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MultiByteToWideChar、WideCharToMultiByte。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。

1
2
3
4
5
6
7
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

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
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：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
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EnumFontFamiliesA或EnumFontFamiliesExA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：

1
2
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。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
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：

1
2
3
4
5
6
7
8
9
DWORD GetGlyphOutlineA(
  HDC            hdc,
  UINT           uChar,
  UINT           fuFormat,
  LPGLYPHMETRICS lpgm,
  DWORD          cjBuffer,
  LPVOID         pvBuffer,
  const MAT2     *lpmat2);