以用更保守的编译选项，减少编译器对源码结构的改动：

• -O0：完全关闭优化（比-Og更保守），保留所有源码行的原始映射，不会删除死代码或重排代码
• -g3：生成最详细的DWARF调试信息，包含宏定义、类型细节、变量原始名称等内容
• -fno-inline：禁止所有函数内联，避免其他函数的源码行混入当前函数的反汇编输出
• -fno-eliminate-unused-debug-types：保留所有调试类型信息，避免丢失类、结构体的定义细节
• -fno-defer-pop：函数参数使用后立即弹出栈，减少代码执行顺序的重排

仍解决不了的本质问题 #

就算用了上述选项，也无法得到能直接编译出功能完全一致克隆版的源码，因为：

• 编译器会自动插入源码中不存在的隐含代码（比如默认构造函数、析构函数、异常处理框架），这些代码存在于二进制但无法还原回原始源码形式
• 模板特化、宏展开后的代码在二进制中是展开后的形态，无法还原回原始的模板或宏定义
• 链接阶段的优化（比如LTO）会进一步打乱代码结构，丢失函数边界信息
• 二进制无法保留注释、空白格式等非功能性信息，这些内容不影响运行，但会影响源码可读性，甚至编译后的二进制细节（比如符号表）

更靠谱的提取工具 #

比起objdump，可以用专门解析DWARF的工具来重构源码结构：

• dwarfdump：直接解析DWARF调试信息，提取函数、变量、类型的定义和行号对应关系
• gdb：通过list <函数名>命令逐函数查看对应的源码，能避免行错位问题
• 逆向工程工具（如Ghidra、IDA Pro）：支持基于调试信息重构更接近原始的源码结构，但仍无法完美还原

内容的提问来源于stack exchange，提问作者HairyNopper