Skip to content
KitploitKITPLOIT
工具漏洞利用博客
Log in
提交
工具漏洞利用博客
提交

黑客、渗透测试和网络安全工具,武装您的安全武器库!

Kitploit 是一个黑客、网络安全和渗透测试工具的目录。发现最新的项目更新,查找漏洞、分析系统、自动化测试并加强你的安全。

订阅源联系隐私© 2026 Kitploit

工具目录

分类

查看所有分类
Loading categories
pycdc — 将 Python 字节码(.pyc/.pyo)反编译并反汇编回可读的源代码。支持 Python 2.0 - 3.15(CPython、PyPy 及其他实现)。使用 Rust 编写。 | Kitploit
工具/GitHubGitHub/ejfkdev/pycdc
静态分析代码分析逆向工程调试器恶意软件分析实用工具与框架二进制分析
GitHubejfkdev/pycdc

pycdc

将 Python 字节码(.pyc/.pyo)反编译并反汇编回可读的源代码。支持 Python 2.0 - 3.15(CPython、PyPy 及其他实现)。使用 Rust 编写。

查看仓库
18310317天前尚未审核
分享

pycdc-rs

English | 简体中文

License: MIT Python Corpus Behavior Built with ZCode

用 Rust 编写的 Python 字节码反编译器与反汇编器:把 Python 2.0 – 3.15 的 .pyc 还原为可读源码。运行不需要 Python,另可选内置的 cure 简化器。

pycdc program.pyc          # 反编译到标准输出
pycdc dis program.pyc      # 反汇编(异常表、行号、嵌套 code object)

亮点

  • 14 个解释器(2.6–3.15)、622 个真实标准库模块语料上语义等价 100%,其中 80.2% 达到字节码签名级完全一致
  • 行为矩阵 754/754 = 100%:2.6–3.15 全部通过(含 3.15 新字节码编码)
  • 现代语法:PEP 695/696 类型参数、PEP 750 t-string、PEP 649 延迟注解、match/case、海象运算符、async、f-string
  • 可选 --cure:在进程内调用 cure 简化器/格式化器(无需外部二进制、不依赖 Python),把 if cond: return a / return b 折成 return a if cond else b,行数约减少 10%
  • 版本差异全部数据化:每版本一张内嵌 opcode 表,--opcodes 可外部覆盖
  • 优雅降级:无法识别的构造输出注释占位,绝不崩溃

安装

Homebrew(macOS 与 Linux):

brew install ejfkdev/tap/pycdc

Scoop(Windows):

scoop install https://raw.githubusercontent.com/ejfkdev/scoop-bucket/main/bucket/pycdc.json

清单会按 x64 / arm64 自动选择,并同时安装 pycdc 与 pycdas。若想按名称安装,先添加一次 bucket:

scoop bucket add ejfkdev https://github.com/ejfkdev/scoop-bucket
scoop install pycdc

cargo,来自 crates.io:

cargo install pycdc

预编译二进制: Releases 页面提供裸可执行文件(无压缩包外壳)——Linux / Windows 的 x86_64 与 arm64、macOS 的 arm64 与 x86_64;Linux 与 Windows 产物经 UPX 压缩, macOS 不压缩。

源码构建:

cargo build --release      # 产物: target/release/pycdc 与 pycdas
cargo install --path .     # 或从检出目录安装两个二进制

以上任一方式均同时提供 pycdc 与 pycdas。

使用

# 单文件:标准输出 / 指定文件 / 指定目录
pycdc program.pyc > program.py
pycdc program.pyc -o program.py
pycdc program.pyc -o ./outdir/

# 批量:镜像目录结构(默认按 CPU 核数并行,-j N 控制线程数)
pycdc ./pyc-corpus -o ./src-out
pycdc ./pyc-corpus               # 生成 ./pyc-corpus-decompiled/
pycdc a.pyc b.pyc                # 在输入旁生成 a.py、b.py
pycdc ./pyc-corpus -o ./src-out -q -j 8

# 标准输入(管道场景):- 表示从 stdin 读取 pyc
cat program.pyc | pycdc -

# 无 pyc 头的裸 marshal 数据,显式指定版本
pycdc -v 3.8 payload.marshal

# 反汇编——与 pycdc 相同的 CLI 能力(文件/目录/stdin、-o/-j/-q)
pycdc dis program.pyc
pycdc dis ./pyc-corpus -o ./dis-out # 镜像生成 .dis 文件
# 独立的 `pycdas` 二进制保留为兼容别名,输出逐字节一致
pycdas program.pyc

# 可选的简化/格式化(进程内链接 cure)
pycdc --cure program.pyc

--cure 是可选的美化步骤:pycdc 的默认输出本身已通过验证,因此默认 行为不变。开启后条件分支会折叠为三元表达式、引号统一为单引号、版式重排:

# 默认                                      # --cure
def classify(v):                            def classify(v):
    if v is True:                               return 1 if v is True else 0
        return 1
    return 0

若输入无法被 cure 解析,或含有编译器内省元数据(__annotate__、 co_freevars、__conditional_annotations__、__classdict__)——简化这些 内容可能改变运行语义——该文件会原样输出,并在 stderr 给出提示。行为矩阵 在开启/关闭 --cure 两种情况下均为 754/754;622 个语料模块在开启后也全部 仍能在各自解释器下编译。由于该步骤会刻意改写语句形态(if/else → 三元), 语料的字节码签名指标对 --cure 输出不具参考意义,请以行为矩阵为准。

全部参数见 pycdc --help、pycdc dis --help、pycdas --help。退出码:0 成功, 1 存在处理失败的文件,2 用法错误。

性能

Apple Silicon 实测,526 个真实 .pyc(约 9.5MB,2.6–3.14 标准库语料):

场景耗时峰值内存
批量(默认并行)≈0.05s≈25MB
批量(-j 1 串行)≈0.34s≈13MB
最大单文件(74KB,含进程启动)≈5.5ms≈4.4MB
进程启动开销≈2ms—

真实项目语料(7 个大型项目,最新 release tag)

tools/fetch_realworld.sh 会按各仓库最新 release tag 稀疏检出指定目录、 用 compileall -b 把每个 .py 编译成 .pyc,落到 tests/realworld/ (已加入 gitignore——该脚本是重建语料的唯一方式):

项目(tag)模块数串行 -j 1并行(默认)可重编译AST 完全一致¹
yt-dlp (2026.08.19)10450.38 s0.08 s1045/1045502/1045
matplotlib (v3.11.2)2530.28 s0.07 s253/25360/253
pandas (v3.0.5)14200.87 s0.16 s1420/1420586/1420
django (6.1.1)9070.33 s0.12 s907/907470/907
sympy (1.14.0)15323.08 s1.62 s1532/1532482/1532
scikit-learn (1.9.1)6710.42 s0.07 s671/671216/671
ansible (v2.21.4)5830.24 s0.05 s583/583186/583
合计64115.60 s2.17 s6411/6411(100%)2502/6411

¹ 严格口径:去掉 docstring 后 AST 与原源码完全一致。等价归一化 (if/else 代替三元、解包外多余的 *()/**{}、关键字参数顺序调整)也 会被计为差异,因此它是「形状保真度下限」而非错误率;验收口径是左侧的 可重编译列。

每个项目一个 pycdc 进程:串行约 0.87 ms/模块,整批 6.4k 模块峰值 RSS ≈78 MB。6411 个模块全部可重编译;最后一族(生成器表达式元素 / 调用参数里的 dict 推导式)已由社区 PR 批次修复。 benchmarks/realworld.json, 脚本见 tools/bench_realworld.py。

验证

三套可本地复跑的验证设施(需 pyenv/uv 安装 2.6–3.15 解释器):

设施验证内容当前结果
tools/verify_corpus.py622 个标准库模块:反编译 → 同版本解释器重编译 → 结构化字节码签名对比,不一致再做归一化 AST 语义对比622/622 语义等价(499 签名级一致,零语法错误、零占位符)
tools/run_behavior.py96 用例 × 14 解释器:原始与反编译代码同解释器运行,对比 stdout+返回码754/754 = 100%(2.6–3.15)
tests/roundtrip.pyfixture 矩阵:编译 → 反编译 → 重编译 → 严格字节码对比49/54 严格一致(exceptions fixture 仅结构差,语义等价)

3.15 的结果对应 CPython 3.15.0/3.15.1:内联推导式、调用与 import 的编码 有变化,opcode 表由本机解释器直接生成。行为用例已全部通过,pandas+scikit-learn 在 3.15 下 2091/2091 可重编译;剩余的 with 体 return 边角见 docs/LIMITATIONS.md。

分版本结果见 tests/corpus/<version>/report.json。 跨工具对比(与 Decompyle++、uncompyle6、decompyle3 的速度、内存、 输出质量)见 benchmarks/。除上述设施外,发布前还经 三类专项质量电池把关:25 语法族模糊矩阵(×10 解释器)、恶意输入鲁棒性套件 (截断/损坏/OOM 炸弹 pyc——零崩溃)、第三方包 venv 实战冒烟(six/packaging/ click/attrs/pluggy)。详细已知缺口与第三方长尾队列见 docs/LIMITATIONS.md。

项目结构

src/    loader → marshal → bytecode → decompiler → codegen(version.rs/opcode.rs 承载版本数据;simplify.rs 封装 cure)
configs/ 内嵌 opcode 表与 magic 表(重生成: tools/gen_configs.py)
tools/   配置生成、语料构建、验证设施
tests/   Rust 测试、fixture、622 模块语料、96 行为用例

致谢

设计参考 Decompyle++ (pycdc)、uncompyle6/decompyle3 与 xdis;可选的 --cure 后处理由 cure 提供。

License

MIT

下载工具

最受欢迎

查看全部 →

发现我们社区最常用的工具。

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 终极 OSINT 工具包:调查图谱、置信度评分、别名家族、地图、时间线和报告。49 个模块、400+ 个站点,无需 API 密钥。

    708
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    GhostLock 一键执行应用(CVE-2026-43499)

    500
  • 3

    ARTEX

    baarai/artex

    基于LLM的多智能体自主渗透测试平台,具备规划器/执行器智能体、资产与探索图谱、MITM流量记录以及漏洞复测功能。

    398
  • 4

    redforge

    cybersecurity91/redforge

    浏览器端红队工具包,包含 102 个离线工具,用于侦察、载荷生成、凭据攻击、加密、编码和交战报告。

    341
  • 5

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    AI原生网络安全的行动系统——在这里,意图转化为受治理的执行,证据沉淀为运营记忆,每一次操作都让下一次更出色。

    259
  • 6

    antifox

    antifox-ai/antifox

    AI multi-agent autonomous penetration testing platform that runs recon, attack-surface discovery, exploitation validation and evidence-backed report delivery.

    257

探索所有工具

浏览我们的工具集合

查看所有工具 →